Departamento de Ciências de Computação

Joao Luis Garcia Rosa

É professor livre docente do Departamento de Ciências da Computação, na Universidade de São Paulo (USP) - Instituto de Ciências Matemáticas e de Computação (ICMC) - em São Carlos, onde ministra aulas na graduação e pós-graduação de Interfaces Cérebro-Computador, Redes Neurais, Inteligência Artificial, Teoria da Computação e Linguagens Formais. Graduado em Engenharia Elétrica - Eletrônica e Automação (1983), mestre em Engenharia de Computação (Inteligência Computacional) (1993) e doutor em Lingüística (Computacional) (1999), todos pela Universidade Estadual de Campinas (Unicamp). Orientador pleno de mestrado e doutorado no Programa de Pós-graduação em Ciência da Computação e Matemática Computacional do ICMC-USP. Está vinculado ao Laboratório de Computação Bioinspirada (BioCom). Tem experiência na área de Ciência da Computação, com ênfase em Inteligência Artificial, atuando principalmente nos seguintes temas: interfaces cérebro-computador, neurodinâmica computacional, e redes neurais artificiais biologicamente plausíveis.

http://lattes.cnpq.br/7514074129301673 (10022022)

Rótulo/Grupo:

Bolsa CNPq:

Período de análise:

Endereço: Universidade de São Paulo. . Instituto de Ciências Matemáticas e de Computação. Av. Trabalhador São-carlense, 400 CEP 13560-970 - Sao Carlos, SP - Brasil

Grande área: [sem-grandeArea]

Área: [sem-area]

