LIAMF

SOBRE NÓS

O LIAMF (Laboratório de Inteligência Artificial e Métodos Formais) da Universidade Federal do Paraná (UFPR) é um grupo de pesquisa dedicado a explorar e compreender os fundamentos da Inteligência Artificial Clássica. Suas áreas de atuação incluem Lógica, Representação de Conhecimento, Planejamento, Provadores de Teoremas e Métodos Formais. Além disso, o laboratório realiza pesquisas em Programação por Restrições, Otimização, Processamento de Linguagem Natural, Aprendizado de Máquina e Algoritmos, combinando aspectos práticos, experimentais e teóricos dessas áreas.

NOSSA EQUIPE

Orientadores

André Vignatti

Fabiano Silva

Letícia Peres

Marcos Castilho

Guilherme Derenievicz

Doutorandos

Marcelino Ulica

Carolina Oliveira

Christiano Julio

Mestrandos

Guilherme Boneti

Alysson Amaral

Riviane Donha

Trabalho de Conclusão de Curso (TCC)

Dante Aléo

Gustavo Emanuel

Vinicius Mioto

Vinicius Ribeiro

Iniciação Científica

Felipe Duarte

Guilherme Eduardo

NOSSA PESQUISA

As áreas de pesquisa atualmente em foco no LIAMF incluem:

Lógica em IA

Fornece as bases para a representação do conhecimento, o raciocínio sobre ações e o planejamento. Através de formalismos lógicos, a IA pode representar informações sobre o mundo, inferir novos conhecimentos a partir de dados existentes e tomar decisões racionais.

Processamento de Linguagem Natural

Permitem que computadores compreendam e processem a linguagem humana. Essas representações, como árvores sintáticas e grafos de conhecimento, estruturam a linguagem em formatos manipuláveis por algoritmos, possibilitando tarefas como tradução automática, análise de sentimentos e geração de texto.

Aprendizado de Máquina e Redes Neurais Artificiais Complexas

Redes complexas fornecem uma estrutura para modelar e analisar sistemas interconectados, enquanto o aprendizado computacional permite extrair padrões e conhecimento a partir dos dados dessas redes. Essa combinação permite identificar comunidades em redes sociais, prever a propagação de doenças em redes biológicas e otimizar o tráfego em redes de transporte.

Análise de Séries Temporais usando shapelets

Envolve a identificação de padrões discriminativos curtos em dados temporais que ajudam a classificar ou prever comportamentos. Shapelets são subsequências extraídas das séries que capturam características específicas, permitindo análises rápidas e interpretáveis. Essa abordagem é eficaz em aplicações como detecção de anomalias, diagnósticos médicos e previsões financeiras, pois reduz a complexidade do modelo enquanto mantém alta precisão na identificação de padrões relevantes.

Métodos Formais e Verificação

Consistem em uma abordagem rigorosa para o desenvolvimento de sistemas computacionais, utilizando técnicas matemáticas para garantir a precisão e confiabilidade do software. Através da especificação formal, os requisitos e propriedades do sistema são expressos em linguagem matemática, permitindo a análise e verificação rigorosas.

Aleatoriedade e Ciência da Computação Teórica

A aleatoriedade desempenha um papel importante na ciência da computação teórica, sendo utilizada em algoritmos probabilísticos para resolver problemas complexos de forma eficiente. Além disso, a aleatoriedade é estudada em áreas como criptografia e teoria da complexidade, fornecendo ferramentas para garantir a segurança de sistemas e entender os limites da computação.

Contato

Endereço

Rua Cel. Francisco Heráclito dos Santos, 100, Curitiba, PR 81531-980

+55 41 3360 3031

liamf@inf.ufpr.br

Bem-vindo ao LIAMF