Márcio Porto Basgalupp

Bolsista de Produtividade em Pesquisa do CNPq - Nível 2

  • Endereço para acessar este CV: http://lattes.cnpq.br/4922142296922435
  • Última atualização do currículo em 09/08/2018


é bacharel em Ciência da Computação pela Universidade Federal de Pelotas (2005), mestre em Ciência da Computação pela PUCRS (2007) e doutor em Ciências de Computação e Matemática Computacional pela Universidade de São Paulo (2010). Foi pesquisador visitante na University of Kent, na Inglaterra, em 2009, sob supervisão do Dr. Alex A. Freitas. No ano de 2010, realizou pós-doutorado na NTNU (Norwegian University of Science and Technology), na cidade de Trondheim, Noruega. Atualmente, é Prof. Adjunto IV do Instituto de Ciência e Tecnologia da Universidade Federal de São Paulo (UNIFESP), campus São José dos Campos, SP. Foi coordenador e um dos idealizadores do Programa de Pós-Graduação em Ciência da Computação (PPG-CC) do ICT-UNIFESP desde a sua confecção (e consequente abertura do programa, em 2012) até a aprovação do curso de doutorado, que teve início em 2015. Tem coordenado diversos projetos de pesquisa com financiamento das principais agências de fomento do país, em particular CNPq e FAPESP, tanto no âmbito nacional como internacional. Seus principais interesses de pesquisa estão relacionados às áreas de aprendizado de máquina, mineração de dados e computação bioinspirada. Desde março de 2014, é bolsista de produtividade em pesquisa do CNPq. (Texto informado pelo autor)


Identificação


Nome
Márcio Porto Basgalupp
Nome em citações bibliográficas
BASGALUPP, M. P.;Basgalupp, Marcio P.;Basgalupp, Márcio P.;BASGALUPP, Márcio P;BASGALUPP, MARCIO R;BASGALUPP, MÁRCIO PORTO

Endereço


Endereço Profissional
Universidade Federal de São Paulo - São José dos Campos.
Rua Talim 330
Vila Nair
12231280 - São José dos Campos, SP - Brasil
Telefone: (12) 33099500
Fax: (12) 39218857


Formação acadêmica/titulação


2007 - 2010
Doutorado em Ciências da Computação e Matemática Computacional.
Universidade de São Paulo, USP, Brasil.
com período sanduíche em UNIVERSITY OF KENT (Orientador: Alex A. Freitas).
Título: LEGAL-Tree: Um algoritmo genético multiobjetivo para indução de árvores de decisão, Ano de obtenção: 2010.
Orientador: André Carlos Ponce de Leon Ferreira de Carvalho.
Bolsista do(a): Fundação de Amparo à Pesquisa do Estado de São Paulo, FAPESP, Brasil.
Palavras-chave: Algoritmos Evolutivos; Otimização Multiobjetiva; Aprendizado de Máquina; classificação; Árvores de Decisão.
2005 - 2007
Mestrado em Ciência da Computação.
Pontifícia Universidade Católica do Rio Grande do Sul, PUCRS, Brasil.
Título: Algoritmos genéticos para seleção de atributos em problemas de classificação de processos de negócio,Ano de Obtenção: 2007.
Orientador: Vera Lúcia Strube de Lima.
Bolsista do(a): Hewlett Packard, HP, Brasil.
Palavras-chave: processos de negócio; seleção de atributos; classificação; Algoritmos Genéticos.
2001 - 2004
Graduação em Bacharelado em Ciência da Computação.
Universidade Federal de Pelotas, UFPEL, Brasil.
1996 - 1999
Curso técnico/profissionalizante em Técnico Em Eletrônica.
Centro Federal de Educação Tecnológica Rs, CEFET/RS, Brasil.


Pós-doutorado


2010 - 2010
Pós-Doutorado.
Norwegian University of Science and Technology, NTNU, Noruega.
Bolsista do(a): European Research Consortium for Informatics and Mathematics, ERCIM, França.


Atuação Profissional



Universidade Federal de São Paulo, UNIFESP, Brasil.
Vínculo institucional

2010 - Atual
Vínculo: Servidor Público, Enquadramento Funcional: Prof. Adjunto, Carga horária: 40, Regime: Dedicação exclusiva.



Projetos de pesquisa


2016 - 2016
Hyper-heuristics and Decision Trees for Hierarchical Multi-label Classification Problems
Descrição: Hierarchical Multi-label Classification (HMC) is a complex problem, in which classes involved are structured in a hierarchy with hundreds or even thousands of classes. Additionally, instances can be simultaneously classified into more than one path in this hierarchy. These problems are very common, for example, in protein function prediction and annotation of medical images. Among the different algorithms that can be used in these problems, decision tree induction algorithms are a good choice, due their robustness and efficiency, and also because they produce interpretable models with satisfactory performances. However, there are still many open questions about the use of these algorithms in the HMC context, such as which stop and prune criteria to use, which split to use in an internal node, and how to consider the relationships between classes. In addition, only the top-down strategy was used until now. Given such many configuration possibilities, this project aims at implementing a hyper-heuristic for the construction of decision tree induction algorithms, tailored to HMC problems. In contrast to meta-heuristics, hyper-heuristics operate in a higher abstraction level, being used in the search for the best combination of components in the space of possibilities. These components are used to construct the decision tree induction algorithms..
Situação: Concluído; Natureza: Pesquisa.
2016 - Atual
Hiper-heurísticas multi-objetivas para construção automática de algoritmos de indução de árvores de decisão com múltiplos testes
Descrição: Árvores de Decisão constituem uma técnica poderosa e amplamente utilizada em tarefas de aprendizado de máquina e mineração de dados, principalmente em virtude da facilidade de interpretação do conhecimento adquirido. Em contraste com os algoritmos tradicionais de indução de árvores de decisão - todos manualmente desenvolvidos por humanos - o algoritmo HEAD-DT constitui uma abordagem de hiper-heurística evolutiva para construção automática de algoritmos de indução de árvores de decisão. HEAD-DT trabalha sobre diversos componentes manualmente desenvolvidos para indução de árvores de decisão, combinando os componentes mais adequados para o problema em questão. Recentemente, foi introduzido o conceito de árvores de decisão com múltiplos testes (MTDT, do inglês Multi-Test Decision Trees), uma nova forma de representação de árvores de decisão. Nas MTDT, cada nó da árvore pode ser composto por múltiplos testes univariados, o que pode ser visto como um caso intermediário (em termos de interpretabilidade) entre as árvores de decisão univariadas e as árvores de decisão multivariadas. Em relação aos algoritmos tradicionais de árvores de decisão univariadas, os algoritmos de indução das MTDT possuem certas particularidades. O critério de split é um exemplo claro, em que pode ser conduzido por um mecanismo de votação majoritária em que todos os testes univariados têm a mesma importância. No entanto, diversas outras estratégias podem ser desenvolvidas para realizar essa tarefa. Nesse contexto, o presente projeto propõe estender o algoritmo HEAD-DT em dois principais aspectos: (i) construir automaticamente algoritmos de indução de árvores de decisão com múltiplos testes, e algumas extensões; e (ii) adotar três abordagens multi-objetivas para guiar o processo evolutivo. Embora muitos trabalhos utilizem algoritmos evolutivos para indução de árvores de decisão, o que se propõe aqui é algo totalmente diferente, pois a ideia é evoluir algoritmos genéricos para indução de árvores de decisão de múltiplos testes, ou seja, o resultado final do método será um algoritmo de indução, e não apenas uma árvore de decisão. Isso caracteriza um algoritmo de meta-learning, pois o objetivo é aprender um algoritmo de aprendizagem..
Situação: Em andamento; Natureza: Pesquisa.
Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (1) .
Integrantes: Márcio Porto Basgalupp - Coordenador / André C. P. L. F. de Carvalho - Integrante / Alex A. Freitas - Integrante / Barros, Rodrigo C. - Integrante.Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
2015 - Atual
Hiper-heurísticas para Construção de Algoritmos de Indução de Árvores de Decisão em Problemas de Classificação Hierárquica Multirrótulo

