Leandro Aparecido Passos Junior

  • Endereço para acessar este CV: http://lattes.cnpq.br/3785255738671502
  • Última atualização do currículo em 16/10/2018


Possui graduação em Informatica com gestão em produção industrial pela Faculdade de Tecnologia de Jau - FATEC (SP) (2009) e mestrado em Ciência da Computação pela Universidade Estadual Paulista Júlio de Mesquita Filho (2015). Atualmente cursa doutorado em Ciência da Computação pela Universidade Federal de São Carlos (UFSCAR). Tem experiência na área de Ciência da Computação, com ênfase em Processamento de imagens e Aprendizagem de máquinas, atuando principalmente nos seguintes temas: optimum-path forest, deep learning, clustering e deep boltzmann machine. (Texto informado pelo autor)


Identificação


Nome
Leandro Aparecido Passos Junior
Nome em citações bibliográficas
PASSOS JUNIOR, L. A.;JUNIOR, LEANDRO A. PASSOS;PASSOS, LEANDRO. A.;Passos, Leandro;Passos, Leandro A.;Passos Júnior, Leandro A.;Passos, Leandro Aparecido


Formação acadêmica/titulação


2015
Doutorado em andamento em Ciência da Computação.
Universidade Federal de São Carlos, UFSCAR, Brasil.
Orientador: João Paulo Papa.
Bolsista do(a): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior, CAPES, Brasil.
Palavras-chave: Machine Learning; Deep Boltzmann Machine; Restricted Boltzmann Machines; Deep Belief Networks.
Grande área: Ciências Exatas e da Terra
Grande Área: Ciências Exatas e da Terra / Área: Probabilidade e Estatística / Subárea: Patern Recognition.
2013 - 2015
Mestrado em Ciência da Computação.
Universidade Estadual Paulista Júlio de Mesquita Filho, UNESP, Brasil.
Título: Detecção de anomalias por Floresta de Caminhos Ótimos,Ano de Obtenção: 2015.
Orientador: João Paulo Papa.
Coorientador: Kelton Augusto Pontara da Costa.
Bolsista do(a): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior, CAPES, Brasil.
Palavras-chave: Machine Learning; Optimum-Path Forest; Artificial Neural Networks; Patern Recognition.
Grande área: Ciências Exatas e da Terra
Grande Área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Atificial Inteligence.
2005 - 2009
Graduação em Informatica com gestão em produção industrial.
Faculdade de Tecnologia de Jau - FATEC (SP), FATEC, Brasil.
Título: A utilização da lógica fuzzy na programação da inteligência artificial para jogos eletrônicos.
Orientador: Gilmar Cação Ribeiro.




Atuação Profissional



Faculdade de Ciências de Bauru/FC/UNESP, FC/UNESP, Brasil.
Vínculo institucional

2017 - Atual
Vínculo: Projeto de pesquisa, Enquadramento Funcional: Pesquisador


Universidade Estadual de Campinas, UNICAMP, Brasil.
Vínculo institucional

2016 - Atual
Vínculo: Projeto de pesquisa, Enquadramento Funcional: Pesquisador


Seven Springs Mountain Resort, SS, Estados Unidos.
Vínculo institucional

2009 - 2010
Vínculo: Programa Work and Travel, Enquadramento Funcional: operador de teleferico, Carga horária: 40, Regime: Dedicação exclusiva.
Outras informações
Programa de intercâmbio e trabalho nos Estados Unidos


STi3 - Soluções em TI, STI3, Brasil.
Vínculo institucional

2010 - 2013
Vínculo: Empregado, Enquadramento Funcional: Programador, Carga horária: 40, Regime: Dedicação exclusiva.



Projetos de pesquisa


2017 - Atual
AnImaLS: Annotation of Images in Large Scale: What can machines and specialists learn from interaction?

