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

INESC TEC ajuda Metro do Porto a controlar avarias

A ocorrência de falhas em veículos de transporte coletivo durante o seu funcionamento regular é fonte de inúmeros prejuízos, principalmente quando causam a interrupção da viagem. É para combater este problema que o INESC TEC propõe o projeto FailStopper - Early failure detection of public transport vehicles in operational context, em parceria com a Metro do Porto (MP), que conta com os investigadores do Laboratório de Inteligência Artificial e Apoio à Decisão (LIAAD) Rita P. Ribeiro e João Gama.

29 novembro 2018

Informática

INESC TEC participa em Encontro Ibérico de Matemática

Um grupo de investigadores do Laboratório de Inteligência Artificial e Apoio à Decisão (LIAAD), do INESC TEC, representou a instituição no 7º Encontro Ibérico de Matemática (7th Iberian Mathematical Meeting - 7IMM) que teve lugar em Évora entre os dias 12 e 14 de outubro.

19 novembro 2018

Conta-me Histórias e Unexmin na Noite Europeia dos Investigadores

Dois projetos desenvolvidos por equipas do INESC TEC foram apresentados na Noite Europeia dos Investigadores, uma iniciativa da Comissão Europeia e que ocorre em simultâneo em mais de 30 países e 300 cidades por toda a Europa.

16 novembro 2018

INESC TEC mostrou em Santarém novas tecnologias para Agricultura e Floresta

Cinco soluções tecnológicas, duas com aplicação na floresta e três na agricultura, representando um investimento total de cerca de 7,4M€, estiveram em apresentação na Agroglobal 2018, considerada a maior feira agrícola nacional, que se realizou em Valada do Ribatejo (Santarém) de 5 a 7 de setembro. 

01 outubro 2018

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 terceiro volume da série “Modeling, Dynamics, Optimization and Bioeconomics”.

16 agosto 2018

Tópicos de Interesse
035

Projetos Selecionados

FAST-manufacturing

Manufatura flexível e sustentável

2018-2021

EAIA2018

11ª Escola Avançada de Inteligência Artificial

2018-2018

Coop_India

Técnicas de análise de redes sociais para planeamento urbano

2018-2019

FLOWTEE

Desenvolvimento de um programa que monitorize automaticamente os níveis de bem-estar (ou felicidade) dos funcionários, a partir de dados disponíveis online

2018-2019

PERS_TOMI

Prestação de Serviços para desenvolvimento de um algoritmo de recomendação PERS como serviço PERSaaS , PERSoff, PERStune e PERSboard

2017-2019

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

2016-2018

BI4UP2

Ferramenta de Business Intelligence (BI)

2016-2017

Dynamics2

Dinâmica, optimização e modelação

2016-2019

CORAL-TOOLS-1

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

Mr. Silva and patient zero: A medical social network and data visualization information system

Autores
Gonçalves, PCT; Moura, AS; Cordeiro, MNDS; Campos, P;

Publicação
Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)

Abstract
Detection of Patient Zero is an increasing concern in a world where fast international transports makes pandemia a Public Health issue and a social fear, in cases such as Ebola or H5N1. The development of a medical social network and data visualization information system, which would work as an interface between the patient medical data and geographical and/or social connections, could be an interesting solution, as it would allow to quickly evaluate not only individuals at risk but also the prospective geographical areas for imminent contagion. In this work we propose an ideal model, and contrast it with the status quo of present medical social networks, within the context of medical data visualization. From recent publications, it is clear that our model converges with the identified aspects of prospective medical networks, though data protection is a key concern and implementation would have to seriously consider it. © Springer Nature Switzerland AG 2018.

2018

Multi-label classification from high-speed data streams with adaptive model rules and random rules

Autores
Sousa, R; Gama, J;

Publicação
Progress in Artificial Intelligence

Abstract

2018

Co-training study for online regression

Autores
Sousa, R; Gama, J;

Publicação
Proceedings of the 33rd Annual ACM Symposium on Applied Computing, SAC 2018, Pau, France, April 09-13, 2018

Abstract
This paper describes the development of a Co-training (semi-supervised approach) method that uses multiple learners for single target regression on data streams. The experimental evaluation was focused on the comparison between a realistic supervised scenario (all unlabelled examples are discarded) and scenarios where unlabelled examples are used to improve the regression model. Results present fair evidences of error measure reduction by using the proposed Co-training method. However, the error reduction still is relatively small. © 2018 Authors.

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
Felix, 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.

Teses Orientadas

2017

APP Consumer Response: A.I. Modelling Towards Optimal Managerial Decisions in Mobile Marketing.

Autor
Fabiane Valéria de Oliveira Bastos Valente

Instituição
UP-FCUP

2017

Bridging Consumer Psychology with Augmented Reality: A Psychophysiological Approach.

Autor
Mafalda Teles de Moura e Roxo Espírito Santo

Instituição
UP-FEP

2017

R&D Dynamics with uncertainty in the production cost

Autor
Joana Becker Paulo

Instituição
UP-FCUP

2017

Applications to dynamical systems to immunology and to random exchange economies

Autor
Yusuf Aliyu Ahmad

Instituição
UP-FCUP

2017

Eating and drinking recognition for triggering smart reminders

Autor
Diana Sousa Gomes

Instituição
UP-FEUP

Factos & Números

5Capítulos de livros

2016

2Teses de doutoramento concluídas

2016

116Programas UE

2016