Projeto certificado pelo(a) coordenador(a) Ricardo Cerri em 31/01/2016.
Descrição: Problemas de Classificação Hierárquica Multirrótulo são problemas de classificação complexos, nos quais as classes envolvidas no problema são estruturadas em uma hierarquia contendo centenas ou até milhares de classes. Adicionalmente, exemplos sendo classificados podem ser atribuídos simultaneamente a mais de um caminho dessa hierarquia. Esses problemas são muito comuns, por exemplo em tarefas de predição de funções de proteínas e anotação de imagens médicas. Dentre os diferentes algoritmos que podem ser utilizados nesses problemas, estão os algoritmos de indução de árvores de decisão, por sua robustez e eficiência, além de produzirem modelos interpretáveis e com taxas de acerto satisfatórias. Apesar disso, ainda há muitas questões em aberto sobre a utilização desses algoritmos no contexto de problemas de classificação hierárquica multirrótulo, como por exemplo quais critérios de parada e de poda utilizar, qual tipo de divisão utilizar em um nó interno, e como considerar os relacionamentos entre as classes. Além disso, até agora apenas a estratégia de indução top-down foi utilizada. Dadas essas muitas possibilidades de configuração, esse projeto tem por objetivo implementar uma hiper-heurítica para a construção de algoritmos de indução de árvores de decisão aplicados em problemas de classificação hierárquica multirrótulo. Ao contrário das meta-heurísticas, as hiper-heurísticas operam em um nível maior de abstração, podendo ser utilizadas na procura das melhores combinações de componentes no espaço de possibilidades, componentes esses utilizados para a construção de algoritmos de indução de árvores de decisão..
Situação: Em andamento; Natureza: Pesquisa.
2014 - Atual
Hiper-heurísticas evolutivas para construção automática de algoritmos de Aprendizado de Máquina
Descrição: No contexto de aprendizado de máquina, as árvores de decisão constituem uma alternativa natural aos poderosos métodos do tipo "caixa-preta", tais como SVM e Redes Neurais Artificiais, devido à facilidade de compreensão de suas decisões, as quais são semelhantes à forma do raciocínio humano. Além da interpretabilidade, os algoritmos de indução de árvores de decisão também apresentam outras vantagens, tais como como robustez a ruídos, baixo custo computacional e capacidade para lidar com atributos redundantes. No entanto, a busca pela árvore de decisão ótima para um determinado conjunto de dados é considerada uma tarefa difícil, e com isso heurísticas se tornaram essenciais para tratar o problema em tempo hábil. Dentre as heurísticas propostas na literatura, nenhuma tem obtido tanto sucesso em gerar árvores de decisão compreensivas, precisas (em ternos de acurácia) e com baixo esforço computacional como a estratégia de indução top-down. Tendo em vista a imensa gama de trabalhos nos últimos 40 anos propondo novos design components - todos manualmente desenvolvidos por humanos - o presente projeto destaca uma ótima oportunidade para que sejam desenvolvidas novas abordagens para construção automática de algoritmos de aprendizado de máquina. Nesse contexto, o presente projeto propõe o desenvolvimento de algoritmos evolutivos de programação genética e evolução gramatical como híper-heurísticas para construção automática de algoritmos de indução de árvores de decisão. Adicionalmente, o presente projeto visa também contribuir na construção automática de design components específicos de algoritmos top-down de indução de árvores de decisão, tais como funções de split e métricas utilizadas em métodos de poda (pruning)..
Situação: Em andamento; Natureza: Pesquisa.
2013 - 2015
Automatic Design of Decision-Tree Induction Algorithms for Detecting Patterns of Functional Gene-Gene Interactions in Observational Gene Expression Data
Descrição: Predicting an organism?s or a cell?s response to a therapeutical intervention lies at the heart of medical research. In a functional cellular experiment, one can intervene in the expression of a gene x using RNA interference technologies and collect the downstream effects in the entire transcriptome using high throughput technologies like microarrays or RNAseq. This experiment gives us a class of genes that respond to the intervention in x (class A) and a class of genes that do not (class B). We hypothesize that also observational data that does not involve perturbations of gene x holds information whether a gene is in class A or B, since the biological mechanisms that drive the expression of these classes of genes must be different. This yields a standard classification problem: Predict whether a gene belongs to a class A or B by considering only observational data. In this project, we will investigate machine learning-based solutions to this problem by evolving decision tree induction algorithms. Decision tree induction is one of the most employed methods to extract knowledge from data, since the representation of knowledge is very intuitive and easily understandable by humans. The most successful strategy for inducing decision trees, the greedy top-down approach has been continuously improved by researchers over the years. This work, following recent breakthroughs in the automatic design of machine learning algorithms, proposes a hyper-heuristic evolutionary algorithm for automatically generating decision-tree induction algorithms, named HEAD-DT. We will automatically design a decision tree induction algorithm tailored to tdetecting functional gene-gene interactions from observational gene expression data. The designed algorithm and its induced classifiers may be a first step to develop a platform for ?virtual intervention experiments? that could be used to prioritize genes for further biological experimental studies..
Situação: Concluído; Natureza: Pesquisa.
Alunos envolvidos: Doutorado: (7) .
Integrantes: Márcio Porto Basgalupp - Coordenador / André C. P. L. F. de Carvalho - Integrante / Barros, Rodrigo C. - Integrante / Tiago S. da Silva - Integrante / Rainer Spang - Integrante.Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro / Bayerisches Hochschulzentrum für Lateinamerika - Auxílio financeiro.
2013 - Atual
Construção automática de medidas de split para indução de árvores de decisão
Descrição: Árvores de Decisão constituem uma técnica poderosa e amplamente utilizada em tarefas de mineração de dados. Geralmente, algoritmos de indução de árvores de decisão usam uma estratégia gulosa, top-down e com particionamento recursivo dos conjuntos de dados para a construção das árvores. Uma das questões chave dos algoritmos top-down para indução de árvores de decisão é a escolha do(s) melhor(es) atributo(s) para dividir um conjunto de dados em subconjuntos de acordo com a medida de split empregada. A literatura dispõe de uma grande quantidade de trabalhos que são dedicados ao projeto e à investigação de novas medidas de split, no entanto, até onde se sabe, todas essas medidas foram propostas por humanos, manualmente. Por outro lado, algoritmos de Programação Genética (PG) têm sido empregados para construção automática de funções matemáticas em várias aplicações, e têm cada vez mais se mostrado capaz de produzir automaticamente funções similares e até melhores que o seres-humanos. No entanto, não foi encontrado na literatura nenhum trabalho que evolua funções matemáticas que representem medidas de split para construção de árvores de decisão. Nesse contexto, este projeto propõe o desenvolvimento de um algoritmo de Programação Genética, em particular baseada em gramática (GGP, do inglês Grammar-based Genetic Programming) para a construção automática de medidas de split a serem incorporadas nos principais algoritmos top-down de indução de árvores de decisão..
Situação: Em andamento; Natureza: Pesquisa.
Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (1) .
Integrantes: Márcio Porto Basgalupp - Coordenador / André C. P. L. F. de Carvalho - Integrante / Alex A. Freitas - Integrante / Barros, Rodrigo C. - Integrante / DA SILVA, TIAGO S. - Integrante / Gisele Lobo Pappa - Integrante.Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
2013 - Atual
Projeto automatizado de meta-heurísticas para otimização global
Descrição: Ao longo dos últimos anos, diversas meta-heurísticas têm sido propostas para a resolução de vários tipos de problemas. Em geral, as meta-heurísticas utilizam operações que combinam soluções atuais para gerar novas soluções com o intuito de encontrar soluções cada vez melhores ao longo das iterações. Uma maneira de melhorar o desempenho de meta-heurísticas é desenvolver novos procedimentos operadores explorem melhor o espaço de pesquisa e evitem ou escapem de regiões denominadas ótimos locais. Outra possibilidade é adicionar estratégias para que as meta-heurísticas sejam adaptativas, alterando seu comportamento automaticamente ao longo do processo de otimização. O desenvolvimento desses novos componentes (procedimentos operadores e estratégias adaptativas) é uma tarefa difícil que requer um grande esforço dos pesquisadores, podendo levar dias, semanas ou meses. Essa tarefa geralmente exige criatividade e conhecimento de fundo do pesquisador para identificar alguma informação extra que possa melhorar o desempenho da meta-heurística. Depois de identificada, essa informação deve ser inserida de alguma maneira que seja eficaz na criação de soluções de melhor qualidade, o que também pode requerer grande esforço e criatividade do pesquisador. Caso essa nova informação seja empregada de maneira inadequada, a alteração pode, inclusive, apresentar resultados inferiores aos daqueles gerados sem ela. Por esses motivos, uma linha de pesquisa tem sido cada vez mais investigada nos últimos anos: hiper-heurísticas. Com técnicas dessa natureza é possível automatizar a criação de algoritmos diversos, tirando do pesquisador a tarefa de encontrar essa melhoria por meio de tentativa e erro. Face ao exposto, neste projeto objetiva-se desenvolver uma ferramenta para auxiliar no projeto automatizado de meta-heurísticas para otimização global. Contudo, em vez de fazer seleção automática de componentes previamente criados e codificados, como é comumente empregado na literatura, a ferramenta proposta para este projeto deverá ser capaz de criar códigos, substituindo parte do trabalho manual que o pesquisador precisa fazer na composição do componente, experimentação e avaliação de resultados. As meta-heurísticas resultantes poderão superar significativamente as meta-heurísticas originais, trazendo ganhos consideráveis na resolução de problemas de otimização..
Situação: Em andamento; Natureza: Pesquisa.
2012 - Atual
Aprendizado Semi-Supervisionado Dinâmico e Ativo Baseado em Redes Complexas
Descrição: Este projeto tem como objetivo principal o desenvolvimento de novas técnicas de aprendizado semi-supervisionado baseadas em redes para conjuntos de dados dinâmicos. Para o desenvolvimento dessas técnicas, serão utilizadas propriedades das redes complexas que representarão os dados e modelos computacionais dinâmicos para propagação dos rótulos. Das redes complexas serão extraídas medidas a serem utilizadas como parâmetros de seleção de vértices. Essa seleção terá duas finalidades: indicar ao especialista quais exemplos necessitam de rotulação (aprendizado ativo) e a quais vértices da rede os novos exemplos serão conectados (crescimento dinâmico da rede). A propagação dos rótulos na rede (classificação semi-supervisionada) será realizada por modelos computacionais dinâmicos, com enfoque nos modelos de competição de partículas e modelos de sincronização de neurônios. A partir dos estudos realizados ao longo deste projeto e com o desenvolvimento das novas técnicas, espera-se gerar contribuições originais em três linhas: 1) uma proposta de representação em redes de conjuntos de dados dinâmicos; 2) desenvolvimento de técnicas capazes de tratar dados dinâmicos; e 3) utilização do aprendizado ativo utilizando propriedades das redes complexas como forma de otimizar o trabalho do especialista no processo de rotulação..
Situação: Em andamento; Natureza: Pesquisa.
Alunos envolvidos: Graduação: (2) .
Integrantes: Márcio Porto Basgalupp - Integrante / Zhao Liang - Integrante / Marcos G. Quiles - Coordenador.Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
2011 - 2015
Programação Genética para evolução de algoritmos de indução de árvores de decisão
Descrição: Árvores de Decisão constituem uma técnica poderosa e amplamente utilizada em tarefas de mineração de dados. Geralmente, algoritmos de indução de árvores de decisão usam uma estratégia gulosa, \emph{top down} e com particionamento recursivo para a construção das árvores. No entanto, há pelo menos dois problemas relacionados a essas características: (i) estratégias gulosas geralmente produzem soluções ótimas locais ao invés de globais, (ii) particionamento recursivo degrada iterativamente a qualidade do \emph{dataset} e, consequentemente, a qualidade dos resultados obtidos. Para lidar com essas dificuldades, diferentes abordagens foram sugeridas, tais como \emph{Options Trees}, \emph{ensembles} (ex: \emph{boosting} e \emph{bagging}), e algoritmos evolutivos. No entanto, tais algoritmos evolutivos são usados para evoluir árvores de decisão específicas para cada problema de classificação, e não para evoluir algoritmos genéricos para indução de árvores de decisão para qualquer problema de classificação. Uma das subáreas de algoritmos evolutivos, a Programação Genética (PG) é uma ferramenta adequada para evoluir programas de computadores. Um programa evoluído por Programação Genética pode produzir a mesma solução desenvolvida por um humano para solucionar um problema, mas também pode produzir algo completamente diferente e talvez melhor. Nesse contexto, o objetivo deste projeto é estudar programação genética com o intuito de utilizá-la para evoluir algoritmos de indução de árvores de decisão. A ideia é evoluir algoritmos genéricos para indução de árvores de decisão, ou seja, o resultado final da PG será um algoritmo de indução árvores de decisão, e não apenas uma árvore de decisão. Nesse sentido, pode-se considerar um algoritmo de \emph{meta-learning}, pois o objetivo é aprender um algoritmo de aprendizagem..
Situação: Concluído; Natureza: Pesquisa.
Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (1) / Doutorado: (1) .
Integrantes: Márcio Porto Basgalupp - Coordenador / André C. P. L. F. de Carvalho - Integrante / Rodrigo Coelho Barros - Integrante / Alex A. Freitas - Integrante / Marcos G. Quiles - Integrante / Vili Podgorelec - Integrante.Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro / Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
2011 - 2013
Aprendizado Semi-Supervisionado Dinâmico Baseado em Grafos
Descrição: O desenvolvimento de técnicas que possam "aprender" com base na observação do ambiente é um dos grandes objetivos da área de Aprendizado de Máquina. Para a construção de classificadores, as técnicas tradicionais de aprendizado de máquina necessitam de uma grande quantidade de dados rotulados a fim de induzir um bom classificador. Estes dados rotulados são geralmente caros de serem obtidos, principalmente quando envolvem a rotulação manual por parte de um especialista. Por outro lado, a aquisição de dados não rotulados pode ser uma tarefa simples em diversos domínios. Recentemente, uma nova vertente da área de aprendizado de máquina, denominada aprendizado semi-supervisionado, tem se destacado como uma linha bastante promissora. Esta forma de aprendizado utiliza tanto dados rotulados como dados não rotulados na geração de classificadores. Outro tópico importante relacionado ao tratamento de dados está na forma dinâmica como esses podem são obtidos, pois, no mundo real, os dados não são estáticos, mas sofrem alterações continuamente. Nesse contexto, este projeto tem como objetivo principal o desenvolvimento de novos modelos de aprendizado semi-supervisionado capazes de tratar dados dinâmicos sem a necessidade de um processo de reaprendizagem. Como base para o desenvolvimento desta pesquisa, alguns modelos com dinâmica espaço-temporal em grafos, como a sincronização de neurônios e a competição de partículas, serão considerados...
Situação: Concluído; Natureza: Pesquisa.