Citações: Google Acadêmico

Produção bibliográfica

Artigos completos publicados em periódicos (15)
1. ROSA, J. L. G.. O Significado da Palavra no Processamento de Linguagem Natural. Estudos Lingüísticos (São Paulo). v. XXVII, p. 807-812, 1998.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
2. ROSA, J. L. G.. Parser: Um Analisador Sintático e Semântico para Sentenças do Português. Estudos Lingüísticos (São Paulo). v. XXVI, p. 352-357, 1997.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
3. CARNEIRO, A. J. I.; MENANDRO, A. B.; CAMPOS, J. E.; ROSA, J. L. G.. Processamento de Linguagem Natural: Atribuição de Casos aos Constituintes das Sentenças. Revista do Instituto de Informática. v. 2, n. 1, p. 55-59, 1994.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
4. Schneider, Marvin Oliver; Rosa, João Luís Garcia. Application and development of biologically plausible neural networks in a multiagent artificial life system. Neural Computing & Applications (Print). v. 18, p. 65-75, 2009.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
5. ORRU, T.; ROSA, J. L. G.; ANDRADE NETTO, M. L.. SABIO: A BIOLOGICALLY PLAUSIBLE CONNECTIONIST APPROACH TO AUTOMATIC TEXT SUMMARIZATION. Applied Artificial Intelligence. v. 22, p. 896-920, 2008.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
6. ROSA, J. L. G.; Adán Coello, J. M.. Biologically Plausible Connectionist Prediction of Natural Language Thematic Relations. Journal of Universal Computer Science (Online). v. 16, p. 3245-3277, 2010.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
7. CARNEIRO, M. G.; ROSA, J. L. G.; Lopes, A. A.; ZHAO, L.. Network-based data classification: combining K-associated optimal graphs and high-level prediction. Journal of The Brazilian Computer Society (Online). v. 20, p. 14-, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
8. FONSECA, E. R.; ROSA, J. L. G.; Aluísio, S. M.. Evaluating word embeddings and a revised corpus for part-of-speech tagging in Portuguese. Journal of the Brazilian Computer Society (Impresso). v. 21, p. 1-14, 2015.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
9. GARCIA ROSA, JOÃO LUÍS; M. PIAZENTIN, DENIS R.. A new cognitive filtering approach based on Freeman K3 Neural Networks. Applied Intelligence (Boston). v. 45, p. 363-382, 2016.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
10. Oliva, Jefferson Tales; GARCIA ROSA, JOÃO LUÍS. How an epileptic EEG segment, used as reference, can influence a cross-correlation classifier?. APPLIED INTELLIGENCE (DORDRECHT. ONLINE). v. 1, p. 1-19, 2017.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
11. Oliva, Jefferson Tales; Rosa, João Luís. Classification for EEG report generation and epilepsy detection. NEUROCOMPUTING. v. 335, p. 81-95, 2019.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
12. AGUIAR NETO, F. S.; ROSA, J. L. G.. Depression biomarkers using non-invasive EEG: A review. NEUROSCIENCE AND BIOBEHAVIORAL REVIEWS. v. 105, p. 83-93, 2019.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
13. DELFINO-PEREIRA, P.; BERTTI-DUTRA, P.; VECCHIO, F.; OLIVEIRA, J. A. C.; MEDEIROS, D. C.; CESTARI, D. M.; SANTOS, V. R.; MORAES, M. F. D.; Rosa, J. L. G.; MENDES, E. M. A. M.; GARCIA-CAIRASCO, N.. Behavioral and EEGraphic Characterization of the Anticonvulsant Eects of the Predator Odor (TMT) in the Amygdala Rapid Kindling, A Model of Temporal Lobe Epilepsy. Frontiers in Neurology. v. 5, p. 33250852-, 2020.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
14. OLIVA, J. T.; Rosa, J. L. G.. Binary and Multiclass Classifiers based on Multitaper Spectral Features for Epilepsy Detection. Biomedical Signal Processing and Control. v. 66, p. 102469-, 2021.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
15. CARVALHO, ISABELLE; GARCIA ROSA, JOÃO LUÍS; DOS SANTOS, KETLIN FABRI; ALVES, DOMINGOS. Rule induction algorithms for classification of psychotic disorders involving social vulnerability features. PROCEDIA COMPUTER SCIENCE. v. 138, p. 49-55, 2018.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Livros publicados/organizados ou edições (3)
1. ROSA, J. L. G.. Linguagens Formais e Autômatos. 1 ed. LTC, 2010. p. 166.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
2. Rosa, J. L. G.. Essentials of Formal Languages and Automata. 1 ed. LAMBERT Academic Publishing, 2019. v. 1, p. 172.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
3. Rosa, J. L. G.. Fundamentos da Inteligência Artificial. 1 ed. LTC, 2011. p. 228.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Capítulos de livros publicados (5)
1. Adán Coello, J. M.; Tobar Toledo, C. M.; ROSA, J. L. G.; FREITAS, R. L.. Towards the Educational Semantic Web. Em: Advances in Computer-Supported Learning. : Idea Group Inc.. 2007.p. -.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
2. ROSA, J. L. G.. Biologically Plausible Artificial Neural Networks. Em: Artificial Neural Networks ? Architectures and Applications. 1 ed. : Intech. 2013.p. 25-52.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
3. Oliva, Jefferson Tales; Rosa, João Luís Garcia. Differentiation Between Normal and Epileptic EEG Using K-Nearest-Neighbors Technique. Em: Lecture Notes in Computer Science. 1 ed. : Springer International Publishing. 2016.p. 149-160.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
4. Oliva, Jefferson Tales; GARCIA ROSA, JOÃO LUÍS. Predictive Models for Differentiation Between Normal and Abnormal EEG Through Cross-Correlation and Machine Learning Techniques. Em: Lecture Notes in Computer Science. 1 ed. : Springer International Publishing. 2017.p. 134-145.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
5. ROSA, J. L. G.. Interfaces Cérebro-Computador. Em: JAI - Jornadas de Atualização em Informática 2016. 1 ed. 2016.p. 219-268.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Textos em jornais de notícias/revistas (3)
1. ROSA, J. L. G.. O Processamento de Linguagem Natural. Jornal Diário do Povo, p. -, 14091995.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
2. ROSA, J. L. G.. A Quinta Geração. Jornal Diário do Povo, p. -, 25051995.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
3. ROSA, J. L. G.. O Cérebro Eletrônico. Jornal Diário do Povo, p. -, 15121994.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Trabalhos completos publicados em anais de congressos (51)
1. ROSA, J. L. G.; ANDRADE NETTO, M. L.. Lógica e Conexionismo em Processamento de Linguagem Natural. Em: 2a. Jornada USP - SUCESU-SP de Informática e Telecomunicações, p. 139-148, 1994.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
2. TOBAR, C. M.; ROSA, J. L. G.; ADÁN, J. M.; PANNAIN, R.. Uma Arquitetura de Ambiente Colaborativo para o Aprendizado de Programação. Em: XII SBIE-2001 - Simpósio Brasileiro de Informática na Educação, p. 244-252, 2001.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
3. ROSA, J. L. G.; FRANÇOZO, E.. A Biologically Fine-grained Artificial Neural Network: Towards a Hybrid Model. Em: IASTED International Conference on Artificial Intelligence and Soft Computing, p. -, 1998.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
4. ROSA, J. L. G.. A Thematic Connectionist Approach to Portuguese Language Processing. Em: IASTED International Conference on Artificial Intelligence and Soft Computing, p. -, 1997.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
5. Schneider, M. O.; ROSA, J. L. G.. Neural Labyrinth Robot - Finding the Best Way in a Connectionist Fashion. Em: Encontro Nacional de Inteligência Artificial - ENIA, p. 1751-1760, 2003.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
6. Schneider, M. O.; ROSA, J. L. G.. BIOANT - A Biologically Plausible Approach to an Insect Simulation. Em: 1a. Conferência Internacional de Bioinformática e Biologia Computacional, p. -, 2003.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
7. Schneider, M. O.; ROSA, J. L. G.. Neural Connect 4 - A Connectionist Approach to the Game. Em: VII Brazilian Symposium on Neural Networks, p. 236-241, 2002.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
8. ROSA, J. L. G.; SILVA, A. B.. Thematic Role Assignment through a Biologically Plausible Symbolic-connectionist Hybrid System. Em: IEEE IJCNN 2004 - International Joint Conference on Neural Networks, v. 2, p. 1457-1462, 2004.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
9. Schneider, M. O.; ROSA, J. L. G.. BioAnt ? Biologically Plausible Computer Simulation of an Environment with Ants. Em: IJCNN 2005 - International Joint Conference on Neural Networks, v. 3, p. 1505-1510, 2005.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
10. SILVA, A. B.; ROSA, J. L. G.. A Connectionist Model based on Physiological Properties of the Neuron. Em: International Joint Conference IBERAMIA/SBIA/SBRN 2006 - 1st Workshop on Computational Intelligence (WCI¿2006), p. -, 2006.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
11. JOAQUIM, P. C. E.; ROSA, J. L. G.. Artificial Neural Networks for Temporal Processing Applied to Prediction of Electric Energy Generation in Small Hydroelectric Power Stations. Em: International Joint Conference on Neural Networks, v. 4, p. 2625-2630, 2005.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
12. ROSA, J. L. G.. A Biologically Plausible and Computationally Efficient Architecture and Algorithm for a Connectionist Natural Language Processor. Em: IEEE SMC?2003 - 2003 IEEE International Conference on Systems, Man, and Cybernetics, p. 2845-2850, 2003.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
13. ROSA, J. L. G.. Next Word Prediction in a Connectionist Distributed Representation System. Em: IEEE SMC'2002 - 2002 IEEE International Conference on Systems, Man, and Cybernetics, v. 3, p. -, 2002.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
14. ROSA, J. L. G.. A Biologically Motivated Connectionist System for Predicting the Next Word in Natural Language Sentences. Em: IEEE SMC'2002 - 2002 IEEE International Conference on Systems, Man, and Cybernetics, v. 4, p. -, 2002.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
15. ROSA, J. L. G.. A Biologically Inspired Connectionist System for Natural Language Processing. Em: VII Brazilian Symposium on Neural Networks (SBRN 2002)., p. 243-248, 2002.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
16. ROSA, J. L. G.. An Artificial Neural Network Model Based on Neuroscience: Looking Closely at the Brain. Em: ICANNGA 2001- Fifth International Conference on Artificial Neural Networks and Genetic Algorithms, p. 138-141, 2001.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
17. ROSA, J. L. G.. HTRP II: Learning thematic relations from semantically sound sentences. Em: IEEE SMC'2001 - 2001 IEEE International Conference on Systems, Man, and Cybernetics, p. 488-493, 2001.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
18. ROSA, J. L. G.. O Significado da Palavra no Processamento de Linguagem Natural. Em: XLV Seminário do Grupo de Estudos Lingüísticos do Estado de São Paulo - GEL, p. 807-812, 1997.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
19. ROSA, J. L. G.. Parser: Um Analisador Sintático e Semântico para Sentenças do Português. Em: XLIV Seminário do Grupo de Estudos Lingüísticos do Estado de São Paulo - GEL, p. 352-357, 1996.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
20. SCHNEIDER, M. O.; ROSA, J. L. G.. A Neurogenetic Framework for Problem Solution Applied to a Game Situation. Em: VI Simpósio Brasileiro de Jogos para Computador e Entretenimento Digital (SBGAMES 2007)., p. -, 2007.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
21. Marin, A.; ADÁN, J. M.; ROSA, J. L. G.; TOBAR, C. M.; FREITAS, R. L.. Personalized Web Page Filtering Using a Hopfield Neural Network. Em: The 17th. Intl. Conf. on Artificial Neural Networks, ICANN 2007, p. 417-424, 2007.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
22. ROSA, J. L. G.. A Connectionist Thematic Grid Predictor for Pre-parsed Natural Language Sentences. Em: ISNN - 4th. International Symposium on Neural Networks Proceedings, v. 4492, p. 825-834, 2007.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
23. ORRU, T.; ROSA, J. L. G.; ANDRADE NETTO, M. L.. SABio: An Automatic Portuguese Text Summarizer through Artificial Neural Networks in a more Biologically Plausible Model. Em: 7th. International Workshop, PROPOR 2006, v. 3960, p. 11-20, 2006.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
24. ROSA, J. L. G.. A Biologically Motivated and Computationally Efficient Natural Language Processor. Em: Third Mexican International Conference on Artificial Intelligence, v. 2972, p. 390-399, 2004.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
25. ROSA, J. L. G.; FRANÇOZO, E.. Linguistic Relations Encoding in a Symbolic-Connectionist Hybrid Natural Language Processor. Em: International Joint Conference 7th. Ibero-American Conference on AI ? 15th. Brazilian Symposium on AI ? IBERAMIA-SBIA 2000, v. 1952, p. 259-268, 2000.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
26. SILVA, A. B.; ROSA, J. L. G.. Biological Plausibility in Artificial Neural Networks: An Improvement on Earlier Models. Em: The Seventh International Conference on Machine Learning and Applications (ICMLA'08), p. 829-834, 2008.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
