Candidato:
Martin Joseph Aubard

Data, Hora e Local:
25 de julho de 2025, 14:00, Sala de Atos do DEEC (I-105), da Faculdade de Engenharia da Universidade do Porto

Presidente do Júri:
Doutor Pedro Nuno Ferreira da Rosa da Cruz Diniz, Professor Catedrático do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto

Vogais:
Doutor Bilal Wehbe, Senior Researcher at the German Research Center for Artificial Intelligence, Germany;
Doutora Catarina Helena Branco Simões da Silva, Professora Associada do Departamento de Engenharia Informática da Faculdade de Ciências e Tecnologia da Universidade de Coimbra;
Doutor Andry Maykol Gomes Pinto, Professor Associado do Departamento de Engenharia Eletrotécnica e de Computadores da Faculdade de Engenharia da Universidade do Porto;
Doutora Ana Maria Dias Madureira Pereira, Professora Coordenadora com Agregação do Departamento de Engenharia Informática do Instituto Superior de Engenharia do Porto (Orientadora).

A tese foi coorientada pelo Doutor Luís Filipe Pinto de Almeida Teixeira, Professor Associado do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto.

Resumo:

Esta tese aborda o desafio de melhorar as capacidades de deteção e interação a bordo dos veículos subaquáticos autónomos (AUVs) utilizando dados de sonar de varrimento lateral (SSS). Tradicionalmente, as missões subaquáticas baseiam-se em planos pré-definidos em que os dados são analisados após a missão por operadores ou especialistas. Este fluxo de trabalho é moroso e requer frequentemente várias missões para identificar e localizar alvos subaquáticos. A necessidade de missões repetidas aumenta os custos operacionais e a complexidade, realçando a ineficiência das metodologias actuais. Além disso, estas abordagens não permitem que o AUV interaja com os alvos detectados em tempo real, limitando o âmbito da adaptação da missão e da tomada de decisões em tempo real. Para ultrapassar estas limitações, esta tese apresenta uma nova plataforma que integra modelos de aprendizagem profunda para a deteção de objectos diretamente embarcado de AUVs. Esta integração permite que o veículo detecte, localize e interaja com alvos subaquáticos em tempo real, oferecendo melhorias significativas em relação à análise tradicional pós-missão. A plataforma baseia-se nas ferramentas LSTS, responsáveis pelo controlo de movimento e comunicação do AUV, e introduz capacidades melhoradas de processamento de dados em tempo real. No entanto, a implementação de um modelo deste tipo num sistema embebido apresenta de limitações computacionais que afectam o desempenho do modelo. Assim, foram implementados métodos de Knowledge Distillation, garantindo modelos mais pequenos e mais eficientes para efetuar a deteção embarcado sem sacrificar a precisão. Além disso, para melhorar a robustez do modelo contra o ruído subaquático, foi introduzida uma nova plataforma de treino adversárial, ROSAR, que garante um funcionamento fiável mesmo em ambientes sonar ruidosos. Após a deteção a bordo e a melhoria da localização, aprofundamos a interação a bordo com o objeto detectado. Isto é realizado através da extensão da plataforma anterior e da sua validação através de um simulador personalizado, melhorando a interação com os objectos detectados. Isto é demonstrado através de um caso de utilização de inspeção de condutas, que reduz o tempo de missão ao combinar a deteção por sonar e a recolha de dados da câmara numa única missão, utilizando árvores de comportamento e modelos de segurança avaliados. Tendo em conta a falta de disponibilidade de dados de sonar no terreno, esta tese contribui com dois novos datasets de sonar de varrimento lateral disponíveis publicamente, SWDD e Subpipe, que incluem dados recolhidos no terreno em paredes e condutas, e anotados manualmente para deteção de objectos. Ao passar da análise pós missão para a deteção e interação em tempo real, esta tese melhora significativamente a eficiência operacional das missões AUV. A plataforma proposta simplifica as operações subaquáticas e melhora o comportamento autónomo dos AUVs, baseando-se num modelo de deteção de objectos eficiente, preciso e robusto para aplicações eficientes de exploração e monitorização subaquáticas.

Candidata:
Filipa Marília Monteiro Ramos Ferreira

Data, Hora e Local:
23 de julho de 2025, 14:30, Sala de Atos da Faculdade de Engenharia da Universidade do Porto

Presidente do Júri:
Doutor Carlos Miguel Ferraz Baquero-Moreno, Professor Catedrático do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto

Vogais:
Doutor Tiago Manuel Lourenço Azevedo, Investigador Associado do Department of Computer Science and Technology da Universidade de Cambridge, Reino Unido;
Doutor Marco António Morais Veloso, Professor Coordenador do Departamento de Ciências e Tecnologia da Escola Superior de Tecnologia e Gestão de Oliveira do Hospital do Instituto Politécnico de Coimbra;
Doutor Luís Filipe Pinto de Almeida Teixeira, Professor Associado do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto;
Doutor Rosaldo José Fernandes Rossetti, Professor Catedrático do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto (Orientador).