Revisor de periódico


2011 - Atual
Periódico: Computational Intelligence (Online)
2011 - Atual
Periódico: Computational Intelligence
2012 - Atual
Periódico: Information Sciences
2012 - Atual
Periódico: IEEE Transactions on Evolutionary Computation
2012 - Atual
Periódico: Neurocomputing (Amsterdam)


Áreas de atuação


1.
Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Inteligência Artificial/Especialidade: Algoritmos Evolutivos.
2.
Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Inteligência Artificial/Especialidade: Aprendizado de Máquina.
3.
Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Sistema de Informação.
4.
Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Metodologia e Técnicas da Computação/Especialidade: Banco de Dados.
5.
Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Sistema de Informação/Especialidade: Business Intelligence.
6.
Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Matemática da Computação/Especialidade: Estatística.


Idiomas


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


Prêmios e títulos


2012
Best Paper - GECCO 2012, ACM.
2011
Um dos 3 Best Papers do ENIA 2011, SBC.
2009
SIGAPP Student Travel Award, ACM SIGAPP.


Produções



Produção bibliográfica
Citações

Web of Science
Total de trabalhos:19
Total de citações:185
Fator H:8
Basgalupp, Márcio P  Data: 01/08/2018

SCOPUS
Total de trabalhos:25
Total de citações:187
Basgalupp, M.P.  Data: 09/08/2016

Outras
Total de trabalhos:25
Total de citações:377
Basgalupp, M.P.  Data: 09/08/2016

Artigos completos publicados em periódicos

1.
SOTTO, L.2017SOTTO, L. ; MELO, V. V. ; BASGALUPP, M. P. . λ-LGP: an improved version of Linear Genetic Programming evaluated in the Ant Trail problem. Knowledge and Information Systems (Print), v. 1, p. 1-21, 2017.

2.
Barros, Rodrigo C.2015Barros, Rodrigo C. ; Basgalupp, Márcio P. ; DE CARVALHO, ANDRÉ C. P. L. F. . Investigating fitness functions for a hyper-heuristic evolutionary algorithm in the context of balanced and imbalanced data classification. Genetic Programming and Evolvable Machines, v. 16, p. 241-281, 2015.

3.
Barros, Rodrigo C.2014Barros, Rodrigo C. ; BASGALUPP, M. P. ; CARVALHO, A. C. P. L. F. ; FREITAS, A. A. . Evolutionary Design of Decision-Tree Algorithms Tailored to Microarray Gene Expression Data Sets. IEEE Transactions on Evolutionary Computation, v. 18, p. 873-892, 2014.

4.
Basgalupp, Márcio P.2014 Basgalupp, Márcio P.; Barros, Rodrigo C. ; DE CARVALHO, ANDRÉ C.P.L.F. ; Freitas, Alex A. . Evolving decision trees with beam search-based initialization and lexicographic multi-objective evaluation. Information Sciences, v. 258, p. 160-181, 2014.

5.
3QUILES, M. G.2013QUILES, M. G. ; BASGALUPP, M. P. ; Barros, Rodrigo C. . An Oscillatory Correlation Model for Semi-Supervised Classification. Learning and Nonlinear Models, v. 11, p. 3-10, 2013.

6.
2Barros, Rodrigo C.2013 Barros, Rodrigo C. ; BASGALUPP, M. P. ; CARVALHO, A. C. P. L. F. ; FREITAS, A. A. . Automatic Design of Decision-Tree Algorithms with Evolutionary Algorithms. Evolutionary Computation, v. 21, p. 659-684, 2013.

7.
5Barros, Rodrigo C.2012 Barros, Rodrigo C. ; BASGALUPP, M. P. ; CARVALHO, A. C. P. L. F. ; FREITAS, A. A. . A Survey of Evolutionary Algorithms for Decision Tree Induction. IEEE Transactions on Systems, Man and Cybernetics. Part C, Applications and Reviews, v. 42, p. 291-312, 2012.

8.
6Barros, Rodrigo C.2012Barros, Rodrigo C. ; BASGALUPP, M. P. ; CARVALHO, A. C. P. L. F. ; QUILES, M. G. . Clus-DTI: Improving Decision-Tree Classification with a Clustering-based Decision-Tree Induction Algorithm. Journal of the Brazilian Computer Society (Impresso), v. 12, p. 351-362, 2012.

9.
4BARROS, R. C.2012BARROS, R. C. ; WINCK, Ana ; MACHADO, K. S. ; BASGALUPP, M. P. ; CARVALHO, A. C. P. L. F. ; RUIZ, D. ; SOUZA, O. N. . Automatic design of decision-tree induction algorithms tailored to flexible-receptor docking data. BMC Bioinformatics, v. 13, p. 310, 2012.