27. ROSA, J. L. G.. A Hybrid Symbolic-Connectionist Processor of Natural Language Semantic Relations. Em: EEE Workshop on Hybrid Intelligent Models and Applications (HIMA2009), IEEE Symposium Series on Computational Intelligence, IEEE SSCI 2009, p. 64-71, 2009.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
28. ROSA, J. L. G.. Biologically Plausible Connectionist Prediction of Natural Language Thematic Relations. Em: WCCI 2010 - 2010 IEEE World Congress on Computational Intelligence, p. 1127-1134, 2010.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
29. SILVA, A. B.; ROSA, J. L. G.. Advances on Criteria for Biological Plausibility in Artificial Neural Networks: Think of Learning Processes. Em: IJCNN 2011 - International Joint Conference on Neural Networks, p. 1394-1401, 2011.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
30. JORDAO, C.; ROSA, J. L. G.. Metaphone-pt_BR: The Phonetic Importance on Search and Correction of Textual Information. Em: Computational Linguistics and Intelligent Text Processing- 13th International Conference, CICLing 2012, v. 7182, p. 297-305, 2012.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
31. FONSECA, E. R.; ROSA, J. L. G.. An Architecture for Semantic Role Labeling on Portuguese. Em: PROPOR 2012 - International Conference on Computational Processing of Portuguese, v. 7243, p. 204-209, 2012.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
32. ALVA-MANCHEGO, F. E.; ROSA, J. L. G.. Towards Semi-supervised Brazilian Portuguese Semantic Role Labeling: Building a Benchmark. Em: PROPOR 2012 - International Conference on Computational Processing of Portuguese, v. 7243, p. 210-217, 2012.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
33. CARNEIRO, M. G.; Rosa, J. L. G.; Zhao, L.; Lopes, A. A.. Classificação de Alto Nível Utilizando Grafo K-associados Ótimo. Em: IV International Workshop on Web and Text Intelligence (WTI ? 2012), p. 1-10, 2012.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
34. ALVA-MANCHEGO, F. E.; Rosa, J. L. G.. Semantic Role Labeling for Brazilian Portuguese: A Benchmark. Em: IBERAMIA 2012 - 13th edition of the Ibero-American Conference on Artificial Intelligence, v. 7637, p. 481-490, 2012.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
35. KOZMA, ROBERT; ROSA, JOAO LUIS G.; PIAZENTIN, DENIS R. M.. Cognitive clustering algorithm for efficient cybersecurity applications. Em: 2013 International Joint Conference on Neural Networks (IJCNN 2013 Dallas), p. 1-478, 2013.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
36. FONSECA, ERICK R.; ROSA, JOAO LUIS G.. A two-step convolutional neural network approach for semantic role labeling. Em: 2013 International Joint Conference on Neural Networks (IJCNN 2013 Dallas), p. 1-2961, 2013.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
37. FONSECA, E. R.; ROSA, J. L. G.. Mac-Morpho Revisited: Towards Robust Part-of-Speech Tagging. Em: STIL Brazilian Symposium in Information and Human Language Technology, p. -, 2013.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
38. SILVA, A. B.; ROSA, J. L. G.. Biological Plausibility in an Articial Neural Network Applied to Cognitive Task. Em: ICAISC International Conference on Artifical Inteligence and Soft Computing, p. 183-192, 2013.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
39. DE MORAES PIAZENTIN, DENIS RENATO; ROSA, JOAO LUIS GARCIA. Motor imagery classification for brain-computer interfaces through a chaotic neural network. Em: 2014 International Joint Conference on Neural Networks (IJCNN), p. 4103-4108, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
40. MARTINS CARLOS, LUIS FERNANDO; ROSA, JOAO LUIS GARCIA. Face recognition through a chaotic neural network model. Em: 2014 International Joint Conference on Neural Networks (IJCNN), p. 859-863, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
41. Schneider, Marvin Oliver; ROSA, JOAO LUIS GARCIA. A connectionist approach to airliner safety. Em: 2014 International Joint Conference on Neural Networks (IJCNN), p. 4070-4075, 2014.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
42. PIAZENTIN, DENIS R. M.; ROSA, JOAO LUIS G.. A simulator for Freeman K-sets in Java. Em: 2015 International Joint Conference on Neural Networks (IJCNN), p. 1-, 2015.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
43. OLIVA, J. T.; ROSA, J. L. G.. Dimensionality Reduction Effect Analysis of EEG Signals in Cross-Correlation Classifiers Performance. Em: 25th International Conference on Artificial Neural Networks (ICANN 2016), v. 9886, p. 297-305, 2016.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
44. CARNEIRO, M. G.; ROSA, J. L. G.; Zhao, L.. Graph-Based Semi-Supervised Learning for Semantic Role Diffusion. Em: The Symposium on Knowledge Discovery, Mining and Learning (KDMiLe), p. -, 2016.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
45. Oliva, Jefferson Tales; ROSA, JOAO LUIS GARCIA. The use of one-class classifiers for differentiating healthy from epileptic EEG segments. Em: 2017 International Joint Conference on Neural Networks (IJCNN), v. 1, p. 2956-2963, 2017.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
46. CESTARI, DANIEL MOREIRA; ROSA, JOAO LUIS G.. Stochastic and deterministic stationarity analysis of EEG data. Em: 2017 International Joint Conference on Neural Networks (IJCNN), v. 1, p. 63-70, 2017.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
47. BUSTIOS, PAUL; ROSA, JOAO LUIS. Restricted exhaustive search for frequency band selection in motor imagery classification. Em: 2017 International Joint Conference on Neural Networks (IJCNN), v. 1, p. 4208-4213, 2017.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
48. Oliva, Jefferson Tales; ROSA, JOAO LUIS GARCIA. Differentiation between Normal and Interictal EEG Using Multitaper Spectral Classifiers. Em: 2018 International Joint Conference on Neural Networks (IJCNN), p. 1-, 2018.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
49. GONCALVES, V. H.; ROSA, J. L. G.. Forecasting economic time series using chaotic neural networks. Em: ENIAC 2018 - XV Encontro Nacional de Inteligência Artificial e Computacional (ENIAC), p. -, 2018.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
50. Oliva, Jefferson Tales; LUIS GARCIA ROSA, JOAO. Epilepsy detection using multiclass classifier based on spectral features. Em: 2019 International Joint Conference on Neural Networks (IJCNN), p. 1-, 2019.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
51. ROSA, J. L. G.; FRANÇOZO, E.. Hybrid Thematic Role Processor: Symbolic Linguistic Relations Revised by Connectionist Learning. Em: 16th. International Joint Conference on Artificial Intelligence - IJCAI, v. 2, p. 852-857, 1999.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Resumos expandidos publicados em anais de congressos (1)
1. SCHNEIDER, M. O.; ROSA, J. L. G.. CARESS1 - Commercial Airliner Emergency Safety System. Em: ICINCO 2011 - 8th International Conference on Informatics in Control, Automation and Robotics, p. 223-226, 2011.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Resumos publicados em anais de congressos (2)
1. Carlos Jr, L. F. M.; ROSA, J. L. G.. Face Recognition Using a Connectionist Model Based on Neuron Population. Em: CyberSci Summit 2013, p. -, 2013.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
2. KOZMA, R.; ROSA, J. L. G.; PIAZENTIN, D. R. M.. Analyzing Social Networking Data Using a Cognitively Motivated Clustering Algorithm. Em: CyberSci Summit 2013, p. -, 2013.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Artigos aceitos para publicação (0)
Apresentações de trabalho (29)
1. ROSA, J. L. G.; FRANÇOZO, E.. Hybrid Thematic Role Processor: Symbolic Linguistic Relations Revised by Connectionist Learning. 1999. IJCAI'99 - Sixteenth International Joint Conference on Artificial Intelligence. (Congresso)
2. ROSA, J. L. G.. A Thematic Connectionist Approach to Protuguese Language Processing. 1997. IASTED International Conference on Artificial Intelligence and Soft Computing. (Congresso)
3. ROSA, J. L. G.; FRANÇOZO, E.. A Biologically Fine-grained Artificial Neural Network: Towards a Hybrid Model. 1998. IASTED International Conference on Artificial Intelligence and Soft Computing. (Congresso)
4. ROSA, J. L. G.. Uma Abordagem Temático-Conexionista para o Processamento da Língua Portuguesa. 1997. III Seminários de Teses em Andamento. (Seminario)
5. ROSA, J. L. G.. O Significado da Palavra no Processamento de Linguagem Natural. 1997. XLV Seminário do Grupo de Estudos Lingüisticos do Estado de São Paulo. (Seminario)
6. ROSA, J. L. G.. Parser: Um Analisador Sintático e Semântico para Sentenças do Português. 1996. XLIV Seminário do Grupo de Estudos Lingüísticos do Estado de São Paulo. (Seminario)
7. ROSA, J. L. G.. Redes Neurais e Lógica Formal em Processamento de Linguagem Natural. 1993. IV Encontro de Pesquisadores. (Comunicacao)
8. ROSA, J. L. G.. Um Modelo Conexionista em Processamento de Linguagem Natural. 1993. IV Encontro de Pesquisadores. (Comunicacao)
9. CARNEIRO, A. J. I.; CAMPOS, J. E.; ANJOS, C. P.; ROSA, J. L. G.. Um Modelo Conexionista na Atribuição de Casos aos Constituintes das Sentenças. 1993. I Congresso de Iniciação Científica. (Congresso)
10. ROSA, J. L. G.. An Artificial Neural Network Model Based on Neuroscience: Looking Closely at the Brain. 2001. 5th. International Conference on Artificial Neural Networks and Genetic Algorithms. (Congresso)
11. ROSA, J. L. G.. HTRP II: Learning thematic relations from semantically sound sentences. 2001. 2001 IEEE International Conference on Systems, Man, and Cybernetics. (Congresso)
12. ROSA, J. L. G.. Next Word Prediction in a Connectionist Distributed Representation System. 2002. IEEE SMC'2002 - 2002 IEEE International Conference on Systems, Man, and Cybernetics. (Congresso)
13. ROSA, J. L. G.. A Biologically Motivated Connectionist System for Predicting the Next Word in Natural Language Sentences. 2002. IEEE SMC'2002 - 2002 IEEE International Conference on Systems, Man, and Cybernetics. (Congresso)
14. ROSA, J. L. G.. A Biologically Inspired Connectionist System for Natural Language Processing. 2002. VII Brazilian Symposium on Neural Networks (SBRN 2002). (Congresso)
15. Schneider, M. O.; ROSA, J. L. G.. BIOANT ? Biologically Plausible Computer Simulation of an Environment with Ants. 2005. . (Congresso)
16. JOAQUIM, P. C. E.; ROSA, J. L. G.. Artificial Neural Networks for Temporal Processing Applied to Prediction of Electric Energy Generation in Small Hydroelectric Power Stations. 2005. . (Congresso)
17. ROSA, J. L. G.. Biologically Motivated and Computationally Efficient Natural Language Processor. 2004. . (Congresso)
18. ROSA, J. L. G.. A Biologically Plausible and Computationally Efficient Architecture and Algorithm for a Connectionist Natural Language Processor. 2003. . (Congresso)
19. SILVA, A. B.; ROSA, J. L. G.. A Connectionist Model based on Physiological Properties of the Neuron. 2006. . (Congresso)
20. ROSA, J. L. G.. A Connectionist Thematic Grid Predictor for Pre-parsed Natural Language Sentences. 2007. International Symposium on Neural Networks. (Simposio)
21. Rosa, J. L. G.. Redes Neurais Artificiais: Plausibilidade Biológica e Sistemas Híbridos. 2008. Seminários de Computação do Instituto de Ciências Matemáticas e de Computação (ICMC) da Universidade de São Paulo (USP). (Conferencia)
22. Rosa, J. L. G.. A Hybrid Symbolic-Connectionist Processor of Natural Language Semantic Relations. 2009. IEEE Symposium Series on Computational Intelligence 2009. (Congresso)
23. ROSA, J. L. G.. Biologically Plausible Connectionist Prediction of Natural Language Thematic Relations. 2010. WCCI 2010 - 2010 IEEE World Congress on Computational Intelligence. (Congresso)
24. SILVA, A. B.; ROSA, J. L. G.. Advances on Criteria for Biological Plausibility in Artificial Neural Networks: Think of Learning Processes. 2011. of IJCNN 2011 - International Joint Conference on Neural Networks. (Congresso)
25. FONSECA, E. R.; ROSA, J. L. G.. An Architecture for Semantic Role Labeling on Portuguese. 2012. Propor 2012 - International Conference on Computational Processing of the Portuguese Language. (Congresso)
26. PIAZENTIN, D. R. M.; ROSA, J. L. G.. A simulator for Freeman K-sets in Java. 2015. IJCNN 2015 International Joint Conference on Neural Networks. (Congresso)
27. ROSA, J. L. G.. Brain-Computer Interfaces. 2015. Third International Winter Schools on Computer Science, Software Engineering, Information Systems and Information Technologies. (Conferencia)
28. ROSA, J. L. G.. Introduction to Artificial Neural Networks. 2016. Fourth International Winter Schools on Computer Science, Software Engineering, Information Systems and Information Technologies. (Conferencia)
29. ROSA, J. L. G.; FRANÇOZO, E.. Linguistic Relations Encoding in a Symbolic-Connectionist Hybrid Natural Language Processor. 2000. 7th. Ibero-American Conference on Artificial Intelligence - 15th. Brazilian Symposium on Artificial Intelligence. (Congresso)
Demais tipos de produção bibliográfica (2)
1. ROSA, J. L. G.. Artificial Neural Networks - Models and Applications. 2016. Intech. (Editor de livro)
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
2. ROSA, J. L. G.. ACM Computing Reviews. 2009. ACM - Association for Computing Machinery. (Revisões de artigos e livros já publicados)
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

