Cookies
Usamos cookies para melhorar nosso site e a sua experiência. Ao continuar a navegar no site, você aceita a nossa política de cookies. Ver mais
Fechar
  • Menu
Factos & Números
000
Apresentação

Laboratório de Inteligência Artificial e Apoio à Decisão

O LIAAD investiga na área estratégica de Data Science, que tem verificado um crescente interesse por todo o mundo, sendo fundamental para todas as áreas da atividade humana.

As enormes quantidades de dados recolhidos (Big Data) e a generalização de dispositivos com sensores e/ou poder de processamento oferecem cada vez mais oportunidades e desafios a cientistas e engenheiros.

Além disso, a procura por modelos complexos de apoio à decisão está a generalizar-se em áreas como negócios, saúde, ciência, governo eletrónico e e-learning, o que nos encoraja a investir em diferentes abordagens.

A nossa estratégia geral é tirar proveito do fluxo e diversificação de dados e investir em linhas de investigação que ajudarão a reduzir a lacuna entre dados recolhidos e dados úteis, oferecendo diversas soluções de modelação.

No LIAAD o trabalho científico centra-se nas seguintes áreas: machine learning, estatística, otimização e matemática.

Últimas Notícias
Informática

Investigador do INESC TEC edita livro na Springer-Verlag

O investigador do Laboratório de Inteligência Artificial e Apoio à Decisão (LIAAD) do INESC TEC, e professor catedrático da Faculdade de Ciências da Universidade do Porto, Alberto Adrego Pinto, acaba de editar, conjuntamente com David Zilberman, da Universidade de Berkeley, California, EUA, o segundo volume da série “Modeling, Dynamics, Optimization and Bioeconomics”.

17 janeiro 2018

Caravana tecnológica passa pelo INESC TEC

O INESC TEC recebeu, no dia 16 de novembro, a Caravana Tecnológica da iniciativa MTech Portugal 2017 e, em particular, o conjunto de empresas que manifestou interesse em conhecer o Instituto, os seus Centros e o seu trabalho.

18 dezembro 2017

Informática

Projeto Maestra termina com classificação Excelente

O projeto europeu MAESTRA (Learning from Massive, Incompletely annotated, and Structured Data), que contou com a colaboração do Laboratório de Inteligência Artificial e Apoio à Decisão (LIAAD) do INESC TEC, recebeu a avaliação final de Excelente.

19 outubro 2017

Prémio para artigo do INESC TEC sobre Machine Learning

O artigo intitulado “Arbitrated Ensemble for Time Series Forecasting”, da autoria de Vítor Cerqueira e Luís Torgo (LIAAD - Laboratório de Inteligência Artificial e Apoio à Decisão) e de Fábio Pinto e Carlos Soares (CESE - Centro de Engenharia de Sistemas Empresariais), investigadores do INESC TEC, venceu o prémio de Best Student Machine Learning paper award, patrocinado pela publicação “Machine Learning”.

26 setembro 2017

Investigador do INESC TEC recebe First Distinguished Professor Award

Abdelrahim Said Mousa, investigador do LIAAD - Laboratório de Inteligência Artificial e Apoio à Decisão do INESC TEC, foi reconhecido com o “First Distinguished Professor Award 2016/2017” da Universidade de Birzeit na Palestina, por ter “demonstrado consistentemente resultados excecionais nas áreas de ensino e orientação de estudantes, investigação científica e criatividade”.

22 agosto 2017

Tópicos de Interesse
030

Projetos Selecionados

PERSONA

PERSONALIZAÇÃO E GESTÃO DE INFORMAÇÃO BASEADA EM DADOS CLIENTE

2017-2019

RECAP

Research on European Children and Adults born Preterm

2017-2021

SmartFarming-1

Ferramenta avançada para operacionalização da agricultura de precisão

2016-2018

PANACea

Perfis para Anomalias Consumo

2016-2017

BI4UP2

Ferramenta de Business Intelligence (BI)

2016-2017

Dynamics2

Dinâmica, optimização e modelação

2016-2019

CORAL-TOOLS

CORAL - Sustainable Ocean Exploitation: Tools and Sensors

2016-2018

MarineEye

MarinEye - A prototype for multitrophic oceanic monitoring

2015-2017

FOUREYES

TEC4Growth - RL FourEyes - Intelligence, Interaction, Immersion and Innovation for media industries

2015-2018

NanoStima-RL5

NanoSTIMA - Advanced Methodologies for Computer-Aided Detection and Diagnosis

2015-2018

iMAN

TEC4Growth - RL iMAN - Intelligence for advanced Manufacturing systems

2015-2018

NanoStima-RL3

NanoSTIMA - Health data infrastructure

2015-2018

NanoStima-RL4

NanoSTIMA - Health Data Analysis & Decision

2015-2018

SMILES

TEC4Growth - RL SMILES - Smart, Mobile, Intelligent and Large scale Sensing and analytics

2015-2018

FOTOCATGRAF

Fotocatalisadores baseados em grafeno e semicondutores para um sistema de abastecimento de água sustentável e seguro: uma tecnologia avançada para a remoção de poluentes emergentes

2015-2018

SEA

SEA-Sistema de ensino autoadaptativo

2015-2015

MAESTRA

Aprendizagem a partir de Grandes Quantidades de Dados Estruturados e Parcialmente Anotados

2014-2017

BI4UP

Ferramenta de Business Intelligence (BI)