10.
7BARROS, R. C.2011BARROS, R. C. ; BASGALUPP, M. P. ; RUIZ, Duncan . Evolutionary model trees for handling continuous classes in machine learning. Information Sciences, v. 181, p. 954-971, 2011.

11.
8BASGALUPP, M. P.2009BASGALUPP, M. P.; BARROS, R. C. ; CARVALHO, A. C. P. L. F. ; RUIZ, Duncan ; FREITAS, A. A. . Lexicographic multi-objective evolutionary induction of decision trees. International Journal of Bio-Inspired Computation (Print), v. 1, p. 105-117, 2009.

12.
10BAPTISTA DA SILVA, João2005BAPTISTA DA SILVA, João ; BASGALUPP, M. P. ; PAZ, Sheila Radmann da . COMPORTAMENTO DAS PRECIPITAÇÕES PLUVIAIS MENSAIS EM PELOTAS, RIO GRANDE DO SUL. Revista Brasileira de Agrometeorologia, Campinas - SP, v. 13, p. 55-59, 2005.

13.
9BAPTISTA DA SILVA, João2005BAPTISTA DA SILVA, João ; CUNHA, Felipe Böhm ; PAZ, Sheila Radmman da ; BASGALUPP, M. P. . ANÁLISE DO COMPORTAMENTO DAS CHUVAS EM ALGUMAS LOCALIDADES DO SEMI ÁRIDO DO NORDESTE BRASILEIRO. Revista Brasileira de Agrometeorologia, Campinas - SP, v. 13, p. 73-81, 2005.

Capítulos de livros publicados
1.
BASGALUPP, M. P.; ROSSI, A.L.D ; LORENA, A. C. . Algoritmos Genéticos em Problemas de Classificação. In: António Gaspar-Cunha; Ricardo Takahashi; Carlos Henggeler Antunes. (Org.). Manual de Computação Evolutiva e Metaheurística. 1ed.Coimbra / Minas Gerais: Imprensa da Universidade de Coimbra / Editora da Universidade Federal de Minas Gerais, 2013, v. 1, p. 381-405.

2.
BASGALUPP, M. P.; BARROS, R. C. ; CARVALHO, A. C. P. L. F. ; FREITAS, A. A. . A Beam Search based Decision Tree Induction Algorithm. In: Siddhivinayak Kulkarni. (Org.). Machine Learning Algorithms for Problem Solving in Computational Applications: Intelligent Techniques. : IGI Global, 2012, v. , p. -.

Trabalhos completos publicados em anais de congressos
1.
FRANCISQUINI, R. ; NASCIMENTO, M. C. V. ; BASGALUPP, M. P. . NGA-LP: A robust and improved genetic algorithm to detect communities in directed networks. In: IEEE Congress on Evolutionary Computation (CEC 2018), 2018, Rio de Janeiro. Proceedings of IEEE Congress on Evolutionary Computation, 2018.

2.
SILVA, G. ; BASGALUPP, M. P. ; LORENA, A. C. . Automatic Design of Evolutionary Algorithms Based on Entropy Triggers. In: IEEE Congress on Evolutionary Computation (CEC 2018), 2018, Rio de Janeiro. Proceedings of IEEE Congress on Evolutionary Computation, 2018.

3.
CAGNINI, H. ; BASGALUPP, M. P. ; Barros, Rodrigo C. . Increasing Boosting Effectiveness with Estimation of Distribution Algorithms. In: IEEE Congress on Evolutionary Computation (CEC 2018), 2018, Rio de Janeiro. Proceedings of IEEE Congress on Evolutionary Computation, 2018.

4.
CERRI, RICARDO ; MANTOVANI, R. G. ; BASGALUPP, M. P. ; CARVALHO, A. C. P. L. F. . Multi-label Feature Selection Techniques for Hierarchical Multi-label Protein Function Prediction. In: International Joint Conference on Neural Networks (IJCNN 2018), 2018, Rio de Janeiro. Proceedings of International Joint Conference on Neural Networks, 2018.

5.
CARDOSO, K. ; CINTRA, M. E. ; BASGALUPP, M. P. . Extracting Rules for Black Jack Using Machine Learning and Fuzzy Systems. In: IEEE International Conference on Fuzzy Systems (FUZZ-IEEE 2018), 2018, Rio de Janeiro. Proceedings of IEEE International Conference on Fuzzy Systems, 2018.

6.
CAGNINI, HENRY E. L. ; Barros, Rodrigo C. ; Basgalupp, Marcio P. . Estimation of distribution algorithms for decision-tree induction. In: 2017 IEEE Congress on Evolutionary Computation (CEC), 2017, Donostia. 2017 IEEE Congress on Evolutionary Computation (CEC), 2017. p. 2022-2029.

7.
SANTOS, J. S. ; SAVII, R. M. ; IDE, J. ; LI, C. R. ; QUILES, M. G. ; BASGALUPP, M. P. . Classification of cocaine dependents from fMRI data using cluster-based stratification and deep learning. In: International Conference on Computational Science and Its Applications (ICCSA'17), 2017, Trieste. Computational Science and Its Applications, 2017.

8.
SOUSA, ARUA DE M. ; LORENA, ANA C. ; Basgalupp, Marcio P. . GEEK: Grammatical Evolution for Automatically Evolving Kernel Functions. In: 2017 IEEE Trustcom/BigDataSE/ICESS, 2017, Sydney. 2017 IEEE Trustcom/BigDataSE/ICESS, 2017. p. 941.

9.
MIQUILINI, PATRICIA ; ROSSI, RAFAEL G. ; QUILES, MARCOS G. ; MELO, VINICIUS V. DE ; Basgalupp, Marcio P. . Automatically Design Distance Functions for Graph-Based Semi-Supervised Learning. In: 2017 IEEE Trustcom/BigDataSE/ICESS, 2017, Sydney. 2017 IEEE Trustcom/BigDataSE/ICESS, 2017. p. 933.

10.
CAGNINI, H. ; BARROS, R. C. ; QUEVEDO, C. V. ; BASGALUPP, M. P. . Medoid-based Data Clustering with Estimation of Distribution Algorithms. In: ACM Symposium on Applied Computing (SAC), 2016, Pisa. Proceedings of the 31st ACM Symposium on Applied Computing, 2016.

11.
SOTTO, L. ; MELO, V. V. ; BASGALUPP, M. P. . An improved λ-Linear Genetic Programming evaluated in solving the Santa Fe Ant Trail problem. In: ACM Symposium on Applied Computing (SAC), 2016, Pisa. Proceedings of the 31st ACM Symposium on Applied Computing (SAC), 2016.

12.
MIQUILINI, PATRICIA ; Barros, Rodrigo C. ; DE MELO, VINICIUS V. ; Basgalupp, Marcio P. . Enhancing discrimination power with genetic feature construction: A grammatical evolution approach. In: 2016 IEEE Congress on Evolutionary Computation (CEC), 2016, Vancouver. 2016 IEEE Congress on Evolutionary Computation (CEC), 2016. p. 3824.

13.
Barros, Rodrigo C. ; QUEVEDO, C. V. ; de PARIS, R. ; BASGALUPP, M. P. . Clustering Molecular Dynamics Trajectories with a Univariate Estimation of Distribution Algorithm. In: IEEE Congress on Evolutionary Computation (CEC), 2015, Sendai, Japão. 2015 IEEE Congress on Evolutionary Computation (CEC), 2015.

14.
PODGORELEC, V. ; KARAKATIC, S. ; Barros, Rodrigo C. ; BASGALUPP, M. P. . Evolving Balanced Decision Trees with a Multi-Population Evolutionary Algorithm. In: IEEE Congress on Evolutionary Computation (CEC), 2015, Sendai, Japão. 2015 IEEE Congress on Evolutionary Computation (CEC), 2015.

15.
BASGALUPP, M. P.; Barros, Rodrigo C. ; PODGORELEC, V. . Evolving Decision-Tree Induction Algorithms with a Multi-Objective Hyper-Heuristic. In: ACM Symposium On Applied Computing (SAC), 2015, Salamanca, Espanha. Proceedings of the 30th ACM Symposium On Applied Computing (SAC), 2015.

16.
SERON, W. ; ZORZAL, E. R. ; QUILES, M. G. ; BASGALUPP, M. P. ; BREVE, F. . #Worldcup2014 on Twitter. In: International Conference on Computational Science and Its Applications (ICCSA'15), 2015, Banff. Computational Science and Its Applications, 2015. v. 9155. p. 447-458.

17.
MENDES, M. ; BARROS, Rodrigo C. ; BASGALUPP, M. P. . Construção automática de algoritmos de indução de árvores de decisão: uma abordagem multiobjetiva. In: Encontro Nacional de Inteligência Artificial e Computacional (ENIAC), 2014, São Carlos. Anais do XII Encontro Nacional de Inteligência Artificial e Computacional, 2014.

18.
BASGALUPP, M. P.; Barros, Rodrigo C. ; BARABASZ, T. . A grammatical evolution based hyper-heuristic for the automatic design of split criteria. In: Genetic and Evolutionary Computation Conference (GECCO), 2014, Vancouver. Proceedings of the 2014 Conference on Genetic and Evolutionary Computation (GECCO '14). New York: ACM Press, 2014. v. 1. p. 1311-1318.

