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
Aceitar Rejeitar
  • 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 alcança 3º lugar em ranking das Ciências da Computação em Portugal

João Gama, investigador do Laboratório de Inteligência Artificial e Apoio à Decisão (LIAAD) do INESC TEC, alcança o 3º lugar no ranking das Ciências de Computação em Portugal, incluído na 6ª edição do ranking mundial dos melhores cientistas na área das Ciências da Computação em 2020, lançado pelo Guide2Research.

15 junho 2020

Engenharia Industrial e de Sistemas

INESC TEC apresenta recomendações para as cadeias de abastecimento em 2030

No evento final do projeto NEXT-NET, que decorreu em Bruxelas, no dia 17 de dezembro, o INESC TEC apresentou as recomendações para as cadeias de abastecimento em 2030.  Trata-se de um dos resultados do projeto, iniciado em outubro de 2017, com o intuito de aumentar a integração entre produção e distribuição das cadeias de abastecimento, através de uma iniciativa multissetorial e tecnológica para a definição de prioridades de investigação e de inovação para o futuro.

17 janeiro 2020

Informática

Apps do YAKE! e Conta-me Histórias já estão disponíveis no Google Play

Os projetos de investigação científica YAKE!  e Conta-me Histórias já se encontram disponíveis em formato app no Google Play.

14 outubro 2019

Informática

INESC TEC organiza workshop internacional em sistemas de recomendação e modelação de utilizadores

Uma equipa de investigadores do INESC TEC foi responsável pela organização do workshop internacional ORSUM 2019 – 2nd Workshop on Online Recommender Systems and User Modeling, focado em métodos incrementais para recomendação e modelação de utilizadores.

07 outubro 2019

Informática

Investigador do INESC TEC homenageado pela Sociedade para a Inteligência Artificial

Pavel Brazdil, investigador e fundador do Laboratório de Inteligência Artificial e Apoio à Decisão (LIAAD) do INESC TEC, foi homenageado pela Associação Portuguesa para a Inteligência Artificial (APPIA), no dia 12 de setembro, em Guimarães, na sessão de encerramento do Workshop Gulbenkian Novos Talentos em Inteligência Artificial.

25 setembro 2019

Tópicos de Interesse
055

Projetos Selecionados

TRF4p0

TRANSFORMER4.0: DIGITAL REVOLUTION OF POWER TRANSFORMERS

2020-2023

AIDA

Adaptive, Intelligent and Distributed Assurance Platform

2020-2022

PAFML

Investigação e desenvolvimento para aplicação de Machine Learning a dados de pacientes com Paramiloidose

2020-2023

SLSNA

Prestação de Serviços no ambito do projeto SKORR

2020-2021

MINE4HEALTH

Text mining e clinical decision-making

2020-2021

Text2Story

Text2Story: Extração de narrativas jornalísticas a partir de textos e sua representação numa linguagem de modelos narrativos

2019-2022

T4CDTKC

Training 4 Cotec, Digital Transformation Knowledge Challenge - Elaboração de Programa de Formação “CONHECER E COMPREENDER O DESAFIO DAS TECNOLOGIAS DE TRANSFORMAÇÃO DIGITAL”

2019-2020

PROMESSA

-

2019-2022

RISKSENS

Market Risk Sensitivities

2019-2020

NDTECH

NDtech 4.0 - Smart and Connected - Estudo e Caderno de Encargos

2019-2019

RAMnet

Risk Assessment for Microfinance

2019-2020

Humane_AI

Toward AI Systems That Augment and Empower Humans by Understanding Us, our Society and the World Around Us

2019-2020

MLABA

Machine Learn Based Adaptive Business Assurance

2019-2020

Moveo

Prestação de serviços de investigação e desenvolvimento relativos ao sistema MOVEO

2019-2019

FIN-TECH

A FINancial supervision and TECHnology compliance training programme

2019-2020

FailStopper

Deteção precoce de avarias de veículos de transporte público em ambiente operacional

2018-2021

TerraAlva

Terr@Alva

2018-2019

MaLPIS

Aprendizagem Automática para Deteção de Ataques e Identificação de Perfis Segurança na Internet

2018-2021

MDG

Modelação, dinâmica e jogos

2018-2021

NITROLIMIT

Definir os limites do ciclo do azoto nos ambientes extremos da Antártida

2018-2021

RUTE

Randtech Update and Test Environment

2018-2020

SKORR

Advancing the Frontier of Social Media Management Tools

2018-2020

FAST-manufacturing

Manufatura flexível e sustentável

2018-2021

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

MDIGIREC

Context Recommendation in Digital Marketing

2017-2018

NEXT-NET

Next generation Technologies for networked Europe

2017-2019

RECAP

Research on European Children and Adults born Preterm

2017-2021

SmartFarming

Ferramenta avançada para operacionalização da agricultura de precisão

2016-2018

PANACea

Perfis para Anomalias Consumo

2016-2019

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

2015-2019

NanoStima-RL5

NanoSTIMA - Advanced Methodologies for Computer-Aided Detection and Diagnosis

2015-2019

iMAN

TEC4Growth - RL iMAN - Intelligence for advanced Manufacturing systems

2015-2019

NanoStima-RL3

NanoSTIMA - Health data infrastructure

2015-2019

NanoStima-RL4

NanoSTIMA - Health Data Analysis & Decision

2015-2019

SMILES

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

2015-2019

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

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

2020

BRIGHT - Drift-Aware Demand Predictions for Taxi Networks

Autores
Saadallah, A; Moreira Matias, L; Sousa, R; Khiari, J; Jenelius, E; Gama, J;