Produção técnica

Programas de computador com registro de patente (0)
Programas de computador sem registro de patente (0)
Produtos tecnológicos (0)
Processos ou técnicas (0)
Trabalhos técnicos (4)
1. . Relatório técnico dca93-07: resultados da implementação da dissertação de mestrado. 1993.
  [ busca Google | busca Bing ]
2. . Revisão capítulo do livro amazonian resources: microbiota, fauna and flora, intitulado 'amazon flora identification using models of computational intelligence' de autoria de bruno sampaio sant'anna, renata takeara e maxwell adriano abegg, editora nova science publishers, inc.. 2015.
  [ busca Google | busca Bing ]
3. . Produção técnica para univesp, disciplina estrutura de dados. 2020.
  [ busca Google | busca Bing ]
4. . Professor do mba em ia e big data, icmc-usp. 2021.
  [ busca Google | busca Bing ]
Demais tipos de produção técnica (0)

Produção artística

Total de produção artística (0)

Orientações em andamento

Supervisão de pós-doutorado (0)
Tese de doutorado (6)
1. Daniele Carvalho Oliveira. Análise de percepções em Interfaces Cérebro-Computador. Instituto de Ciências Matemáticas e de Computação - Universidade de São Pau, . Início: 2018.
  Tese de doutorado: João Luís Garcia Rosa.
2. Paul Augusto Bustios Belizario. Classifying motor imagery electroencephalogram signals using deep neural networks. Instituto de Ciências Matemáticas e de Computação - Universidade de São Pau, . Início: 2017.
  Tese de doutorado: João Luís Garcia Rosa.
3. Fernando Soares de Aguiar Neto. Diagnostico e Tratamento de Depressão com Uso de Interface Cérebro-Computador Não-Invasiva. Instituto de Ciências Matemáticas e de Computação - Universidade de São Pau, . Início: 2018.
  Tese de doutorado: João Luís Garcia Rosa.
4. Angelica Abadia Paulista Ribeiro. Uma Nova Interface Cérebro-Computador Para Composição Musical. Instituto de Ciências Matemáticas e de Computação - Universidade de São Pau, . Início: 2019.
  Tese de doutorado: João Luís Garcia Rosa.
5. Fernando Henrique Carvalho Silva. Avaliação dos impactos do uso de elementos de gamicação em indivíduos com transtorno de ansiedade. Instituto de Ciências Matemáticas e de Computação - Universidade de São Pau, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. Início: 2020.
  Tese de doutorado: João Luís Garcia Rosa.
6. Cíntia Carvalho Oliveira. Investigação de Técnicas de Machine Learning em EEG para auxílio no diagnóstico de autismo. Instituto de Ciências Matemáticas e de Computação - Universidade de São Pau, . Início: 2021.
  Tese de doutorado: João Luís Garcia Rosa.
Dissertação de mestrado (1)
1. Marcela Prince Antunes. Análise de Biomarcadores Relacionados à Desordem do Espectro Autista Utilizando Interface Cérebro-Computador Não-Invasiva.. Instituto de Ciências Matemáticas e de Computação - Universidade de São Pau, . Início: 2020.
  Dissertação de mestrado: João Luís Garcia Rosa.
Monografia de conclusão de curso de aperfeiçoamento/especialização (0)
Trabalho de conclusão de curso de graduação (0)
Iniciação científica (0)
Orientações de outra natureza (0)