19.
Barros, Rodrigo C. ; BASGALUPP, M. P. ; CERRI, R. ; da SILVA, T. S. ; CARVALHO, A. C. P. L. F. . A grammatical evolution approach for software effort estimation. In: Genetic and Evolutionary Computation Conference (GECCO), 2013, Amsterdam. Proceedings of the 15th Annual Conference on Genetic and Evolutionary Computation. New York: ACM Press, 2013. v. 1. p. 1413-1420.

20.
BASGALUPP, M. P.; Barros, Rodrigo C. ; da SILVA, T. S. ; CARVALHO, A. C. P. L. F. . Software Effort Prediction: A Hyper-Heuristic Decision-Tree Approach. In: ACM Symposium On Applied Computing (SAC), 2013, Coimbra, Portugal. Proceedings of the 28th Annual ACM Symposium on Applied Computing (SAC'13). New York: ACM Press, 2013. v. 1. p. 1109-1116.

21.
Basgalupp, Márcio P.; Barros, Rodrigo C. ; Ruiz, Duncan D. . Predicting software maintenance effort through evolutionary-based decision trees. In: the 27th Annual ACM Symposium, 2012, Trento. Proceedings of the 27th Annual ACM Symposium on Applied Computing - SAC '12. New York: ACM Press.

22.
Barros, Rodrigo C. ; BASGALUPP, M. P. ; CARVALHO, A. C. P. L. F. ; FREITAS, A. A. . A hyper-heuristic evolutionary algorithm for automatically designing decision-tree algorithms. In: Genetic and Evolutionary Computation Conference - GECCO 2012, 2012, Philadelphia. Proceedings of GECCO 2012, 2012. p. 1237-1244.

23.
QUILES, M. G. ; BASGALUPP, M. P. ; Barros, Rodrigo C. . Um Modelo de Correlação Oscilatória para Classificação Semi-Supervisionada. In: X Encontro Nacional de Inteligência Artificial (ENIA), 2012, Curitiba - PR. Anais do X Encontro Nacional de Inteligência Artificial (ENIA), 2012.

24.
Barros, Rodrigo C. ; BASGALUPP, M. P. ; CARVALHO, A. C. P. L. F. ; FREITAS, A. A. . Towards the Automatic Design of Decision Tree Induction Algorithms. In: Genetic and Evolutionary Computation Conference (GECCO 2011), 2011, Dublin, Irlanda. Proceedings of the 13th annual conference companion on Genetic and evolutionary computation, 2011.

25.
Barros, Rodrigo C. ; BASGALUPP, M. P. ; CARVALHO, A. C. P. L. F. ; QUILES, M. G. . Um algoritmo de indução de árvore de decisão baseado em agrupamento. In: IX Encontro Nacional de Inteligência Artificial (ENIA), 2011, Natal - RN. Anais do IX Encontro Nacional de Inteligência Artificial (ENIA), 2011.

26.
Barros, Rodrigo C. ; DE CARVALHO, ANDRE C. P. L. R ; BASGALUPP, MARCIO R ; QUILES, MARCOS G. . A clustering-based decision tree induction algorithm. In: 2011 11th International Conference on Intelligent Systems Design and Applications (ISDA), 2011, Cordoba. 2011 11th International Conference on Intelligent Systems Design and Applications. p. 543.

27.
Barros, Rodrigo C. ; BASGALUPP, M. P. ; RUIZ, Duncan ; CARVALHO, A. C. P. L. F. ; FREITAS, A. A. . Evolutionary Model Tree Induction. In: The 25th Annual ACM Symposium on Applied Computing, 2010, Sierre, Switzerland. Proceedings of the 2010 ACM symposium on Applied Computing, 2010. v. 2. p. 1131-1137.

28.
BASGALUPP, M. P.; BARROS, R. C. ; CARVALHO, A. C. P. L. F. ; FREITAS, A. A. ; RUIZ, Duncan . LEGAL-tree: a lexicographic multi-objective genetic algorithm for decision tree induction. In: 24th Annual ACM Symposium on Applied Computing, 2009, Honolulu - Hawaii. Proceedings of the 24th Annual ACM Symposium on Applied Computing 2009, 2009. v. 2. p. 1085-1090.

29.
Barros, Rodrigo C. ; BASGALUPP, M. P. ; TENORIO, N. ; RUIZ, Duncan ; BECKER, Karin . Issues on Estimating Software Metrics in a Large Software Operation. In: 32nd Annual IEEE Software Engineering Workshop, 2009, Kassandra, Chalkidiki - Greece. proceedings of 32nd Annual IEEE Software Engineering Workshop, 2009.

30.
BASGALUPP, M. P.; BECKER, Karin ; CARVALHO, A. C. P. L. F. . Seleção de atributos genética em classificação de processos de negócio. In: Brazilian Workshop on Business Process Management, 2007, Gramado - RS. Anais do XIII Brazilian Symposium on Multimedia and the Web, 2007. v. 1.

31.
BASGALUPP, M. P.; BECKER, Karin ; RUIZ, Duncan Dubugras . A Study of Multi-Objective Fitness Functions for a Feature Selection Genetic Algorithm. In: International Workshop on Feature Selection for Data Mining:, 2006, Bethesda. Proceedings of the Second Workshop on Feature Selection for Data Mining: Interfacing Machine Learning and Statistics, 2006. v. 1. p. 123-130.

32.
BASGALUPP, M. P.; BECKER, Karin . ALGORITMOS GENÉTICOS PARA SELEÇÃO DE ATRIBUTOS EM CLASSIFICAÇÃO DE PROCESSOS DE NEGÓCIO. In: WTDBD: Simpósio Brasileiro de Banco de Dados, 2006, Florianópolis. Anais do XXI Simpósio Brasileiro de Banco de Dados (SBBD 2006), 2006.

33.
BASGALUPP, M. P.; BAPTISTA DA SILVA, João . ANÁLISE ESTATÍSTICA DAS CHUVAS ANUAIS EM PELOTAS, RS.. In: 49ª Reunião Anual da Região Brasileira da Sociedade Internacional de Biometria, 2004, Uberlândia - MG, 2004.

34.
BASGALUPP, M. P.; BAPTISTA DA SILVA, J. . Análise Espectral das Chuvas Anuais em Pelotas, RS. In: XIII Congresso de Iniciação Científica da UFPel, 2004, Pelotas. Anais do XIII Congresso de Iniciação Científica, 2004.

35.
BAPTISTA DA SILVA, J. ; BASGALUPP, M. P. ; SOUZA, Diego Oliveira de ; BOIASKI, Nathalie ; LLOPART, Marta Pereira . Modelagem e Previsão das Precipitações Pluviais em Pelotas, RS: Análise Harmônica. In: X Reunión Argentina y LV Latinoamericana de Agrometeorología, 2004, Mar del Plata. Agrometeorología y seguridad alimentaria en América Latina, 2004.

36.
BAPTISTA DA SILVA, J. ; BOIASKI, Nathalie ; LLOPART, Marta Pereira ; BASGALUPP, M. P. ; SOUZA, Diego Oliveira de . Probabilidades de Ocorrência da Radiação Solar Média em Pelotas, RS. In: X Reunión Argentina y LV Latinoamericana de Agrometeorología, 2004, Mar del Plata. Agrometeorología y seguiridad alimentaria en Améria Latina, 2004.

37.
BAPTISTA DA SILVA, J. ; LLOPART, Marta Pereira ; BOIASKI, Nathalie ; SOUZA, Diego Oliveira de ; BASGALUPP, M. P. . Tabelas de Probabilidades da Temperatura Média do Ar em Pelotas, RS. In: X Reunión Argentina y LV Latinoamericana de Agrometeorología, 2004, Mar del Plata. Agrometeorología y seguridad alimentaria en América Latina, 2004.

38.
BAPTISTA DA SILVA, J. ; BASGALUPP, M. P. ; SOUZA, Diego Oliveira de ; BOIASKI, Nathalie ; LLOPART, Marta Pereira . Chuvas Anuais em Pelotas, RS: Análise Espectral. In: XIII Congresso Brasileiro de Meteorologia, 2004, Fortaleza. Meteorologia e o Desenvolvimento Sustentável, 2004.

39.
BAPTISTA DA SILVA, J. ; SOUZA, Diego Oliveira de ; BASGALUPP, M. P. ; BOIASKI, Nathalie ; LLOPART, Marta Pereira . Estimativa do Potencial Eólico do Estado do Rio Grande do Sul - Parte I. In: XIII Congresso Brasileiro de Meteorologia, 2004, Fortaleza. Meteorologia e o Desenvolvimento Sustentável, 2004.

40.
BAPTISTA DA SILVA, J. ; BOIASKI, Nathalie ; LLOPART, Marta Pereira ; BASGALUPP, M. P. ; SOUZA, Diego Oliveira de . Radiação Solar em Pelotas, RS - Tabelas de Probabilidades das Médias Pentadais. In: XIII Congresso Brasileiro de Meteorologia, 2004, Fortaleza. Meteorologia e o Desenvolvimento Sustentável, 2004.