Resumo:

Assegurar a fiabilidade e robustez de deep learning continua a ser um desafio urgente, particularmente com a tração atual para utilizar redes neuronais em aplicações de segurança crítica. Apesar de existir investigação extensiva focada em melhorar a eficácia destes modelos em variados bancos de dados, a generalisação, interpretabilidade e robustez no domínio de aplicação continuam pouco entendidas. Em cenários do mundo real, é frequente modelos falharem ou terem eficácia subpar sem uma explicação aparente. Para endreçar estas preocupações, quantificação de incerteza emergiu recentemente como uma direção chave de investigação, oferecendo uma vista mais aprofundada de redes neuronais e melhorando a confiança, interpretabilidade e robustez destes sistemas. Dentro das aplicações de segurança crítica, condução autónoma destaca-se como uma área onde deteção de objetos consciente da sua incerteza pode significativamente melhorar a perceção e o processo de tomada de decisão destes veículos. Esta tese explora interpretações de incerteza especificamente desenhadas para o âmbito de deteção de objetos no contexto de condução autónoma. Neste sentido, dois novos métodos para estimar o componente aleatórico e uma abordagem para modelar a incerteza epistémica são propostos. Através do uso de distribuições de âncoras já disponíveis em qualquer detetor de objetos baseado neste mecanismo, a incerteza é estimada holisticamente evitando procedimentos custosos de geração de amostragens. Para além disto, o conceito de existência é introduzido, traduzindo-se numa medida probabilística que indica se um objeto realmente existe no mundo real, independentemente da sua classificação. Construindo a partir destas ideias, três aplicações de incerteza e existência são exploradas, em concreto o Existence Map, o Uncertainty Map e a Existence Probability. Enquanto que os mapas de existência e incerteza codificam a medida de existência e a incerteza aleatórica no espaço dos exemplos de entrada, a probabilidade de existência combina a informação disponibilizada pelo Existence Map com o retorno standardizado do modelo, culminando numa avaliação dos dados mais completa. A avaliação mostra a coerência das estimativas de incerteza e demonstra a utilidade dos mapas de existência e incerteza a suportarem o modelo standardizado, permitindo capacidades de open-set e atribuindo um grau de confiança a verdadeiros e falsos positivos e a falsos negativos. A estratégia de fusão da probabilidade de existência reporta uma melhoria considerável na performance do detetor de objetos tanto em validação como em dados de perturbação, enquanto deteta todos os tipos de objetos apesar de o modelo ter sido apenas treinado em carros, peões e ciclistas.
A segunda parte desta tese apresenta um estudo sobre a distribuição de underspecification e a sua conexão com a incerteza epistémica. Underspecification, demonstrada recentemente, gravemente ameaça a utilização eficaz de deep learning em sistemas de segurança crítica visto que descreve a variabilidade de predictors gerados por uma arquitetura com desempenhos divergentes no domínio de aplicação. A análise feita mostra que, se a estimativa de incerteza estiver corretamente calibrada, um único predictor é suficiente para prever a dispersão da distribuição de underspecification, evitando custosas e repetidas sessões de treino. Para além disto, todos os métodos propostos são desenhados para serem independentes de modelo, compatíveis com processamento em tempo-real e aplicável a modelos já em utilização sem requerir novo treino, reinforçando a sua relevância para deteção de objetos robusta e interpretável em veículos autónomos.

Candidato:
Lázaro Gabriel Barros da Costa

Data, Hora e Local:
18 de julho de 2025, 16:00, Sala de Atos da Faculdade de Engenharia da Universidade do Porto

Presidente do Júri:
Doutor Pedro Nuno Ferreira da Rosa da Cruz Diniz, Professor Catedrático do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto.

Vogais:
Doctor Tanu Malik, Associate Professor in the Department of Electrical Engineering and Computer Science at the University of Missouri, U.S.A;
Doutor Miguel Carlos Pacheco Afonso Goulão, Professor Associado do Departamento de Informática da Faculdade de Ciências e Tecnologia da Universidade Nova de Lisboa;
Doutor Gabriel de Sousa Torcato David, Professor Associado do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto;
Doutor Jácome Miguel Costa da Cunha, Professor Associado do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto (Orientador).