2014-2014

SIBILA

Blocos Interativos Inteligentes para uma Melhor Aprendizagem

2013-2015

SmartManufacturing

Produção e Logística Inteligentes

2013-2015

SmartGrids

Redes Elétricas Inteligentes

2013-2015

Dynamics

Dinâmica e Aplicações

2012-2015

e-Policy

Engenharia para a avaliação do Ciclo de Vida de Decisões Políticas (ePolicy)

2011-2014

SIMULESP

Sistema para apoio à decisão da operação de redes de sub-transmissão de energia eléctrica numa situação de contingência

2011-2015

CRN

Confiança e Reputação na Negociação de Contratos Electrónicos por agentes em ambientes normativos adaptáveis

2010-2013

KDUS

Extracção de Conhecimento de Fluxos de dados distribuídos

2010-2013

Palco3.0

Sistema web inteligente de apoio à gestão de uma rede social na área da música

2008-2011

Argos-1

Sistema de previsão de potência eólica

2008-2012

MOREWAQ

Monitorização e Previsão de Parâmetros da Qualidade da Água

2008-2011

ORANKI

Detecção de Casos Raros usando recursos limitados

2008-2011

Equipa
Publicações

LIAAD Publicações

Ler todas as publicações

2018

Preference rules for label ranking: Mining patterns in multi-target relations

Autores
de Sa, CR; Azevedo, P; Soares, C; Jorge, AM; Knobbe, A;

Publicação
INFORMATION FUSION

Abstract
In this paper, we investigate two variants of association rules for preference data, Label Ranking Association Rules and Pairwise Association Rules. Label Ranking Association Rules (LRAR) are the equivalent of Class Association Rules (CAR) for the Label Ranking task. In CAR, the consequent is a single class, to which the example is expected to belong to. In LRAR, the consequent is a ranking of the labels. The generation of LRAR requires special support and confidence measures to assess the similarity of rankings. In this work, we carry out a sensitivity analysis of these similarity-based measures. We want to understand which datasets benefit more from such measures and which parameters have more influence in the accuracy of the model. Furthermore, we propose an alternative type of rules, the Pairwise Association Rules (PAR), which are defined as association rules with a set of pairwise preferences in the consequent. While PAR can be used both as descriptive and predictive models, they are essentially descriptive models. Experimental results show the potential of both approaches.

2018

Using metalearning for parameter tuning in neural networks

Autores
Félix, C; Soares, C; Jorge, A; Ferreira, H;

Publicação
Lecture Notes in Computational Vision and Biomechanics

Abstract
Neural networks have been applied as a machine learning tool in many different areas. Recently, they have gained increased attention with what is now called deep learning. Neural networks algorithms have several parameters that need to be tuned in order to maximize performance. The definition of these parameters can be a difficult, extensive and time consuming task, even for expert users. One approach that has been successfully used for algorithm and parameter selection is metalearning. Metalearning consists in using machine learning algorithm on (meta)data from machine learning experiments to map the characteristics of the data with the performance of the algorithms. In this paper we study how a metalearning approach can be used to obtain a good set of parameters to learn a neural network for a given new dataset. Our results indicate that with metalearning we can successfully learn classifiers from past learning tasks that are able to define appropriate parameters. © 2018, Springer International Publishing AG.

2018

Speeding up algorithm selection using average ranking and active testing by introducing runtime

Autores
Abdulrahman, SM; Brazdil, P; van Rijn, JN; Vanschoren, J;

Publicação
Machine Learning

Abstract

2018

Iterated-greedy-based algorithms with beam search initialization for the permutation flowshop to minimise total tardiness

Autores
Fernandez Viagas, V; Valente, JMS; Framinan, JM;

Publicação
EXPERT SYSTEMS WITH APPLICATIONS

Abstract
The permutation flow shop scheduling problem is one of the most studied operations research related problems. Literally, hundreds of exact and approximate algorithms have been proposed to optimise several objective functions. In this paper we address the total tardiness criterion, which is aimed towards the satisfaction of customers in a make-to-order scenario. Although several approximate algorithms have been proposed for this problem in the literature, recent contributions for related problems suggest that there is room for improving the current available algorithms. Thus, our contribution is twofold: First, we propose a fast beam-search-based constructive heuristic that estimates the quality of partial sequences without a complete evaluation of their objective function. Second, using this constructive heuristic as initial solution, eight variations of an iterated-greedy-based algorithm are proposed. A comprehensive computational evaluation is performed to establish the efficiency of our proposals against the existing heuristics and metaheuristics for the problem.

2018

Enhancing supply chain performance through supplier social sustainability: An emerging economy perspective

Autores
Mani, V; Gunasekaran, A; Delgado, C;

Publicação
International Journal of Production Economics

Abstract

Teses Orientadas

2016

A Performance dos Agentes de Seguros e a Diversidade de Parcerias: Modelos de Equações Estruturais e Análise de Redes Sociais

Autor
Mónica Monteiro Chibante Sequeira

Instituição
UP-FEP

2016

A Aceitação do Aplicativo Móvel “Cartão Continente” por Parte dos Clientes Sénior

Autor
Paula Sofia da Cruz Ribeiro

Instituição
UP-FEP

2016

Impacto de uma Ação de Merchandising em Farmácias

Autor
Teresa Filipa Ferreira da Cunha Cruz e Sousa

Instituição
UP-FEP

2016

Impacto dos Incidentes Críticos Negativos na Propensão para a Repetição e Divulgação de um Destino de Férias

Autor
Teresa Maria Moura Quintas

Instituição
UP-FEP

2016

Perceção da responsabilidade social nos estudantes de mestrados em economia e gestão

Autor
Tânia Margarida Soares Castro Silva

Instituição
UP-FEP

Factos & Números

0Contratados de I&D

2017

28Docentes do Ensino Superior

2017