41.
BAPTISTA DA SILVA, J. ; LLOPART, Marta Pereira ; BOIASKI, Nathalie ; BASGALUPP, M. P. ; SOUZA, Diego Oliveira de . Temperatura Máxima do Ar em Pelotas, RS - Tabelas de Probabilidades das Médias das Máximas Pentadais. In: XIII Congresso Brasileiro de Meteorologia, 2004, Fortaleza. Meteorologia e o Desenvolvimento Sustentável, 2004.

42.
BAPTISTA DA SILVA, J. ; LLOPART, Marta Pereira ; BOIASKI, Nathalie ; SOUZA, Diego Oliveira de ; BASGALUPP, M. P. . Temperatura Média do Ar em Pelotas, RS - Tabelas de Probabilidades das Máximas Absolutas Pentadais. In: XIII Congresso Brasileiro de Meteorologia, 2004, Fortaleza. Meteorologia e o Desenvolvimento Sustentável, 2004.

43.
BASGALUPP, M. P.; BAPTISTA DA SILVA, J. ; PAZ, Sheila R da . Análise Estatística das Chuvas Mensais em Pelotas, RS: Uma Abordagem no Domínio da Freqüência. In: XII Congresso de Iniciação Científica da UFPel, 2003, Pelotas. Anais do XII Congresso de Iniciação Científica, 2003.

Resumos expandidos publicados em anais de congressos
1.
BAPTISTA DA SILVA, João ; SARAIVA, Ivan ; BASGALUPP, M. P. . ANÁLISE DAS CHUVAS MENSAIS POR MODELOS DE BOX & JENKINS: UM ESTUDO PRELIMINAR. In: Congresso Brasileiro de Agrometeorologia, 2005, Campinas, 2005.

Resumos publicados em anais de congressos
1.
BAPTISTA DA SILVA, João ; SARAIVA, Ivan ; BASGALUPP, M. P. . MODELLING AND FORECAST OF THE ANNUAL RAINFALL AT PELOTAS, RIO GRANDE DO SUL, BRAZIL. In: XXIII International Biometric Conference, 2006, Montreal - Canadá. Abstracts of the XIII International Biometric Conference. Montreal: International Biometric Society, 2006. v. 1. p. 229-229.

2.
BAPTISTA DA SILVA, João ; BASGALUPP, M. P. ; SARAIVA, Ivan . MODELLING AND FORECAST OF THE ANNUAL RAINFALL AT PELOTAS, RIO GRANDE DO SUL, BRAZIL. In: XV Congresso Mexicano de Meteorologia, 2006, Puerto Vallarta - México. Anais do XV Congresso Mexicano de Meteorologia, 2006. v. 1. p. 93-93.

3.
BASGALUPP, M. P.; MACHADO, Mário Lúcio Mesquita ; SOUZA, João Artur de ; BAPTISTA DA SILVA, João . PREVISÃO DAS CHUVAS DO MÊS DE OUTUBRO EM PELOTAS, RS, USANDO UMA REDE NEURAL MLP COM CONFIGURAÇÃO OTIMIZADA POR ALGORITMOS GENÉTICOS. In: Congresso Brasileiro de Agrometeorologia, 2005, Campinas, 2005.

4.
BASGALUPP, M. P.; SARAIVA, Ivan ; BAPTISTA DA SILVA, João . ANÁLISE DAS CHUVAS MENSAIS EM PELOTAS, RS, USANDO MODELOS DE BOX & JENKINS: UM ESTUDO PRELIMINAR. In: IX Congresso Argentino de Meteorologia, 2005, Buenos Aires. Anais, 2005. v. 1. p. 76-76.

5.
BASGALUPP, M. P.; SARAIVA, Ivan ; BAPTISTA DA SILVA, J. . ANÁLISE DAS CHUVAS MENSAIS EM PELOTAS, RS, USANDO MODELOS DE BOX & JENKINS. In: III Congresso Cubano de Meteorologia, 2005, Havana. Anais do III Congresso Cubano de Meteorologia, 2005. v. 1. p. 8-8.

6.
BASGALUPP, M. P.; MACHADO, Mário Lúcio Mesquita ; SOUZA, João Artur de ; BAPTISTA DA SILVA, João . UTILIZAÇÃO DAS TÉCNICAS DE REDES NEURAIS ARTIFICIAIS E ALGORITMOS GENÉTICOS PARA MODELAGEM E PREVISÃO DE PRECIPITAÇÕES PLUVIAIS EM PELOTAS, RS, BRASIL. In: IX CONGRESO ARGENTINO DE METEOROLOGIA, 2005, Buenos Aires. ANAIS DO IX CONGREMET. BUENOS AIRES. v. 1. p. 87-87.

7.
VIEIRA, H. V. ; BASGALUPP, M. P. ; AZAMBUJA, F. . Análise da Melhor Opção de Ferramenta de Middleware para Extração de Dados do Orkut. In: XIII Congresso de Iniciação Científica da UFPel, 2004, Pelotas. Anais do XIII Congresso de Iniciação Científica, 2004.

8.
MARINS, L. ; LEMKE, A. P. ; BASGALUPP, M. P. ; SILVEIRA, R. A. . Análise da Solução do Problema do Caixeiro Viajante através do Uso de um Algoritmo Genético. In: XIII Congresso de Iniciação Científica da UFPel, 2004, Pelotas. Anais do XIII Congresso de Iniciação Científica, 2004.

9.
BASGALUPP, M. P.; SOUZA, João Artur de ; DANDOLINI, G. A. ; BAPTISTA DA SILVA, J. . Uso de Redes Neurais na Modelagem e Previsão das Chuvas Mensais em Pelotas, RS. In: XIII Congresso de Iniciação Científica da UFPel, 2004, Pelotas. Anais do XIII Congresso de Iniciação Científica, 2004.

10.
BAPTISTA DA SILVA, João ; PAZ, Sheila Radmann da ; BASGALUPP, M. P. . Análise Harmônica das Chuvas Mensais em Pelotas, RS. In: XIII Congresso Brasileiro de Agrometeorologia, 2003, Santa Maria - RS. Situação Atual e Perspectivas da Agrometeorologia, 2003. v. 2. p. 721-722.

11.
BAPTISTA DA SILVA, João ; CUNHA, Felipe B ; PAZ, Sheila Radmann da ; BASGALUPP, M. P. . Modelagem das Chuvas Trimestrais no Semi-Árido do Nordeste Brasileiro. In: XIII Congresso Brasileiro de Agrometeorologia, 2003, Santa Maria - RS. Situação Atual e Perspectivas da Agrometeorologia, 2003. v. 2. p. 869-870.

12.
BASGALUPP, M. P.; BAPTISTA DA SILVA, J. . Análise Espectral das Chuvas Anuais em Pelotas, RS. In: XII Congresso de Iniciação Científica da UFPel, 2003, Pelotas. Anais do XII Congresso de Iniciação Científica, 2003.

Apresentações de Trabalho
1.
Barros, Rodrigo C. ; BASGALUPP, M. P. ; CERRI, RICARDO ; DA SILVA, TIAGO S. ; CARVALHO, A. C. P. L. F. . A grammatical evolution approach for software effort estimation. 2013. (Apresentação de Trabalho/Conferência ou palestra).

2.
BARROS, R. C. ; BASGALUPP, M. P. ; CARVALHO, A. C. P. L. F. ; FREITAS, A. A. . A hyper-heuristic evolutionary algorithm for automatically designing decision-tree algorithms. 2012. (Apresentação de Trabalho/Conferência ou palestra).

3.
BASGALUPP, M. P.; BARROS, R. C. ; Ruiz, Duncan D. . Predicting Software Maintenance Effort through Evolutionary-based Decision Trees. 2012. (Apresentação de Trabalho/Simpósio).

4.
BARROS, R. C. ; BASGALUPP, M. P. ; CARVALHO, A. C. P. L. F. ; QUILES, M. G. . A Clustering-based Decision Tree Induction Algorithm. 2011. (Apresentação de Trabalho/Conferência ou palestra).

5.
BASGALUPP, M. P.; BARROS, R. C. ; CARVALHO, A. C. P. L. F. ; FREITAS, A. A. ; RUIZ, Duncan . LEGAL-tree: a lexicographic multi-objective genetic algorithm for decision tree induction. 2009. (Apresentação de Trabalho/Simpósio).

6.
BASGALUPP, M. P.; BECKER, Karin ; CARVALHO, A. C. P. L. F. . Seleção de atributos genética em classificação de processos de negócio. 2007. (Apresentação de Trabalho/Congresso).



Bancas



Participação em bancas de trabalhos de conclusão
Mestrado
1.
PONTI, M. A.; CAMARGO, H. A.; BASGALUPP, M. P.. Participação em banca de Joelson Antônio dos Santos. Algoritmos rápidos para estimativas de densidade hierárquicas e suas aplicações em mineração de dados. 2018. Dissertação (Mestrado em Ciências da Computação e Matemática Computacional) - Universidade de São Paulo.

2.
SANTOS, R. D. C.; QUILES, M. G.; ROSA, R. R.; SHIGUEMORI, E. H.; VIANNA, W. O. I.; BASGALUPP, M. P.. Participação em banca de Thiago Henrique Rizzi Donato. Machine learning systems applied in satellite lithium-ion battery set impedance estimation. 2018. Dissertação (Mestrado em Computação Aplicada) - Instituto Nacional de Pesquisas Espaciais.