Projeto certificado pelo(a) coordenador(a) Alexandre Xavier Falcão em 04/12/2016.
Descrição: In many areas of the Sciences and Engineering, images provide important information about real problems and the assignment by a machine of one or multiple labels per image (annotation) leads to a decision about the problem. However, the machine learning process requires the manual isolation and identification (label assignment) of the content of interest, named sample, in training images. As unlabeled images and samples per image grow large in number, their manual annotation becomes infeasible, leading us to the following research questions: What is the most intuitive way specialists can teach machines to annotate images? What are the tasks and challenges involved in this process? How to minimize human effort with maximum efficacy in machine learning? What can machines and specialists learn from their interaction? This thematic project aims at finding answers to these questions by the study and development of methods for image annotation in large scale, and the construction of decision-making systems (with no user participation) and decision-support systems, where machines and specialists cooperate with and learn from each other continuously. The methodology exploits the complementary skills of humans, better in knowledge abstraction, and machines, superior in large scale data processing, in a repetitive way and free of fatigue. The project divides the problem into two steps: sample extraction and interactive machine learning, in view of building a sequence of operations for automated annotation of new images or annotation with minimum user intervention. The study searches to combine image features learned from the data with features that derive from the knowledge of the specialists about the application. The project still aims at technological and scientific innovations for the diagnosis of gastrintestinal parasites in humans and vertebrate animals, by the automated acquisition and annotation of optical microscopy images, and to demonstrate the extension of the methods to other application domains, the project includes studies of medical image annotation using multi-object shape models and interactive annotation of remote sensing images..
Situação: Em andamento; Natureza: Pesquisa.
2017 - Atual
Modelos de Aprendizado Baseados em Energia e suas Aplicações

Projeto certificado pelo(a) coordenador(a) João Paulo Papa em 22/09/2017.
Descrição: Modelos de aprendizado baseados em energia têm sido utilizados nas mais variadas áreas de pesquisa, dado que fazem parte de um amplo arcabouço que compreende técnicas probabilísticas e não probabilísticas. Dentre os principais representantes desse segmento, podemos citar as Máquinas de Boltzmann Restritas e suas variantes no contexto de aprendizado em profundidade: Redes de Crença em Profundidade e Máquinas de Boltzmann em Profundidade. Tais modelos possuem, também, certos pontos fracos que serão explorados na presente proposta de projeto de pesquisa, tais como a otimização de seus parâmetros de maneira automática, a melhoria da eficácia do seu processo de treinamento por meio de amostragem em campos de Markov, e como diferentes técnicas de regularização baseadas em temperaturas e corte de neurônios podem ser empregadas. O projeto de pesquisa irá atuar em duas frentes: (i) aplicação e (ii) teoria. Na primeira delas, buscaremos aplicações que ainda não avaliaram os modelos de aprendizado baseados em energia acima citados, principalmente aquelas baseadas em biometria e da área médica. Já na parte teórica, esperamos contribuir com diferentes modelos para amostragem em cadeias de Markov visando uma melhoria no processo de inferência desses modelos. A presente proposta também conta com colaboradores nacionais e internacionais, bem como diversos alunos de graduação e pós-graduação. Dado que não existem muitos grupos de pesquisa no Brasil que trabalham na temática dessa proposta, acredita-se que a mesma poderá trazer muitos benefícios para toda a comunidade..
Situação: Em andamento; Natureza: Pesquisa.


Áreas de atuação


1.
Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Processamento de imagens.
2.
Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Aprendizagem de máquinas.
3.
Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Reconhecimento de padrões.


Idiomas


Inglês
Compreende Bem, Fala Bem, Lê Bem, Escreve Bem.
Espanhol
Compreende Bem, Fala Razoavelmente, Lê Bem, Escreve Pouco.
Alemão
Compreende Pouco, Fala Pouco, Lê Pouco, Escreve Pouco.
Português
Compreende Bem, Fala Bem, Lê Bem, Escreve Bem.