Publicação
IEEE Transactions on Knowledge and Data Engineering

Abstract
Massive data broadcast by GPS-equipped vehicles provide unprecedented opportunities. One of the main tasks in order to optimize our transportation networks is to build data-driven real-time decision support systems. However, the dynamic environments where the networks operate disallow the traditional assumptions required to put in practice many off-the-shelf supervised learning algorithms, such as finite training sets or stationary distributions. In this paper, we propose BRIGHT: a drift-aware supervised learning framework to predict demand quantities. BRIGHT aims to provide accurate predictions for short-term horizons through a creative ensemble of time series analysis methods that handles distinct types of concept drift. By selecting neighborhoods dynamically, BRIGHT reduces the likelihood of overfitting. By ensuring diversity among the base learners, BRIGHT ensures a high reduction of variance while keeping bias stable. Experiments were conducted using three large-scale heterogeneous real-world transportation networks in Porto (Portugal), Shanghai (China) and Stockholm (Sweden), as well as controlled experiments using synthetic data where multiple distinct drifts were artificially induced. The obtained results illustrate the advantages of BRIGHT in relation to state-of-the-art methods for this task. IEEE

2020

Transfer Learning in urban object classification: Online images to recognize point clouds

Autores
Balado, J; Sousa, R; Diaz Vilarino, L; Arias, P;

Publicação
AUTOMATION IN CONSTRUCTION

Abstract
The application of Deep Learning techniques to point clouds for urban object classification is limited by the large number of samples needed. Acquiring and tagging point clouds is more expensive and tedious labour than its image equivalent process. Point cloud online datasets contain few samples for Deep Learning or not always the desired classes This work focuses on minimizing the use of point cloud samples for neural network training in urban object classification. The method proposed is based on the conversion of point clouds to images (pc-images) because it enables: the use of Convolutional Neural Networks, the generation of several samples (images) per object (point clouds) by means of multi-view, and the combination of pc-images with images from online datasets (ImageNet and Google Images). The study is conducted with ten classes of objects extracted from two street point clouds from two different cities. The network selected for the job is the InceptionV3. The training set consists of 5000 online images with a variable percentage (0% to 10%) of pc-images. The validation and testing sets are composed exclusively of pc-images. Although the network trained only with online images reached 47% accuracy, the inclusion of a small percentage of pc-images in the training set improves the classification to 99.5% accuracy with 6% pc-images. The network is also applied at IQmulus & TerraMobilita Contest dataset and it allows the correct classification of elements with few samples.

2020

YAKE! Keyword extraction from single documents using multiple local features

Autores
Campos, R; Mangaravite, V; Pasquali, A; Jorge, A; Nunes, C; Jatowt, A;

Publicação
Information Sciences

Abstract
As the amount of generated information grows, reading and summarizing texts of large collections turns into a challenging task. Many documents do not come with descriptive terms, thus requiring humans to generate keywords on-the-fly. The need to automate this kind of task demands the development of keyword extraction systems with the ability to automatically identify keywords within the text. One approach is to resort to machine-learning algorithms. These, however, depend on large annotated text corpora, which are not always available. An alternative solution is to consider an unsupervised approach. In this article, we describe YAKE!, a light-weight unsupervised automatic keyword extraction method which rests on statistical text features extracted from single documents to select the most relevant keywords of a text. Our system does not need to be trained on a particular set of documents, nor does it depend on dictionaries, external corpora, text size, language, or domain. To demonstrate the merits and significance of YAKE!, we compare it against ten state-of-the-art unsupervised approaches and one supervised method. Experimental results carried out on top of twenty datasets show that YAKE! significantly outperforms other unsupervised methods on texts of different sizes, languages, and domains. © 2019 Elsevier Inc.

2020

The 3$$^{\mathrm {rd}}$$ International Workshop on Narrative Extraction from Texts: Text2Story 2020

Autores
Campos, R; Jorge, A­; Jatowt, A; Bhatia, S;

Publicação
Lecture Notes in Computer Science - Advances in Information Retrieval

Abstract

2020

Proceedings of Text2Story - Third Workshop on Narrative Extraction From Texts co-located with 42nd European Conference on Information Retrieval, Text2Story@ECIR 2020, Lisbon, Portugal, April 14th, 2020 [online only]

Autores
Campos, R; Jorge, AM; Jatowt, A; Bhatia, S;

Publicação
Text2Story@ECIR

Abstract

Teses Orientadas

2019

Simulação Multi-agentes de Leilões de Posições Online: GPS vs. VCG

Autor
Maria Margarida Versos Baptista dos Santos

Instituição
UP-FEP

2019

Valor preditivo dos marcadores nutricionais na mortalidade e morbilidade dos doentes em hemodiálise

Autor
Rosária Maria Afonso Rodrigues de Melo

Instituição
UP-FCNAUP

2019

Corporate Social Responsibility Communication in The Logistics Industry: The Home Country Role

Autor
Ester Santos da Costa

Instituição
UP-FEP

2019

Evolução da densidade mineral óssea em doentes submetidos a cirurgia bariátrica

Autor
Beatriz Isabel Guimarães Pereira

Instituição
UP-FCNAUP

2019

O Impacto dos Chabots no Comportamento do Consumidor Online

Autor
Carolina Pereira Mustur

Instituição
UP-FEP

Factos & Números

46Artigos em revistas indexadas

2019

2Capítulos de livros

2019

33Artigos em conferências indexadas

2019