3.
ZUBEN, F. J. V.; BASGALUPP, M. P.; BOCCATO, L.. Participação em banca de Guilherme Henrique Caponetto. Estruturas hierárquicas orientadas por dados em aprendizado multi- tarefa. 2017. Dissertação (Mestrado em Ciência da Computação) - Universidade Estadual de Campinas.

4.
CAMPELLO, R. J. G. B.; PRUDENCIO, R. B. C.; BASGALUPP, M. P.. Participação em banca de Henrique Oliveira Marques. Avaliação e seleção de modelos em detecção não supervisionada de outliers. 2015. Dissertação (Mestrado em Ciências da Computação e Matemática Computacional) - Universidade de São Paulo.

5.
OLIVEIRA, P. P. B.; BASGALUPP, M. P.; SILVA, L.. Participação em banca de Renato Martins Leite. Sobre a Possibilidade de Determinação de Densidade com Arranjos Não-Locais de Autômatos Celulares Elementares. 2015. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Presbiteriana Mackenzie.

6.
UEYAMA, J.; IDE, J.; BASGALUPP, M. P.. Participação em banca de Jaguaraci Batista Silva. Uma arquitetura de Referência para Sistemas de Processamento e Análise de Imagens Biomédicas. 2014. Dissertação (Mestrado em Programa de Pós-Graduação em Ciência da Computação) - Universidade Federal de São Palulo - Campus São José dos Campos.

7.
SANTOS, R. D. C.; QUILES, M. G.; MACAU, E.; BASGALUPP, M. P.. Participação em banca de Sandy Moreira Porto. Metodologia para a Evolução de Comunidades em Redes Complexas Dinâmicas. 2014. Dissertação (Mestrado em Computação Aplicada) - Instituto Nacional de Pesquisas Espaciais.

8.
PAPPA, G. L.; PEREIRA, A. C. M.; BASGALUPP, M. P.; ASSUNCAO, R. M.. Participação em banca de Alex Guimarães Cardoso de Sá. Evolução Automática de Algoritmos de Redes Bayesianas de Classificação. 2014. Dissertação (Mestrado em Ciências da Computação) - Universidade Federal de Minas Gerais.

9.
RAMOS, F. M.; DUTRA, L. V.; SANTANNA, S. J. S.; KORTING, T. S.; NOMA, A.; BASGALUPP, M. P.. Participação em banca de Peterson Lima Sarmento. Métodos de seleção de amostras para redução do tempo de treinamento do classificador SVM. 2014. Dissertação (Mestrado em Computação Aplicada) - Instituto Nacional de Pesquisas Espaciais.

10.
PRATI, R.; MEDEIROS, D.; BASGALUPP, M. P.. Participação em banca de Gabriela Martins Gonçalves de Oliveira. Ajuste de Parâmetros em Algoritmos de Aprendizado de Máquina Utilizando Transferência de Aprendizado. 2014. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal do ABC.

Teses de doutorado
1.
BASGALUPP, M. P.; DARDENNE, L. E.; MENEGUZZI, F. R.; SOUZA, O. N.; RUIZ, D.. Participação em banca de Christian Vahl Quevedo. Triagem virtual em banco de dados de ligantes considerando propriedades físico-químicas de um modelo de receptor totalmente flexível. 2016. Tese (Doutorado em Ciência da Computação) - Pontifícia Universidade Católica do Rio Grande do Sul.

2.
CARVALHO, A. C. P. L. F.; BASGALUPP, M. P.; BARROS, Rodrigo C.; RUIZ, Duncan. Participação em banca de Luciano Costa Blomberg. Um Algoritmo Evolutivo para Indução de Árvores de Regressão Robusto a Valores Ausentes. 2014. Tese (Doutorado em Ciência da Computação) - Pontifícia Universidade Católica do Rio Grande do Sul.

Qualificações de Doutorado
1.
GUERRA, E. M.; QUILES, M. G.; SANDRI, S. A.; SANTOS, R. D. C.; BASGALUPP, M. P.. Participação em banca de Sandy Moreira Porto. Representação de Dados em Redes: Uma Abordagem Utilizando Autoencoders. 2015. Exame de qualificação (Doutorando em Computação Aplicada) - Instituto Nacional de Pesquisas Espaciais.

2.
BASGALUPP, M. P.; BARROS, Rodrigo C.; SOUZA, O. N.. Participação em banca de Christian Vahl Quevedo. Triagem Virtual em Banco de Dados de Ligantes Considerando Propriedades Físico-Químicas de um Modelo de Receptor Completamente Flexível. 2014. Exame de qualificação (Doutorando em Ciência da Computação) - Pontifícia Universidade Católica do Rio Grande do Sul.

3.
BASGALUPP, M. P.; SOUZA, O. N.; FIGUEIREDO, J. A. P.; RUIZ, D.. Participação em banca de Luciano Costa Blomberg. Um algoritmo genético multiobjetivo para indução de árvores modelo em cenários de baixa qualidade de dados. 2012. Exame de qualificação (Doutorando em Programa de Pós-Graduação em Ciência da Computação) - Pontifícia Universidade Católica do Rio Grande do Sul.

4.
BASGALUPP, M. P.. Participação em banca de Antonio Helson Mineiro Soares. Métodos de reconstrução de árvores filogenéticas para desenvolvimento de algoritmos de estimação de distribuição baseados em filogenia. 2011. Exame de qualificação (Doutorando em Ciências de Computação e Matemática Computacional) - Universidade Federal de São Paulo.

Qualificações de Mestrado
1.
LORENA, A. C.; BASGALUPP, M. P.; CESPEDES, J.. Participação em banca de Aron Ifanger Maciel. Caracterizando a Complexidade de Problemas de Regressão. 2016. Exame de qualificação (Mestrando em Ciência da Computação) - Universidade Federal de São Paulo.

2.
BASGALUPP, M. P.; QUILES, M. G.; IDE, J.; LORENA, A. C.. Participação em banca de Jeferson Souza Santos. Deep Learning para classificação de imagens por ressonância magnética funcional (fMRI). 2016. Exame de qualificação (Mestrando em Ciência da Computação) - Universidade Federal de São Paulo.

3.
BASGALUPP, M. P.; LORENA, A. C.; MELO, V. V.; QUILES, M. G.. Participação em banca de Aruã de Mello Sousa. Evolução Gramatical para construção automática de funções de kernel em Support Vector Machines. 2016. Exame de qualificação (Mestrando em Ciência da Computação) - Universidade Federal de São Paulo.

4.
LORENA, A. C.; BASGALUPP, M. P.; QUILES, M. G.. Participação em banca de Jussara Miranda Dias. Uso de Redes Neurais Growing Neural Gas para geração de protótipos. 2015. Exame de qualificação (Mestrando em Ciência da Computação) - Universidade Federal de São Paulo.

5.
OLIVEIRA, P. P. B.; BASGALUPP, M. P.; SILVA, L.. Participação em banca de Renato Martins Leite. Sobre a Possibilidade de Determinação de Densidade com Arranjos Não-Locais de Autômatos Celulares Elementares. 2015. Exame de qualificação (Mestrando em Engenharia Elétrica) - Universidade Presbiteriana Mackenzie.

6.
MACAU, E.; QUILES, M. G.; BASGALUPP, M. P.. Participação em banca de Sandy Moreira Porto. Detecção de Comunidades em Redes Complexas Dinâmicas. 2013. Exame de qualificação (Mestrando em Computação Aplicada) - Instituto Nacional de Pesquisas Espaciais.

7.
BASGALUPP, M. P.; NASCIMENTO, M.; QUILES, M. G.. Participação em banca de Wilson Seron. Detecção de comunidades em redes sociais. 2013. Exame de qualificação (Mestrando em Programa de Pós-Graduação em Ciência da Computação) - Universidade Federal de São Palulo - Campus São José dos Campos.

Trabalhos de conclusão de curso de graduação
1.
QUILES, M. G.; MELO, V. V.; BASGALUPP, M. P.. Participação em banca de João Eliakin Mota de Oliveira.Detecção de comunidades em redes complexas: um modelo baseado em competição de partículas. 2013. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal de São Paulo.

2.
QUILES, M. G.; BASGALUPP, M. P.; MELO, V. V.. Participação em banca de Samuel da Silva Marcondes.Agrupamento de dados semi-supervisionado em redes complexas baseado em movimentação dinâmica de vértices. 2013. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal de São Paulo.

3.
BASGALUPP, M. P.; QUILES, M. G.; MUSA, D.. Participação em banca de Douglas Eduardo Parra.Detecção de Comunidades em Redes Complexas: Modelos Dinâmicos. 2011. Trabalho de Conclusão de Curso (Graduação em Bacharelado em Ciência da Computação) - Universidade Federal de São Paulo.

4.
BASGALUPP, M. P.; QUILES, M. G.; ZORZAL, E. R.; MARTINS, A. L. D.. Participação em banca de Paulo Vitor Mira Fonseca.Detecção de Faces em Vídeos. 2011. Trabalho de Conclusão de Curso (Graduação em Bacharelado em Ciência da Computação) - Universidade Federal de São Paulo.