Produções



Produção bibliográfica
Artigos completos publicados em periódicos

1.
1Passos Júnior, Leandro A.2017 Passos Júnior, Leandro A.; Papa, João Paulo . Temperature-Based Deep Boltzmann Machines. NEURAL PROCESSING LETTERS, v. 1, p. 1-13, 2017.

2.
2PASSOS JUNIOR, L. A.2016 PASSOS JUNIOR, L. A.; RAMOS, C. C. O. ; Rodrigues, D. ; Pereira, D. R. ; Souza, A. N. ; COSTA, KELTON A.P. ; PAPA, J. P. . Unsupervised non-technical losses identification through optimum-path forest. Electric Power Systems Research (Print), v. -, p. ---, 2016.

3.
3PASSOS JUNIOR, L. A.;JUNIOR, LEANDRO A. PASSOS;PASSOS, LEANDRO. A.;Passos, Leandro;Passos, Leandro A.;Passos Júnior, Leandro A.;Passos, Leandro Aparecido2015PASSOS JUNIOR, L. A.; COSTA, K. A. P. ; ROSA, G. H. ; PAPA, J. P. . Obtenção de Neurônios de Redes Neurais de Base Radial via Agrupamento de dados por Floresta de Caminhos Ótimos. REVISTA INTERCIÊNCIA E SOCIEDADE, v. 4, p. 64-74, 2015.

Capítulos de livros publicados
1.
Passos Júnior, Leandro A.; Costa, Kelton A. P. ; Papa, João P. . Deep Boltzmann Machines Using Adaptive Temperatures. Lecture Notes in Computer Science. 1ed.: Springer International Publishing, 2017, v. 10424, p. 172-183.

2.
Pereira, Clayton R. ; Passos, Leandro A. ; Lopes, Ricardo R. ; Weber, Silke A. T. ; Hook, Christian ; Papa, João Paulo . Parkinson s Disease Identification Using Restricted Boltzmann Machines. Lecture Notes in Computer Science. 1ed.: Springer International Publishing, 2017, v. 10425, p. 70-80.

3.
Rosa, Gustavo ; Papa, João ; Costa, Kelton ; Passos, Leandro ; Pereira, Clayton ; Yang, Xin-She . Learning Parameters in Deep Belief Networks Through Firefly Algorithm. Lecture Notes in Computer Science. 1ed.: Springer International Publishing, 2016, v. , p. 138-149.

Trabalhos completos publicados em anais de congressos
1.
Passos, Leandro A.; Pereira, Clayton R. ; REZENDE, EDMAR R. S. ; CARVALHO, TIAGO J. ; WEBER, SILKE A.T. ; Hook, Christian ; PAPA, JOAO P. . Parkinson Disease Identification Using Residual Networks and Optimum-Path Forest. In: 2018 IEEE 12th International Symposium on Applied Computational Intelligence and Informatics (SACI), 2018, Timisoara. 2018 IEEE 12th International Symposium on Applied Computational Intelligence and Informatics (SACI). Timissoara: IEEE, 2018. p. 000325.

2.
Passos, Leandro A.; RODRIGUES, DOUGLAS R. ; PAPA, JOAO P. . Fine Tuning Deep Boltzmann Machines Through Meta-Heuristic Approaches. In: 2018 IEEE 12th International Symposium on Applied Computational Intelligence and Informatics (SACI), 2018, Timisoara. 2018 IEEE 12th International Symposium on Applied Computational Intelligence and Informatics (SACI). Timissoara: IEEE, 2018. p. 000419.

3.
CLAUDIOSUGI AFONSO, LUIS ; Passos, Leandro ; PAULOPAPA, JOAO . Enhancing Brain Storm Optimization Through Optimum-Path Forest. In: 2018 IEEE 12th International Symposium on Applied Computational Intelligence and Informatics (SACI), 2018, Timisoara. 2018 IEEE 12th International Symposium on Applied Computational Intelligence and Informatics (SACI). Timissoara: IEEE, 2018. p. 000183.

