O professor Daniel Furtado Leite do Departamento de Engenharia da Universidade Federal de Lavras (DEG/UFLA) teve sua tese de doutorado contemplada com o primeiro lugar no “IX Concurso de Teses e Dissertações em Inteligência Artificial e Computacional” (CTDIAC 2014). O concurso faz parte da Conferência Conjunta de Robótica e Sistemas Inteligentes (Joint Conference on Robotics and Intelligent Systems) que este ano foi realizada de 18/10 a 23/10 em São Carlos, SP.

A tese intitulada “Sistemas Granulares Evolutivos” foi, portanto, considerada a melhor entre aquelas defendidas em universidades brasileiras entre os anos de 2012 e 2014 nas áreas de inteligência artificial e computacional. O professor Daniel, que ingressou na UFLA há apenas três meses, cursou seu doutorado na Universidade Estadual de Campinas (Unicamp). O trabalho teve orientação do professor Fernando Gomide da Faculdade de Engenharia Elétrica e de Computação da Unicamp, e coorientação do professor Pyramo Costa do Instituto Politécnico da Pontifícia Universidade Católica de Minas Gerais (PUC-Minas).

Na UFLA, Daniel tem desenvolvido novos tópicos de pesquisa relacionados ao tema da tese e estabelecido parcerias com grupos de pesquisa da Universidade Federal de Minas Gerais (UFMG), onde cursou pós-doutorado, da PUC-Minas e da Unicamp. O professor atualmente orienta trabalhos de iniciação científica e de mestrado relacionados à área de estudos da tese premiada. Além disso, Daniel associou-se ao Programa de Pós-Graduação em Engenharia de Sistemas e Automação (PPGESISA) da UFLA com o objetivo de formar um grupo de pesquisa e contribuir com os conhecimentos de sua linha de trabalho.

Pesquisadores das áreas de inteligência computacional e computação granular têm apreciado de forma positiva a tese produzida por Daniel. Witold Pedrycz, da Universidade de Alberta (University of Alberta, Edmonton, Canadá), em carta de referência, enfatiza a importância do trabalho: “Ele abre novos caminhos na teoria, algoritmos e aplicações de computação granular evolutiva no sentido de resolver uma classe mais ampla de problemas do que anteriormente era possível” – livre tradução. Outros pesquisadores, como Bernadette Bouchon-Meunier, da Universidade Pierre e Marie Curie, Paris, França; Andrzej Bargiela, da Universidade de Nottingham, Inglaterra; Edwin Lughofer, da Universidade Johannes Kepler, Linz, Áustria; e Weldon Lodwick, da Universidade do Colorado, Denver, Estados Unidos, também avaliaram positivamente o trabalho.

Resumo da pesquisa*

Sistemas computacionais capazes de lidar com informação imprecisa, incerta, incompleta ou parcialmente verdadeira têm se tornado uma necessidade, à medida que sistemas do mundo real se tornam mais complexos. Similarmente, a interação em tempo real entre humanos e sistemas computacionais tem demandado formas eficientes de processamento de dados em tempo real, aprendizado e adaptação.

A tese de doutorado “Sistemas Granulares Evolutivos” foi desenvolvida com o objetivo de estabelecer e caracterizar um arcabouço teórico para modelagem de dados incertos em ambiente dinâmico. Dados incertos surgem devido à nossa incapacidade em medir, prever ou descrever precisamente um valor, uma característica ou um evento. A tese de doutorado em questão também propõe abordagens práticas, inspiradas em inteligência evolutiva, próprias para lidar com fluxos de dados numéricos e com fluxos de dados imprecisos.

Uma variedade de aplicações foi considerada na tese e em artigos científicos derivados dela, para ilustrar a generalidade e efetividade das abordagens de modelagem propostas. Dentre os problemas investigados estão: previsão da demanda de energia elétrica, previsão do volume de água em rios, previsão da temperatura em cidades com padrões climáticos diferenciados; frenagem parcial de um trem para acoplamento de trens em movimento; detecção de faltas em transformadores de potência; previsão do índice econômico Bovespa ao fim do dia; classificação de dados parcialmente rotulados; controle robusto de robôs móveis; e previsão da progressão de sintomas da doença de Parkinson a partir de sinais de voz de pacientes em estágio incipiente de desenvolvimento da doença. Em geral, as potenciais aplicações das abordagens de modelagem propostas na tese se estendem a campos da robótica, automação industrial, computação, medicina, meteorologia, climatologia, econometria, entre outros.

Os resultados obtidos na tese foram comparados com resultados obtidos usando outros métodos de modelagem, estado-da-arte da literatura de inteligência computacional. Uma melhoria discreta foi observada em termos de velocidade de processamento dos dados. Os ganhos mais expressivos se deram em termos da interpretação dos modelos resultantes. Descrições linguísticas de modelos foram obtidas e fornecidas como auxílio à tomada de decisão nos diferentes contextos. A questão do processamento de fluxos de dados não numéricos é uma inovação da tese. Métodos do gênero ainda não existem na literatura de sistemas inteligentes.

O valor agregado da pesquisa tem implicações mais imediatas no meio científico, contribuindo na direção de uma mudança de paradigma, no qual sistemas computacionais inteligentes são centrados em humanos e inspirados na forma com que realizam tarefas e se interagem socialmente.

Acesse a tese completa:

http://www.dca.fee.unicamp.br/~danfl7/Evolving_Granular_Systems.pdf

*Texto de resumo fornecido à Ascom pelo autor da tese.