Supervisões e orientações concluídas

Supervisão de pós-doutorado (1)
1. Marvin Oliver Schneider. . Universidade de São Paulo, . 2013.
  Supervisão de pós-doutorado: João Luís Garcia Rosa.
Tese de doutorado (2)

Isabelle Carvalho. Um Sistema de Apoio à Decisão aplicado ao Diagnóstico de Transtornos Psicóticos com base em Técnicas de Aprendizado de Máquina. Instituto de Ciências Matemáticas e de Computação - Universidade de São Pau, . 2016.
Tese de doutorado: João Luís Garcia Rosa.
Jefferson Tales Oliva. Preenchimento Automático de Laudos Médicos por meio do Processamento de Exames de Eletroencefalograma utilizando Redes Neurais Artificiais Biologicamente Plausíveis. Instituto de Ciências Matemáticas e de Computação - Universidade de São Pau, . 2014.
Tese de doutorado: João Luís Garcia Rosa.
Dissertação de mestrado (13)

Marvin Oliver Schneider. : BIOANT: Simulação Computacional Conexionista Biologicamante Plausível de um Ambiente com Formigas. Pontifícia Universidade Católica de Campinas, . 2003.
Dissertação de mestrado: João Luís Garcia Rosa.
Paulo César Endo Joaquim. Redes Neurais Artificiais com Processamento Temporal Aplicadas à Previsão de Geração de Energia Elétrica em Pequenas Centrais Hidrelétricas. Pontifícia Universidade Católica de Campinas, . 2005.
Dissertação de mestrado: João Luís Garcia Rosa.
Télvio Orrú. SABio: Abordagem Conexionista Biologicamente mais Plausível para Sumarização Automática de Textos. Universidade Estadual de Campinas, . 2005.
Dissertação de mestrado: João Luís Garcia Rosa.
Alberione Braz da Silva. Modelo de Respostas Pulsantes e Controle: Plausibilidade Biológica através da sinalização entre Neurônios. Pontifícia Universidade Católica de Campinas, . 2006.
Dissertação de mestrado: João Luís Garcia Rosa.
Fernando Emilio Alva Manchego. Exploração de Características Sintáticas e Semânticas de Sentenças em Português do Brasil para Anotação Automática de Papéis Semânticos. Universidade de São Paulo, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2013.
Dissertação de mestrado: João Luís Garcia Rosa.
Erick Rocha Fonseca. Uma abordagem conexionista para anotação de papéis semânticos. Universidade de São Paulo, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2013.
Dissertação de mestrado: João Luís Garcia Rosa.
Denis Renato de Moraes Piazentin. Conjuntos K de redes neurais e sua aplicação na classificação de imagética motora. Universidade de São Paulo, Fundação de Amparo à Pesquisa do Estado de São Paulo. 2014.
Dissertação de mestrado: João Luís Garcia Rosa.
Luís Fernando Martins Carlos Júnior. Reconhecimento Facial Utilizando um Modelo Conexionista Baseado em Populações de Neurônios. Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2015.
Dissertação de mestrado: João Luís Garcia Rosa.
Daniel Moreira Cestari. Estudo do profiling de usuários de plataformas online considerando concept-drift e concept-evolution. Instituto de Ciências Matemáticas e de Computação - Universidade de São Pau, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2014.
Dissertação de mestrado: João Luís Garcia Rosa.
Victor Henrique Gonçalves. Uma Análise de Indicadores Econômicos Anuais Utilizando Redes Neurais Baseadas em Populações de Neurônios. Instituto de Ciências Matemáticas e de Computação - Universidade de São Pau, . 2014.
Dissertação de mestrado: João Luís Garcia Rosa.
Paul Augusto Bustíos Belizario. Agrupamento de Séries Temporais utilizando Alinhamento Múltiplo de Sequências. Instituto de Ciências Matemáticas e de Computação - Universidade de São Pau, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2014.
Dissertação de mestrado: João Luís Garcia Rosa.
Pedro Henrique da Costa Ulisses. Classificação de imagética motora baseada em interface cérebro-computador usando conjuntos-K e perceptron multicamadas.. Instituto de Ciências Matemáticas e de Computação - Universidade de São Pau, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2016.
Dissertação de mestrado: João Luís Garcia Rosa.
Jefferson Fontinele da Silva. Resolução de correferência em múltiplos documentos. Universidade de São Paulo, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. 2011.
Dissertação de mestrado: João Luís Garcia Rosa.
Monografia de conclusão de curso de aperfeiçoamento/especialização (0)
Trabalho de conclusão de curso de graduação (1)

Helder Luiz C. de Oliveira. Detecção de nariz em imagem de rosto humano usando Redes Neurais Convolucionais. Instituto de Ciências Matemáticas e de Computação - Universidade de São Pau, . 2015.
Trabalho_de_conclusao_de_curso_graduacao: João Luís Garcia Rosa.
Iniciação científica (19)

Edvaldo Manzan. Processamento de Linguagem Natural. Pontifícia Universidade Católica de Campinas, . 1991.
Iniciacao_cientifica: João Luís Garcia Rosa.
Adriano José Imbiriba Carneiro. Processamento de Linguagem Natural. Pontifícia Universidade Católica de Campinas, . 1992.
Iniciacao_cientifica: João Luís Garcia Rosa.
Andréia Teixeira. Processamento de Linguagem Natural. Pontifícia Universidade Católica de Campinas, . 1993.
Iniciacao_cientifica: João Luís Garcia Rosa.
Andréa Barbosa Menandro. Processamento de Linguagem Natural. Pontifícia Universidade Católica de Campinas, . 1994.
Iniciacao_cientifica: João Luís Garcia Rosa.
José Eduardo Campos. Processamento de Linguagem Natural. Pontifícia Universidade Católica de Campinas, . 1993.
Iniciacao_cientifica: João Luís Garcia Rosa.
Celma Pereira dos Anjos. Procesamento de Linguagem Natural. Pontifícia Universidade Católica de Campinas, . 1994.
Iniciacao_cientifica: João Luís Garcia Rosa.
Hennry Ligieri Duro. Processamento de Linguagem Natural Conexionista. Pontifícia Universidade Católica de Campinas, . 2001.
Iniciacao_cientifica: João Luís Garcia Rosa.
Fernando José Rossi. Processamento de Linguagem Natural Conexionista. Pontifícia Universidade Católica de Campinas, . 2001.
Iniciacao_cientifica: João Luís Garcia Rosa.
Paulo Sérgio Paquito Mendes. Processamento de Linguagem Natural. Pontifícia Universidade Católica de Campinas, . 1994.
Iniciacao_cientifica: João Luís Garcia Rosa.
Alexandre Mello Estrela. Processamento de Linguagem Natural. Pontifícia Universidade Católica de Campinas, . 1994.
Iniciacao_cientifica: João Luís Garcia Rosa.
CAIO CÉSAR PALHARES WOHNRATH. Modelos Conexionistas Biologicamente Plausíveis. Pontifícia Universidade Católica de Campinas, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2005.
Iniciacao_cientifica: João Luís Garcia Rosa.
Eric Ribeiro Garcia Mendes. ESTUDO DE REDES NEURAIS ARTIFICIAIS APLICADAS NO PROCESSAMENTO DE LÍNGUAS NATURAIS. Pontifícia Universidade Católica de Campinas, . 2008.
Iniciacao_cientifica: João Luís Garcia Rosa.
Rodrigo Stefani Domingues. Ontologias para o Processamento da Língua Natural. Pontifícia Universidade Católica de Campinas, . 2008.
Iniciacao_cientifica: João Luís Garcia Rosa.
Maurício Fontes Alexandre. Otimizando o desenvolvimento de ontologias. Pontifícia Universidade Católica de Campinas, . 2008.
Iniciacao_cientifica: João Luís Garcia Rosa.
Renato Moraes de Souza. Reconhecimento de Padrões utilizando Redes Neurais Artificiais. Universidade de São Paulo, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2010.
Iniciacao_cientifica: João Luís Garcia Rosa.
Camila Alves Pereira. Reconhecimento de Palavras Faladas utilizando Redes Neurais Artificiais. Universidade de São Paulo, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2011.
Iniciacao_cientifica: João Luís Garcia Rosa.
Willian Ferreira. Uma ferramenta computacional para o modelo neurodinâmico KIII de Freeman. Instituto de Ciências Matemáticas e de Computação - Universidade de São Pau, . 2017.
Iniciacao_cientifica: João Luís Garcia Rosa.
Murilo Salomão. Técnicas de aprendizado de máquina para análise de manifestações clínicas no apoio ao diagnóstico de transtornos psicóticos. Instituto de Ciências Matemáticas e de Computação - Universidade de São Pau, Conselho Nacional de Desenvolvimento Científico e Tecnológico. 2017.
Iniciacao_cientifica: João Luís Garcia Rosa.
Andre Felipe Nunes Trofino. Reconhecimento de Palavras Faladas utilizando Redes Neurais Artificiais. Universidade de São Paulo, . 2011.
Iniciacao_cientifica: João Luís Garcia Rosa.
Orientações de outra natureza (0)

