Cookies
O website necessita de alguns cookies e outros recursos semelhantes para funcionar. Caso o permita, o INESC TEC irá utilizar cookies para recolher dados sobre as suas visitas, contribuindo, assim, para estatísticas agregadas que permitem melhorar o nosso serviço. Ver mais
Aceitar Rejeitar
  • Menu
    Factos & Números
    000
    Apresentação

    Centro de Telecomunicações e Multimédia

    A nossa visão é promover um mundo animado e sustentável onde a inteligência em rede permite uma interação ubíqua com o conteúdo sensorial. A missão é desenvolver sistemas e tecnologias avançadas para permitir comunicações de alta capacidade, eficientes e seguras, extração de conhecimento dos média e aplicações multimédia ubíquas imersivas.

    No CTM trabalhamos em quatro áreas principais de investigação: Tecnologias Óticas e Eletrónicas, Redes Sem Fios, Tecnologias Multimédia e de Comunicações, e Processamento de Informação e Reconhecimento de Padrões.

    Últimas Notícias

    INESC TEC com 5 projetos exploratórios FCT aprovados em 4 áreas de I&D

    Telecomunicações e multimédia, fotónica aplicada, software confiável e sistemas de computação avançada – são estas as quatro áreas que os investigadores do INESC TEC vão trabalhar no âmbito dos cinco projetos que foram aprovados através do Concurso de Projetos Exploratórios da Fundação para a Ciência e a Tecnologia (FCT).

    02 outubro 2024

    Inteligência Artificial

    Kick-off of the first European project led by INESC TEC in the health area

    It is called AI4Lungs; it aims to develop Artificial Intelligence (AI) tools and computational models to optimise the diagnosis and treatment of lung diseases. Through a holistic and multimodal approach, researchers will create a personalised healthcare solution for respiratory diseases. In late February, representatives of the 18 partner entities of the project (from 10 countries) met at INESC TEC to kick off the AI4Lungs project.

    01 abril 2024

    Comunicações

    Europa discute oportunidades de colaboração na área de comunicações sem fios em alta frequência

    Ambientes de propagação inteligentes, melhorias no processamento de sinal para a sexta geração de comunicações móveis e desenvolvimentos de rede e localização orientados para 6G foram alguns dos temas em debate num evento organizado pelos projetos europeus TERRAMETA, coordenado pelo INESC TEC, 6G-SHINE e TIMES, em colaboração com o RESTART-IN – um PRR Italiano.

    06 março 2024

    Inteligência Artificial

    Investigadores INESC TEC no primeiro protótipo desenvolvido em Portugal que aplica IA ao diagnóstico colorretal

    O trabalho que levou ao primeiro protótipo que aplica Inteligência Artificial (IA) ao diagnóstico colorretal totalmente desenvolvido por portugueses contou com investigadores do INESC TEC e do laboratório de Anatomia e Patologia Molecular (IMP Diagnostics). O trabalho foi publicado na reconhecida revista científica internacional npj Precision Oncology (https://www.nature.com/articles/s41698-024-00539-4).

    05 março 2024

    Investigadores do INESC TEC lideram discussão sobre comunicações sem fios e visão computacional na GLOBECOM

    Quase a completar o seu primeiro ano de duração, o projeto CONVERGE, coordenado pelo INESC TEC, já deu cartas numa das principais conferências da IEEE Communications Society, a GLOBECOM, na Malásia, com a organização de um painel. “Convergence of wireless communications and computer vision: a new paradigm created by the CONVERGE project” procurou debater as novas oportunidades e desafios potenciais que podem ser antecipados pela utilização de ferramentas que combinam rádio com visão computacional.