4.
Passos, Leandro Aparecido; PAPA, JOAO PAULO . Fine-Tuning Infinity Restricted Boltzmann Machines. In: 2017 30th SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI), 2017, Niteroi. 2017 30th SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI), 2017. p. 63.

5.
RIBEIRO, PATRICIA B. ; PASSOS, LEANDRO. A. ; SILVA, LUIS. A. DA ; COSTA, KELTON A.P. DA ; PAPA, JOAO P. ; ROMERO, ROSELI A.F. . Unsupervised Breast Masses Classification through Optimum-Path Forest. In: 2015 IEEE 28th International Symposium on ComputerBased Medical Systems (CBMS), 2015, Sao Carlos. 2015 IEEE 28th International Symposium on Computer-Based Medical Systems. p. 238.

6.
JUNIOR, LEANDRO A. PASSOS; COSTA, K. A. P. ; PAPA, JOAO P. . Fitting Multivariate Gaussian Distributions With Optimum-Path Forest and its Application for Anomaly Detection. In: 12th International Conference on Applied Computing, 2015, Maynooth, Greater Dublin. 12th International Conference on Applied Computing, 2015.

7.
ROSA, GUSTAVO H. ; COSTA, KELTON A.P. ; JUNIOR, LEANDRO A. PASSOS ; PAPA, JOAO P. ; FALCAO, ALEXANDRE X. ; TAVARES, JOAO MANUEL R.S. . On the Training of Artificial Neural Networks with Radial Basis Function Using Optimum-Path Forest Clustering. In: 2014 22nd International Conference on Pattern Recognition (ICPR), 2014, Stockholm. 2014 22nd International Conference on Pattern Recognition. p. 1472-1477.

Resumos publicados em anais de congressos
1.
PASSOS JUNIOR, L. A.; ROSA, G. H. ; COSTA, K. A. P. ; PAPA, J. P. . Obtenção de Neurônios de Redes Neurais de Base Radial via Agrupamento de Dados por Floresta de Caminhos Ótimos. In: IV Workshop do Programa de Pós-Graduação em Ciência da Computação, 2014, Presidente Prudente. IV Workshop do Programa de Pós-Graduação em Ciência da Computação.

Artigos aceitos para publicação
1.
GUIMARAES, R. R. ; Passos, Leandro Aparecido ; HOLANDA FILHO, R. ; ALBUQUERQUE, V. H. C. ; RODRIGUES, J. J. P. C. ; KOMAROV, M. M. ; Papa, João P. . Intelligent Network Security Monitoring based on Optimum - Path Forest Clustering. IEEE NETWORK, 2018.

Apresentações de Trabalho
1.
Passos Júnior, Leandro A.; Papa, João . Fine-Tuning Infinity Restricted Boltzmann Machines. 2017. (Apresentação de Trabalho/Congresso).

2.
PEREIRA, C. R. ; PASSOS JUNIOR, L. A. ; LOPES, R. R. ; WEBER, S. A. T. ; HOOK, C. ; PAPA, JOAO P. . Parkinson?s Disease Identification Using Restricted Boltzmann Machines. 2017. (Apresentação de Trabalho/Congresso).

3.
Passos Júnior, Leandro A.; COSTA, K. A. P. ; PAPA, JOAO P. . Deep Boltzmann Machines Using Adaptive Temperatures. 2017. (Apresentação de Trabalho/Congresso).

4.
ROSA, G. H. ; PAPA, JOAO P. ; COSTA, K. A. P. ; PASSOS, LEANDRO. A. ; PEREIRA, C. R. ; Xin-She Yang . Calibrating Deep Belief Networks Using the Firefly Algorithm. 2016. (Apresentação de Trabalho/Congresso).

5.
PASSOS JUNIOR, L. A.. Inteligência Artificial - Uma perspectiva sobre o Aprendizado de Máquinas. 2015. (Apresentação de Trabalho/Conferência ou palestra).



Inovação



Projetos de pesquisa



Página gerada pelo Sistema Currículo Lattes em 21/10/2018 às 11:23:30