Projetos de pesquisa

Total de projetos de pesquisa (13)

2002-2002. Estudo e Implementação de Algoritmos e Arquiteturas Conexionistas Biologicamente Plausíveis
Este projeto propõe a aplicação de Redes Neurais Artificiais (RNA) no Processamento de Línguas Naturais (PLN), através de estudos de arquiteturas e algoritmos conexionistas biologicamente e psicolingüisticamente plausíveis.
Membro: João Luís Garcia Rosa.
2003-2003. Implementação de Sistemas Híbridos Simbólico-conexionistas Biologicamente Plausíveis para o Processamento de Línguas Naturais
Estudo e implementação de um Sistema Híbrido Simbólico-Conexionista Biologicamente Plausível para o Processamento de Línguas Naturais (PLN). Através da inserção e extração de conhecimento lingüístico simbólico nas redes neurais artificiais será possível mostrar que os algoritmos e arquiteturas conexionistas biologicamente plausíveis são mais adequadas e mais eficientes computacionalmente que os sistemas conexionistas tradicionais.
Membro: João Luís Garcia Rosa.
2004-2004. Estudo e Implementação de Novos Algoritmos de Inserção e Extração de Regras Simbólicas em Arquiteturas Conexionistas Biologicamente Plausíveis
Estudo e implementação de novos algoritmos de inserção e extração de regras simbólicas em arquiteturas conexionistas biologicamente plausíveis. Vários algoritmos serão estudados. O objetivo é mostrar que há algoritmos biologicamente plausíveis mais eficientes computacionalmente que os tradicionais. Este projeto é uma continuação do projeto anterior (Implementação de Sistemas Híbridos Simbólico-Conexionistas Biologicamente Plausíveis para o Processamento de Línguas Naturais).
Membro: João Luís Garcia Rosa.
2006-2006. Estudo de Representações Semânticas Lexicais e Ontologias para Recuperação de Informação Textual através de Técnicas de Aprendizado de Máquina
Estudo de formas de representação de palavras baseada em semântica e em ontologias para recuperar informação significativa em textos escritos na língua portuguesa. Técnicas de aprendizado de máquina, tais como as redes neurais artificiais serão consideradas para esta finalidade, incluindo modelos biologicamente mais plausíveis. O sistema proposto poderá ser aplicado em recuperação de informação textual em sistemas tutores inteligentes.
Membro: João Luís Garcia Rosa.
2001-2001. Suporte Tecnológico para o Aprendizado Colaborativo de Desenvolvimento de Software

Membro: João Luís Garcia Rosa.
2008-2008. Sistemas conexionistas biologicamente plausíveis para previsão de papéis semânticos