5.
QUILES, M. G.; MILIONI, A. Z.; BASGALUPP, M. P.. Participação em banca de Celso André Rodrigues de Sousa.Implementação e análise comparativa de técnicas de aprendizado semi-supervisionado baseadas em grafos. 2010. Trabalho de Conclusão de Curso (Graduação em Bacharelado em Ciência da Computação) - Universidade Federal de São Palulo - Campus São José dos Campos.

6.
BASGALUPP, M. P.. Participação em banca de Thiago Luiz Ugarte Ferreira.Estudo e Análise de Fluxos de Negócios com base em Soluções de Gestão Empresarial. 2007. Trabalho de Conclusão de Curso (Graduação em Bacharelado em Ciências de Computação) - Universidade de São Paulo.



Participação em bancas de comissões julgadoras
Concurso público
1.
MAURI, G. R.; PINHEIRO, C.; BASGALUPP, M. P.. Professor Assistente: Ciência da Computação. 2013. Universidade Federal do Espírito Santo.



Eventos



Participação em eventos, congressos, exposições e feiras
1.
24th Annual ACM Symposium on Applied Computing.LEGAL-tree: a lexicographic multi-objective genetic algorithm for decision tree induction. 2009. (Simpósio).

2.
Brazilian Workshop on Business Process Management.Seleção de atributos genética em classificação de processos de negócio. 2007. (Outra).

3.
Simpósio Brasileiro de Banco de Dados.Algoritmos Genéticos para Seleção de Atritubos em Classficação de Processos de Negócio. 2006. (Simpósio).

4.
XIII Congresso Brasileiro de Meteorologia. Chuvas Anuais em Pelotas, RS: Análise Espectral. 2004. (Congresso).

5.
XIII Congresso de Iniciação Científica da UFPel. Análise Espectral das Chuvas Anuais em Pelotas, RS. 2004. (Congresso).

6.
X Reunión Argentina y LV Latinoamericana de Agrometeorología. Modelagem e Previsão das Precipitações Pluviais em Pelotas, RS: Análise Harmônica. 2004. (Congresso).

7.
VII Semana Acadêmica da Ciência da Computação UFPel.VII Semana Acadêmica da Ciência da Computação UFPel. 2003. (Outra).

8.
XII Congresso de Iniciação Científica da UFPel. XII Congresso de Iniciação Científica da UFPel. 2003. (Congresso).

9.
XIII Congresso Brasileiro de Agrometeorologia. XIII Congresso Brasileiro de Agrometeorologia. 2003. (Congresso).


Organização de eventos, congressos, exposições e feiras
1.
CARVALHO, A. C. P. L. F. ; CIFERRI, C. ; HRUSCHKA, ESTEVAM ; HRUSCHKA, EDUARDO ; BATISTA, G. ; BASGALUPP, M. P. . II MLKDD (The second School on Machine Learning and Knowledge Discovery in Databases). 2013. (Outro).



Orientações



Orientações e supervisões em andamento
Tese de doutorado
1.
Patrícia Miquilini. (a definir). Início: 2017. Tese (Doutorado em Ciência da Computação) - Universidade Federal de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. (Orientador).


Orientações e supervisões concluídas
Dissertação de mestrado
1.
Aruã de Mello Sousa. Construção Automática de Funções de Kernel para Support Vector Machines por meio de Evolução Gramatical. 2017. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Orientador: Márcio Porto Basgalupp.

2.
Patrícia Miquilini. Evolução Gramatical para Construção Automática de Funções de Dissimilaridade no Contexto de Aprendizado Semissupervisionado. 2017. Dissertação (Mestrado em Programa de Pós-Graduação em Ciência da Computação) - Universidade Federal de São Palulo - Campus São José dos Campos, Fundação de Amparo à Pesquisa do Estado de São Paulo. Orientador: Márcio Porto Basgalupp.

3.
Jeferson Souza Santos. Um estudo sobre redes profundas aplicadas a dados de fMRI. 2016. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Orientador: Márcio Porto Basgalupp.

4.
Melis Mendes Silva. Construção automática de algoritmos de indução de árvores de decisão: uma abordagem multiobjetiva. 2015. Dissertação (Mestrado em Programa de Pós-Graduação em Ciência da Computação) - Universidade Federal de São Paulo - São José dos Campos, . Orientador: Márcio Porto Basgalupp.

Tese de doutorado
1.
Severino Pinto dos Santos. Investigação da Fusão da Técnica de Controle Fuzzy e/ou SDRE/H Visando Projetar um Controlador Robusto para um Satélite Rígido-Flexível. 2015. Tese (Doutorado em ENGENHARIA E TECNOLOGIA ESPACIAIS) - Instituto Nacional de Pesquisas Espaciais, . Orientador: Márcio Porto Basgalupp.

Trabalho de conclusão de curso de graduação
1.
Ângela Caroline de Araújo. Meta aprendizado para recomendação de algoritmos de classificação. 2016. Trabalho de Conclusão de Curso. (Graduação em Bacharelado em Ciência da Computação) - Universidade Federal de São Paulo. Orientador: Márcio Porto Basgalupp.

2.
Aryel Fernandes Junqueira Gomes. Implementação de um Algoritmo Distribuído de Florestas Aleatórias utilizando MapReduce: Aplicação em Previsão de Atraso de Planos de Voo. 2015. Trabalho de Conclusão de Curso. (Graduação em Bacharelado em Ciência da Computação) - Universidade Federal de São Paulo. Orientador: Márcio Porto Basgalupp.

3.
Patrícia Miquilini. Evolução Gramatical na Construção de Funções de Similaridade. 2015. Trabalho de Conclusão de Curso. (Graduação em Bacharelado em Ciência da Computação) - Universidade Federal de São Paulo. Orientador: Márcio Porto Basgalupp.

4.
Aruã de Mello Souza. Uso de Evolução Gramatical para Construção Automática de Funções Matemáticas. 2014. Trabalho de Conclusão de Curso. (Graduação em Bacharelado em Ciência da Computação) - Universidade Federal de São Palulo - Campus São José dos Campos. Orientador: Márcio Porto Basgalupp.

Iniciação científica
1.
Ricardo Manhães Savii. Identificação de diferentes alternativas para os blocos de construção do algoritmo de programação genética para evoluir algoritmos de indução de árvores de decisão. 2016. Iniciação Científica. (Graduando em Ciência e Tecnologia) - Universidade Federal de São Paulo, Fundação de Amparo à Pesquisa do Estado de São Paulo. Orientador: Márcio Porto Basgalupp.

2.
Isadora Martini Coelho. Customização de programação genética para evoluir algoritmos de indução de árvores de decisão para classificação de expressões gênicas. 2015. Iniciação Científica. (Graduando em Ciência e Tecnologia) - Universidade Federal de São Paulo, Conselho Nacional de Desenvolvimento Científico e Tecnológico. Orientador: Márcio Porto Basgalupp.

3.
Léo Françoso Dal Piccol Sotto. Evolução automática de árvores de comportamento para um agente inteligente. 2015. Iniciação Científica. (Graduando em Bacharelado em Ciência da Computação) - Universidade Federal de São Paulo, Fundação de Amparo à Pesquisa do Estado de São Paulo. Orientador: Márcio Porto Basgalupp.

4.
Ângela Caroline de Araújo. Customização de programação genética para evoluir algoritmos de indução de árvores de decisão para classificação de expressões gênicas. 2013. Iniciação Científica. (Graduando em Bacharelado em Ciência e Tecnologia) - Universidade Federal de São Palulo - Campus São José dos Campos, Conselho Nacional de Desenvolvimento Científico e Tecnológico. Orientador: Márcio Porto Basgalupp.

5.
Christopher Silva de Pádua. Modelagem e previsão de ativos por meio de séries temporais e redes neurais artificiais. 2011. Iniciação Científica. (Graduando em Bacharelado em Matemática Computacional) - Universidade Federal de São Paulo - São José dos Campos, Universidade Federal de São Paulo. Orientador: Márcio Porto Basgalupp.

6.
Paulo Fernando Cabral dos Anjos Júnior. Identificação de diferentes alternativas para os blocos de construção do algoritmo de programação genética para evoluir algoritmos de indução de árvores de decisão. 2011. Iniciação Científica. (Graduando em Bacharelado em Matemática Computacional) - Universidade Federal de São Paulo - São José dos Campos, Fundação de Amparo à Pesquisa do Estado de São Paulo. Orientador: Márcio Porto Basgalupp.



Outras informações relevantes


Revisor de artigos em conferências

27th Symposium On Applied Computing - SAC 2012
World Congress on Information and Communication Technologies - WICT 2011
26th Symposium On Applied Computing - SAC 2011
8o Encontro Nacional de Inteligência Artificial - ENIA 2011
25th Symposium On Applied Computing - SAC 2010
12th Ibero-American Conference on Artificial Intelligence - IBERAMIA 2010
17th International Conference on Cooperative Information Systems - CoopIS?2009
5th International Conference on Advanced Data Mining and Applications - ADMA2009
5th Workshop on Data Mining Algorithms and Applications - WAAMD 2009
2nd Brazilian Workshop on Business Process Management - WBPM 2008
4th Workshop on Data Mining Algorithms and Applications - WAAMD 2008
6th Mexican International Conference on Artificial Intelli- gence - MICAI 2007
1st Brazilian Workshop on Business Process Management - WBPM 2007



Página gerada pelo Sistema Currículo Lattes em 22/10/2018 às 11:26:30