PPCIC scriptLattes

Laura Silva de Assis

Possui graduação em Ciência da Computação pelas Faculdades Integradas de Caratinga (2007). Concluiu o mestrado (2009) e doutorado em engenharia elétrica (2014) na Faculdade de Engenharia Elétrica e de Computação (FEEC) da UNICAMP. Atua como Professora Doutora em regime de dedicação exclusiva no Centro Federal de Educação Tecnológica Celso Suckow da Fonseca (CEFET/RJ) - UnED Petrópolis. Possui interesse nas áreas de Pesquisa Operacional, com ênfase em problemas de otimização no setor de energia, agrupamento capacitado e sensoriamento, atuando também nas seguintes áreas: cidades inteligentes, otimização combinatória e multiobjetivo, computação bioinspirada, redes complexas. (Texto informado pelo autor)

http://lattes.cnpq.br/5422223061528938 (20/02/2024)

Rótulo/Grupo:

Bolsa CNPq:

Período de análise:

Endereço: Centro Federal de Educação Tecnológica Celso Suckow da Fonseca, UnED Petrópolis. Rua do Imperador, 971 Centro 25620003 - Petrópolis, RJ - Brasil Telefone: (24) 22425716 URL da Homepage: http://sites.google.com/site/lauraassis/

Grande área: Ciências Exatas e da Terra

Área: Ciência da Computação

Citações: Google Acadêmico

Produção bibliográfica

Artigos completos publicados em periódicos (0)
Livros publicados/organizados ou edições (0)
Capítulos de livros publicados (0)
Textos em jornais de notícias/revistas (0)
Trabalhos completos publicados em anais de congressos (1)
1. SALLES, REBECCA ; ASSIS, LAURA ; GUEDES, Gustavo Paiva ; BEZERRA, E. ; PORTO, FABIO ; OGASAWARA, E.. A Framework for Benchmarking Machine Learning Methods Using Linear Models for Univariate Time Series Prediction. Em: IJCNN - IEEE International Joint Conference on Neural Networks, p. 2338-2345, 2017.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: A2 (IEEE International Joint Conference on Neural Networks)
Resumos expandidos publicados em anais de congressos (1)
1. ROGIENFISZ, M. S. ; ASSIS, L. S. ; HENRIQUES, F. R.. Liquid Monitoring System in Industrial Tanks with Ultrasonic Sensor. Em: Simpósio Brasileiro de Telecomunicações e Processamento de Sinais, 2017, São Pedro/SP. Anais do XXXV SIMPÓSIO BRASILEIRO DE TELECOMUNICAÇÕES E PROCESSAMENTO DE SINAIS (SBrT), p. 481-482, 2017.
  [ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
  Qualis: B5 (Simpósio Brasileiro de Telecomunicações e Processamento de Sinais)
Resumos publicados em anais de congressos (0)
Artigos aceitos para publicação (0)
Apresentações de trabalho (0)
Demais tipos de produção bibliográfica (0)

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 (0)
Demais tipos de produção técnica (0)

Produção artística

Total de produção artística (0)

Orientações em andamento

Supervisão de pós-doutorado (0)
Tese de doutorado (0)
Dissertação de mestrado (0)
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 (0)
Tese de doutorado (0)
Dissertação de mestrado (0)
Monografia de conclusão de curso de aperfeiçoamento/especialização (0)
Trabalho de conclusão de curso de graduação (0)
Iniciação científica (2)
1. Rafael Garcia do Nascimento. Metaheurísticas para Determinação de Estruturas Protéicas via Ângulos Diedrais. (Graduando em Engenharia de Computação) - Centro Federal de Educação Tecnológica Celso Suckow da Fonseca, . 2017.
  Orientador: Laura Silva de Assis.
2. Diego Henrique Baltar Zanchett. Aplicativo Multiplataforma para Roteamento de Transporte Público. (Graduando em Engenharia de Computação) - Centro Federal de Educação Tecnológica Celso Suckow da Fonseca, . 2017.
  Orientador: Laura Silva de Assis.
Orientações de outra natureza (0)

Projetos de pesquisa

Total de projetos de pesquisa (2)