Membro: João Luís Garcia Rosa.
2010-2010. Aplicação de Técnicas de Aprendizado de Máquina e Linguística Computacional para Tratamento de Textos
A crescente popularização da rede mundial na última década tornou evidente uma possibilidade antes restrita apenas aos profissionais da informação, principalmente bibliotecários: a busca de informação de interesse em grandes repositórios de textos. Este fato levou a comunidade científica e empresarial a buscar métodos que tornassem esta busca ao mesmo tempo efetiva e rápida. A proposta deste projeto é aplicar técnicas de processamento de línguas naturais e aprendizado de máquina para atender às necessidades de busca de informação textual na internet, melhorando as ferramentas existentes. Teorias da Lingüística Computacional devem ser empregadas para alcançar este objetivo.
Membro: João Luís Garcia Rosa.
2012-2012. Modelos Computacionais do Cérebro Baseados em Populações Neurodinâmicas no Nível Mesoscópico
Modelos de redes neurais atuais estão muito aquém da fisiologia do neurônio do cortex cerebral. Modelos do cérebro baseados em neurodinâmica consideram neurônios sistemas dinâmicos. E como tais, buscam compreender e representar as razões pelas quais os neurônios são células excitáveis. A corrente microscópica de cada neurônio soma com as correntes de outros neurônios, o que provoca uma diferença de potencial macroscópica, medida com o electroencefalograma (EEG). O EEG registra os padrões de atividade de populações de neurônios mesoscópicas. Um bom modelo neural deve reproduzir a dinâmica das populações de neurônios: nessa abordagem, o processamento de informação depende não apenas das propriedades eletrofisiológicas dos neurônios, mas também das propriedades dinâmicas de suas populações.
Membro: João Luís Garcia Rosa.
2012-2012. Projeto NAP - PRP/USP "Núcleo de Apoio à Pesquisa de Aprendizado de Máquina em Análise de Dados"
Este projeto visa a criação do Núcleo de Apoio à Pesquisa de Aprendizado de Máquina em Análise de Dados, NAP-AMAD. O principal objetivo do NAP-AMAD é o estabelecimento de um centro interdisciplinar e multidisciplinar de excelência no uso de Aprendizado de Máquina (AM) em análise de dados em São Paulo, Brasil, de reconhecimento internacional. O centro deve estimular colaborações de pesquisa e desenvolvimento entre universidade e empresas ou instituições governamentais cujos dados podem ser analisados através de técnicas de AM. O NAP-AMAD é composto por docentes, pesquisadores e estudantes da Universidade de São Paulo e de diversas outras universidades e centros de Pesquisa, do Brasil e do exterior. O NAP-AMAD será baseado no Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (ICMC / USP). Os integrantes do ICMC / USP estão listados abaixo.
Membro: João Luís Garcia Rosa.
2016-2016. Desenvolvimento de Algoritmos e Técnicas Computacionais para Aplicação em Interfaces Cérebro-Computador
Interfaces Cérebro-Computador (Brain-Computer Interfaces - BCI) são uma forma de comunicação que capacita indivíduos incapazes de realizar movimentos a se conectarem a dispositivos auxiliares externos usando a eletroencefalografia (EEG) ou outras técnicas de registro de sinais cerebrais. As BCIs não-invasivas capturam mudanças no fluxo sanguíneo ou flutuações em campos elétricos e magnéticos causados pela atividade de grandes populações de neurônios. A EEG, uma técnica não-invasiva, registra a atividade elétrica do cérebro em diferentes locais da cabeça, geralmente usando eletrodos colocados sobre o couro cabeludo. Com a remoção adequada de artefatos, processamento de sinal e aprendizagem de máquina, o registro da EEG em humanos carrega informações suficientes sobre a intenção de planejamento e execução. Modelos cerebrais com base em neurodinâmica procuram entender e representar as razões pelas quais os neurônios são células excitáveis. A corrente elétrica microscópica de cada neurônio soma-se com as correntes de outros neurônios, o que provoca uma diferença de potencial elétrico macroscópica, medida pela EEG, que registra a atividade dos padrões de populações de neurônios. Isto é, um bom modelo neural deve reproduzir a dinâmica de neurônios, tendo em conta as propriedades dinâmicas de populações de neurônios, além das propriedades eletrofisiológicas de neurônios individuais. O objetivo é mostrar como o entendimento da atividade elétrica do cérebro, medida de forma não invasiva pela EEG, pode fornecer uma maneira para permitir a comunicação sem movimentos musculares. A intenção é, a partir do estudo do comportamento neurodinâmico do cérebro, investigar formas e propor modelos que permitam criar interfaces cérebro-computador não-invasivas. Nas últimas décadas, as BCIs baseadas em EEG têm atraído a atenção de pesquisadores no campo da neurociência, engenharia neural e reabilitação clínica. O plano é usar os dados obtidos através da BCI para analisar os movimentos pré-motores, mudanças no cérebro que ocorrem antes que haja realmente um movimento, e aplicá-los a um tratamento adequado de dispositivos protéticos.
Membro: João Luís Garcia Rosa.
2019-2019. Apoio à cirurgia de epilepsia: abordagem computacional para planejamento de neurocirurgias baseado em grande volume de dados, aprendizagem de máquina e redes complexas
Edital de Apoio a Projetos que Façam Uso de Sistemas Inteligentes. Modalidade Articulação de Grandes Projetos. Portaria PRP/USP no 668, de 17/10/2018. Equipe: DCM-FFCLRP-USP: Zhao Liang (coordenador), Luiz Otavio Murta Junior, Renato Tinós, Joaquim Cezar Felipe, José Augusto Baranauskas; SCC-ICMC-USP: Maria Cristina Ferreira de Oliveira, João Luís G. Rosa, Alneu de Andrade Lopes; FMRP-USP: João Pereira Leite, Antonio Carlos dos Santos, Norberto Garcia Cairasco; UNIFESP: Elbert Einstein Nehrer Macau, Marcos Goncalves Quiles; Institute of Automation, Chinese Academy of Science, China: Zengguang Hou; Massachussetts General Hospital, Harvard University, USA: Gregory C. Sharp.
Membro: João Luís Garcia Rosa.
2021-2021. Interface Musical Cérebro-Computador (BCMI) no apoio ao tratamento de distúrbios mentais
A música pode mudar nossas emoções, influenciar nosso humor e, finalmente, afetar nossa saúde. A musicoterapia é um dos métodos mais antigos usados no tratamento de transtornos neurológicos. Portanto, a combinação entre o processo de musicoterapia com algoritmos de reconhecimento de emoções humanas baseados em eletroencefalograma (EEG) podem ser uma abordagem útil. Assim, seria possível identificar o estado emocional do usuário e compor uma música com base nesse biofeedback. Dessa forma, a musicoterapia poderia ser ajustada de acordo com as necessidades do paciente, tendo em vista que as músicas compostas pelo algoritmo poderão induzir novas emoções com estímulos sonoros àquele indivíduo. Neste projeto, propõe-se um algoritmo geral de musicoterapia para pessoas com transtornos mentais a fim de utilizar EEG para composição musical permitindo adaptar a terapia ao tempo predefinido do tratamento e ajustar a sessão de musicoterapia ao estado emocional do usuário. Tem-se, como finalidade, a de que essa tecnologia possa realmente aprimorar a vida das pessoas com transtornos mentais e atender às suas necessidades terapêuticas. Para isso, pretende-se utilizar os Potenciais Relacionados a Eventos (ERPs) e o Potencial Evocado Visual de Estado Estacionário (SSVEP), que são padrões bem conhecidos no eletroencefalograma (EEG). Esses tipos de sinais cerebrais são usados para diferentes aplicações em Interface Musical Cérebro-Computador (BCMI). Para a prototipação do projeto, será utilizada a linguagem Python, por possuir um grande arsenal para processamento de sinais e reconhecimento de padrões. Posteriormente, para as questões de desempenho, será utilizada a linguagem C++. A princípio, a avaliação do projeto se dará por meio de testes com a base de dados que será obtida durante este projeto. Essa base será o padrão ouro, uma vez que os dados serão coletados e testados. Na segunda fase do projeto, será avaliada a experiência do usuário por intermédio de formulários que são comumente usados para avaliar estudos de BCMI.
Membro: João Luís Garcia Rosa.
2015-2015. Interfaces Cérebro-Computador Não-invasivas baseadas em Eletroencefalograma
Interfaces Cérebro-Computador (Brain-Computer Interfaces - BCI) são uma forma de comunicação que capacita indivíduos incapazes de realizar movimentos a se conectarem a dispositivos auxiliares externos usando o eletroencefalograma (EEG) ou outros sinais cerebrais. As BCIs não-invasivas capturam mudanças no fluxo sanguíneo ou flutuações em campos elétricos e magnéticos causados pela atividade de grandes populações de neurônios. O EEG, uma técnica não-invasiva, mede a atividade elétrica do cérebro em diferentes locais da cabeça, geralmente usando eletrodos colocados sobre o couro cabeludo. Com a remoção adequada de artefatos, processamento de sinal e aprendizagem de máquina, o EEG humano carrega informações suficientes sobre a intenção de planejamento e execução. Modelos cerebrais com base em neurodinâmica procuram entender e representar as razões pelas quais os neurônios são células excitáveis. A corrente elétrica microscópica de cada neurônio soma-se com as correntes de outros neurônios, o que provoca uma diferença de potencial elétrico macroscópica, medida pelo EEG, que registra a atividade mesoscópica dos padrões de populações de neurônios. Isto é, um bom modelo neural deve reproduzir a dinâmica de neurônios, tendo em conta as propriedades dinâmicas de populações de neurónios, além das propriedades eletrofisiológicas de neurônios individuais. O objetivo é mostrar como o entendimento da atividade elétrica do cérebro, medido de forma não invasiva pelo EEG, pode fornecer uma maneira para permitir a comunicação sem movimentos musculares. A intenção é, a partir do estudo do comportamento neurodinâmico do cérebro, investigar formas e propor modelos que permitam criar interfaces cérebro-computador não-invasivas. Nas últimas décadas, as BCIs baseadas em EEG têm atraído a atenção de pesquisadores no campo da neurociência, engenharia neural e reabilitação clínica. O plano é usar os dados obtidos através da BCI para analisar os movimentos pré-motores, mudanças no cérebro que ocorrem antes que haja realmente um movimento, e aplicá-los a um tratamento adequado de dispositivos protéticos.
Membro: João Luís Garcia Rosa.

Prêmios e títulos

Total de prêmios e títulos (1)

Professor homenageado pela Turma do Bacharelado em Sistemas de Informação do ICMC-USP de 2020, como docente da disciplina Introdução à Teoria da Computação. ICMC-USP. 2021.
Membro: João Luís Garcia Rosa.

Participação em eventos

Total de participação em eventos (26)