    23 janeiro 2024

    Ver todas as Notícias
    001

    Projetos Selecionados

    PFAI4_5eD

    Programa de Formação Avançada Industria 4 - 5a edição

    2024-2024

    Equipa
    Vítor Grade Tavares

    Coordenador de Centro

    Filipe André Ribeiro

    Coordenador de Centro

    ViewClose Alphabet
    • a
    • b
    • c
    • d
    • e
    • f
    • g
    • h
    • i
    • j
    • k
    • l
    • m
    • n
    • o
    • p
    • q
    • r
    • s
    • t
    • u
    • v
    • w
    • x
    • y
    • z
    002

    Laboratórios

    Laboratório de Computação Musical e Sonora

    Laboratório de Tecnologias Óticas e Eletrónicas

    Publicações

    CTM Publicações

    Ler todas as publicações

    2025

    A Review of Voicing Decision in Whispered Speech: From Rules to Machine Learning

    Autores
    da Silva, JMPP; Duarte Nunes, G; Ferreira, A;

    Publicação

    Abstract

    2025

    Neural network models for whisper to normal speech conversion

    Autores
    Yamamura, F; Scalassara, R; Oliveira, A; Ferreira, JS;

    Publicação
    U.Porto Journal of Engineering

    Abstract
    Whispers are common and essential for secondary communication. Nonetheless, individuals with aphonia, including laryngectomees, rely on whispers as their primary means of communication. Due to the distinct features between whispered and regular speech, debates have emerged in the field of speech recognition, highlighting the challenge of effectively converting between them. This study investigates the characteristics of whispered speech and proposes a system for converting whispered vowels into normal ones. The system is developed using multilayer perceptron networks and two types of generative adversarial networks. Three metrics are analyzed to evaluate the performance of the system: mel-cepstral distortion, root mean square error of the fundamental frequency, and accuracy with f1-score of a vowel classifier. Overall, the perceptron networks demonstrated better results, with no significant differences observed between male and female voices or the presence/absence of speech silence, except for improved accuracy in estimating the fundamental frequency during the conversion process. © 2025, Universidade do Porto - Faculdade de Engenharia. All rights reserved.

    FecharLer Abstract

    2025

    A Vision-aided Open Radio Access Network for Obstacle-aware Wireless Connectivity

    Autores
    Simões, C; Coelho, A; Ricardo, M;

    Publicação
    20th Wireless On-Demand Network Systems and Services Conference, WONS 2025, Hintertux, Austria, January 27-29, 2025

    Abstract

    2025

    A Framework to Develop and Validate RL-Based Obstacle-Aware UAV Positioning Algorithms

    Autores
    Shafafi, K; Ricardo, M; Campos, R;

    Publicação
    CoRR

    Abstract

    2025

    Transformer-Based Models for Probabilistic Time Series Forecasting with Explanatory Variables

    Autores
    Caetano, R; Oliveira, JM; Ramos, P;

    Publicação
    MATHEMATICS

    Abstract
    Accurate demand forecasting is essential for retail operations as it directly impacts supply chain efficiency, inventory management, and financial performance. However, forecasting retail time series presents significant challenges due to their irregular patterns, hierarchical structures, and strong dependence on external factors such as promotions, pricing strategies, and socio-economic conditions. This study evaluates the effectiveness of Transformer-based architectures, specifically Vanilla Transformer, Informer, Autoformer, ETSformer, NSTransformer, and Reformer, for probabilistic time series forecasting in retail. A key focus is the integration of explanatory variables, such as calendar-related indicators, selling prices, and socio-economic factors, which play a crucial role in capturing demand fluctuations. This study assesses how incorporating these variables enhances forecast accuracy, addressing a research gap in the comprehensive evaluation of explanatory variables within multiple Transformer-based models. Empirical results, based on the M5 dataset, show that incorporating explanatory variables generally improves forecasting performance. Models leveraging these variables achieve up to 12.4% reduction in Normalized Root Mean Squared Error (NRMSE) and 2.9% improvement in Mean Absolute Scaled Error (MASE) compared to models that rely solely on past sales. Furthermore, probabilistic forecasting enhances decision making by quantifying uncertainty, providing more reliable demand predictions for risk management. These findings underscore the effectiveness of Transformer-based models in retail forecasting and emphasize the importance of integrating domain-specific explanatory variables to achieve more accurate, context-aware predictions in dynamic retail environments.

    FecharLer Abstract

    Factos & Números

    15Docentes do Ensino Superior

    2020

    28Investigadores Séniores

    2016

    19Artigos em revistas indexadas

    2020

    Ver todos os Factos & Números
    Contactos
    Filipe André Ribeiro

    Coordenador

    +351222094299

    filipe.a.ribeiro@inesctec.pt