2017-Atual. Otimizacao da Sustentabilidade de Sistemas de Energia Eletrica
Descrição: O núcleo deste projeto é a criação, desenvolvimento e difusão de metodologias para aumentar a disponibilidade de energia elétrica limpa, confiável e renovável. O termo ''sustentabilidade'', adotado no título do projeto, abrange iniciativas de redução de perdas, melhoria da confiabilidade e uso otimizado de recursos, temas que caracterizam os objetivos específicos e metas do projeto. Esses objetivos apoiam-se na premissa de que os recursos já utilizados na geração, transmissão e distribuição de energia elétrica podem ser melhor aproveitados pela sinergia da interação de conhecimentos em métodos matemáticos, engenharia elétrica e inteligência computacional. O projeto tem maior ênfase em ações e metas associadas a redes de distribuição, onde estão os maiores valores de perdas e a maior parte dos problemas de confiabilidade; por outro lado, grande parte das iniciativas atuais de inovações em sistemas elétricos é orientada para as redes de distribuição.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (4) Doutorado: (3) . Integrantes: Laura Silva de Assis - Integrante / Fábio Luiz Usberti - Integrante / Christiano Lyra Filho - Coordenador / Celso Cavellucci - Integrante / José Federico Vizcaino González - Integrante / Andre Henrique Benetton Vergilio - Integrante / Lucas Porto Maziero - Integrante / ARAKAKI, RAFAEL KENDY - Integrante / Ellen Marianne Bernal Cavalheiro - Integrante / Petra Maria Bartmeyer - Integrante / Alan Caio Rodrigues Marques - Integrante / Rodrigo Barbosa de Lima - Integrante / Caio dos Santos - Integrante.
Membro: Laura Silva de Assis.
2017-Atual. Desenvolvimento e Analise de Algoritmos de Processamento Adaptativo e Distribuido de Sinais
Descrição: Projeto Universal (CNPq). Desenvolvimento e Análise de Algoritmos de Processamento Adaptativo e Distribuído de Sinais. (Processo: 431215/2016-2). O grupo apresenta cooperação com pesquisadores internacionais, desenvolvendo pesquisas associadas a diversos programas de pós-graduação e institutos, dentre os quais: PPEEL (Programa de Engenharia Elétrica - CEFET/RJ), PPCIC (Programa de Ciência da Computação - CEFET/RJ), PPGIO (Programa de Instrumentação e Óptica Aplicadas - CEFET/RJ-UFF), IC (Instituto de Computação - UFF), LNCC e COPPE/UFRJ.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (2) . Integrantes: Laura Silva de Assis - Integrante / Diego Barreto Haddad - Coordenador / Luís Domingues Tomé Jardim Tarrataca - Integrante / Jurair Rosa de Paula Junior - Integrante / Douglas de Oliveira Cardoso - Integrante / Pedro Carlos da Silva Lara - Integrante / Rafael Saraiva Campos - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
Membro: Laura Silva de Assis.

Prêmios e títulos

Total de prêmios e títulos (0)

Participação em eventos

Total de participação em eventos (1)

XXXVII Congresso da Sociedade Brasileira de Computação. 2017. (Congresso).

Organização de eventos

Total de organização de eventos (1)

REIS, J. R. ; HENRIQUES, F. R. ; KNEIPP, W. F. ; JESUS, C. S. ; VELIHOVETCHI, D. H. ; SILVA, L. T. ; PORRETTI, M. F. ; VALLE, L. H. L. ; CASTRO, L. ; CAMPOS, S. S. ; GONCALVES, D. N. ; ASSIS, L. S. ; SILVA, E. T. ; PEREIRA, P. S. S.. Semana de Ensino, Pesquisa e Extensão do Cefet/RJ campus Petrópolis (SEPEX 2017): A matemática está em tudo. 2017. Exposição

Lista de colaborações

Colaborações endôgenas (2)

Laura Silva de Assis ⇔ Eduardo Bezerra da Silva (1.0)
SALLES, REBECCA ; ASSIS, LAURA ; GUEDES, Gustavo Paiva ; BEZERRA, E. ; PORTO, FABIO ; OGASAWARA, E.. A Framework for Benchmarking Machine Learning Methods Using Linear Models for Univariate Time Series Prediction. Em: IJCNN - IEEE International Joint Conference on Neural Networks, p. 2338-2345, 2017.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Qualis: A2 (IEEE International Joint Conference on Neural Networks)

Laura Silva de Assis ⇔ Gustavo Paiva Guedes e Silva (1.0)
SALLES, REBECCA ; ASSIS, LAURA ; GUEDES, Gustavo Paiva ; BEZERRA, E. ; PORTO, FABIO ; OGASAWARA, E.. A Framework for Benchmarking Machine Learning Methods Using Linear Models for Univariate Time Series Prediction. Em: IJCNN - IEEE International Joint Conference on Neural Networks, p. 2338-2345, 2017.
[ citações Google Scholar | citações Microsoft Acadêmico | busca Google ]
Qualis: A2 (IEEE International Joint Conference on Neural Networks)

(*) Relatório criado com produções desde 2017 até 2017
Data de processamento: 30/09/2024 17:54:22

Relatório gerado por scriptLattes V8.11. Os resultados estão sujeitos a falhas devido a inconsistências no preenchimento dos CVs Lattes. E-mail de contato: lattes@eic.cefet-rj.br