A Connectionist Thematic Grid Predictor for Pre-parsed Natural Language Sentences. International Symposium on Neural Networks
BIOANT ? Biologically Plausible Computer Simulation of an Environment with Ants. IJCNN 2005 - International Joint Conference on Neural Networks
. XXIII Congresso da Sociedade Brasileira de Computação (SBC2003)
Biologically Plausible Connectionist Prediction of Natural Language Thematic Relations. WCCI 2010 - 2010 IEEE World Congress on Computational Intelligence
Artificial Neural Networks for Temporal Processing Applied to Prediction of Electric Energy Generation in Small Hydroelectric Power Stations. IJCNN - International Joint Conference on Neural Networks
VII Brazilian Symposium on Neural Networks (SBRN 2002).. VII Brazilian Symposium on Neural Networks (SBRN 2002).
Next Word Prediction in a Connectionist Distributed Representation System. IEEE SMC'2002 - 2002 IEEE International Conference on Systems, Man, and Cybernetics
HTRP II: Learning thematic relations from semantically sound sentences. IEEE SMC'2001 - 2001 IEEE International Conference on Systems, Man, and Cybernetics
An Artificial Neural Network Model Based on Neuroscience: Looking Closely at the Brain. ICANNGA 2001- Fifth International Conference on Artificial Neural Networks and Genetic Algorithms
Linguistic Relations Encoding in a Symbolic-Connectionist Hybrid Natural Language Processor. International Joint Conference 7th. Ibero-American Conference on AI - 15th. Brazilian Symposium on AI - IBERAMIA-SBIA 2000
Hybrid Thematic Role Processor: Symbolic Linguistic Relations Revised by Connectionist Learning. IJCAI'99 - Sixteenth International Joint Conference on Artificial Intelligence
A Biologically Fine-grained Artificial Neural Network: Towards a Hybrid Model. ASC'98 - IASTED International Conference on Artificial Intelligence and Soft Computing
A Thematic Connectionist Approach to Portuguese Language Processing. ASC'97 - IASTED International Conference on Artificial Intelligence and Soft Computing
. I Congresso de Iniciação Científica
Noninvasive Electroencephalogram-based Brain-Computer Interfaces. IJCNN 2015 International Joint Conference on Neural Networks
Epilepsy detection using multiclass classifier based on spectral features.. IJCNN 2019 - International Joint Conference on Neural Networks
A Hybrid Symbolic-Connectionist Processor of Natural Language Semantic Relations. IEEE Workshop on Hybrid Intelligent Models and Applications (HIMA2009), IEEE Symposium Series on Computational Intelligence, IEEE SSCI 2009
A Connectionist Model based on Physiological Properties of the Neuron. International Joint Conference IBERAMIA/SBIA/SBRN 2006
IEEE SMC?2003 - 2003 IEEE International Conference on Systems, Man, and Cybernetics. IEEE SMC?2003 - 2003 IEEE International Conference on Systems, Man, and Cybernetics
A Biologically Motivated and Computationally Efficient Natural Language Processor. Third Mexican International Conference on Artificial Intelligence
Advances on Criteria for Biological Plausibility in Artificial Neural Networks: Think of Learning Processes. IJCNN 2011 - International Joint Conference on Neural Networks
An Architecture for Semantic Role Labeling on Portuguese. PROPOR 2012 - International Conference on Computational Processing of Portuguese
Face Recognition Using a Connectionist Model Based on Neuron Population. CyberSci Summit 2013
Analyzing Social Networking Data Using a Cognitively Motivated Clustering Algorithm. CyberSci Summit 2013
A Two-Step Convolutional Neural Network Approach for Semantic Role Labeling. IJCNN 2013 Intl Joint Conf on Neural Networks
Cognitive Clustering Algorithm for Ecient Cybersecurity Applications. IJCNN 2013 - International Joint Conference on Neural Networks

Organização de eventos

Total de organização de eventos (29)

. I Olimpíada Brasileira de Linguística Computacional (I OLinCom). Sociedade Brasileira de Computação - Comissão Especial para o Processamento de Línguas Naturais. 2009. Organizacao
. I TILic - Workshop de Iniciaçao Científica em Tecnologia da Informação e da Linguagem Humana. Sociedade Brasileira de Computação- Comissão Especial para o Processamento de Línguas Naturais. 2009. Organizacao
. 7º. Simpósio Brasileiro de Tecnologia da Informação e da Linguagem Humana (STIL 2009) - Membro do Comitê de Programa. Sociedade Brasileira de Computação. 2009. Nao_informado
. The 2nd International Workshop on Web and Text Intelligence - Membro do Comitê de Programa. Sociedade Brasileira de Computação. 2009. Nao_informado
. Interaction?09 ? South América ? 1ª. Conferência regional do IxDA ? Interaction Design Association - Membro do Comitê Acadêmico. . 2009. Nao_informado
. 17th. International Conference on Artificial Neural Networks ? ICANN 2007 - Membro do Comitê de Programa. European Neural Network Society. 2007. Nao_informado
. 17º. Simpósio Internacional de Iniciação Científica da USP ? SIICUSP, Engenharias e Exatas - Avaliador de resumos. Universidade de São Paulo. 2009. Nao_informado
. IJCNN ? International Joint Conference on Neural Networks 2009 - revisor. International Neural Network Society e IEEE Computational Intelligence Society. 2009. Nao_informado
. 16º. Simpósio Internacional de Iniciação Científica da USP ? SIICUSP, Engenharias e Exatas - Avaliador de resumos. Universidade de São Paulo. 2008. Nao_informado
. IJCNN ? International Joint Conference on Neural Networks 2007 - revisor. International Neural Network Society e IEEE Computational Intelligence Society. 2007. Nao_informado
. Workshop on Computational Intelligence (WCI) - Simpósio Brasileiro de Redes Neurais (SBRN) - revisor. Sociedade Brasileira de Computação. 2006. Nao_informado
. Simpósio Brasileiro de Redes Neurais (SBRN) - revisor. Sociedade Brasileira de Computação. 2004. Nao_informado
. ICCSIT 2011 ? 4th. IEEE International Conference on Computer Science and Information Technology - revisor. IEEE Beijing Section. 2011. Nao_informado
. 8º. Simpósio Brasileiro de Tecnologia da Informação e da Linguagem Humana (STIL 2011) - comitê de programa. SBC - CEPLN. 2011. Organizacao
. IJCNN 2011 ? International Joint Conference on Neural Networks 2011 - revisor. INNS - IInternational Neural Network Society e IEEE Computational Intelligence Society. 2011. Nao_informado
. III International Workshop on Web and Text Intelligence (WTI ? 2010) - comitê de programa. SBC. 2010. Nao_informado
. COGNITIVE 2010 - The Second International Conference on Advanced Cognitive Technologies and Applications - comitê de programa. . 2010. Nao_informado
. IJCNN 2010 ? International Joint Conference on Neural Networks 2010 - revisor. INNS - IInternational Neural Network Society e IEEE Computational Intelligence Society. 2010. Nao_informado
. PROPOR 2012, the International Conference on Computational Processing of Portuguese. . 2012. Nao_informado
. ELC 2012 - XI Encontro de Linguística de Corpus - Membro do comitê de programa. . 2012. Nao_informado
. Membro do Program Committee for PROPOR 2014. . 2014. Nao_informado
. Membro do comitê de programa do V International Workshop on Web and Text Intelligence. . 2013. Nao_informado
. Membro do Comitê de Programa da CBIC - 11th Brazilian Congress (CBIC) on Computational Intelligence. . 2013. Nao_informado
. Membro do comitê de programa do V International Workshop on Web and Text Intelligence (WTI - 2015). . 2015. Nao_informado
. Membro do Program Committee for PROPOR 2016, the International Conference on Computational Processing of Portuguese. . 2015. Nao_informado
. Membro do Comitê de Programa do CBIC2015 - 12o. Congresso Brasileiro de Inteligência Computacional. . 2015. Nao_informado
. Technical Program Committee member, BRACIS 2017 (6th Brazilian Conference on Intelligent Systems).. SBC. 2017. Nao_informado
. Technical Program Committee member BRACIS 2018 (7th Brazilian Conference on Intelligent Systems). Sociedade Brasileira de Computação. 2018. Organizacao
. IV International Workshop on Web and Text Intelligence (WTI ? 2012) - Membro do comitê de programa. . 2012. Nao_informado

Lista de colaborações

Colaborações endôgenas (2)

João Luís Garcia Rosa ⇔ Alneu de Andrade Lopes (2.0)
CARNEIRO, M. G.; ROSA, J. L. G.; Lopes, A. A.; ZHAO, L.. Network-based data classification: combining K-associated optimal graphs and high-level prediction. Journal of The Brazilian Computer Society (Online). v. 20, p. 14-, 2014.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
CARNEIRO, M. G.; Rosa, J. L. G.; Zhao, L.; Lopes, A. A.. Classificação de Alto Nível Utilizando Grafo K-associados Ótimo. Em: IV International Workshop on Web and Text Intelligence (WTI ? 2012), p. 1-10, 2012.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

João Luís Garcia Rosa ⇔ Sandra Maria Aluísio (1.0)
FONSECA, ERICK R; G ROSA, JOÃO LUÍS; ALUÍSIO, Sandra Maria. Evaluating word embeddings and a revised corpus for part-of-speech tagging in Portuguese. Journal of the Brazilian Computer Society (Impresso). v. 21, p. 1-14, 2015.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]

(*) Relatório criado com produções desde 1970 até 2023
Data de processamento: 10/05/2023 08:54:02

Relatório gerado por scriptLattes V8.13. Os resultados estão sujeitos a falhas devido a inconsistências no preenchimento dos CVs Lattes. E-mail de contato: artur@icmc.usp.br