A tese foi coorientada pela Doutora Susana Alexandra Tavares Meneses Barbosa, Investigadora Sénior do INESCTEC Porto.

Resumo:

A reprodutibilidade e a replicabilidade científica são pilares essenciais de uma investigação credível, especialmente à medida que os experiências computacionais se tornam cada vez mais prevalentes em diversas disciplinas científicas, como a química, a ciência do clima e a biologia. Apesar da forte defesa da Ciência Aberta e da adesão aos princípios FAIR (Findable, Accessible, Interoperable e Reusable — Localizável, Acessível, Interoperável e Reutilizável), alcançar uma verdadeira reprodutibilidade continua a ser um desafio considerável para muitos investigadores. Questões fundamentais como a gestão complexa de dependências, metadados inadequados e o acesso frequentemente moroso ao código e dados necessários comprometem seriamente os esforços de reprodutibilidade. Além disso, as ferramentas atualmente disponíveis oferecem frequentemente soluções fragmentadas que não conseguem responder às necessidades multifacetadas de configurações experimentais diversas e complexas, particularmente aquelas que envolvem múltiplas linguagens de programação e sistemas de dados intricados.
Esta tese aborda estes desafios através da apresentação de uma ferramenta abrangente concebida para melhorar a reprodutibilidade computacional em várias áreas científicas. A nossa abordagem
incluiu uma revisão sistemática detalhada das ferramentas existentes de reprodutibilidade com o objetivo de identificar lacunas e limitações prevalecentes ao nível do design e funcionalidade.
Esta revisão evidenciou a natureza fragmentada dessas ferramentas, cada uma suportando apenas aspetos do processo de reprodutibilidade, sem fornecer uma solução holística, em particular
para experiências que exigem uma gestão de dados robusta ou suporte a múltiplas linguagens de programação.
Para colmatar estas lacunas, introduzimos o SCIREP, uma ferramenta inovadora que automatiza aspetos essenciais do fluxo de trabalho da reprodutibilidade, como a gestão de dependências, containerização e compatibilidade entre plataformas. Esta ferramenta foi rigorosamente avaliada utilizando um conjunto curado de experiências computacionais, alcançando uma taxa de sucesso
de reprodutibilidade de 94%. Com o objetivo de aumentar a acessibilidade e a usabilidade da investigação reprodutível, desenvolvemos o SCICONV, uma interface conversacional que simplifica a configuração e execução de experiências computacionais, utilizando processamento de linguagem natural. Esta interface reduz significativamente as barreiras técnicas tradicionalmente associadas à configuração de estudos reprodutíveis, permitindo que os investigadores interajam com o sistema através de conversas simples e orientadas. Os resultados da avaliação indicaram que o SCICONV conseguiu reproduzir 83% das experiências do nosso conjunto de dados curado com a mínima interação do utilizador, demonstrando o seu potencial para tornar a investigação reprodutível mais acessível a uma gama mais ampla de investigadores.
Adicionalmente, reconhecendo o papel fundamental dos estudos com utilizadores na avaliação de ferramentas, metodologias e protótipos — particularmente nas áreas da engenharia de software e das ciências comportamentais—esta tese estende-se também ao domínio da avaliação experimental de ferramentas. Conduzimos uma análise aprofundada das ferramentas existentes utilizadas em experiencias nas áreas mencionadas, identificando e propondo funcionalidades especificas destinadas a melhorar a sua utilidade e facilidade de uso na condução de estudos com utilizadores. Estas funcionalidades foram validadas através de um inquérito a comunidade cientifica, confirmando a sua relevância e a necessidade da sua integração em ferramentas atuais e futuras. As contribuições desta tese são múltiplas, abrangendo o desenvolvimento de uma classificação para ferramentas de reprodutibilidade, a criação de um conjunto de dados de referencia padronizado para avaliação da eficácia das ferramentas, e a formulação das ferramentas SCIREP e SCICONV para um avanço significativo do estado da arte em reprodutibilidade computacional. No futuro, a investigação ira centrar-se na expansão das capacidades destas ferramentas para suportar fluxos de trabalho científicos mais complexos, melhorar as interfaces de utilizador e integrar funcionalidades adicionais que suportem os estudos com utilizadores. Ao faze-lo, este trabalho visa abrir caminho para um ecossistema de reprodutibilidade computacional mais robusto, acessível e eficiente, capaz de responder as necessidades em constante evolução da comunidade cientifica global.

Palavras-chave: Reprodutibilidade; Replicabilidade; Reutilização; Experiências computacionais; Interface de utilizador conversacional; Estudos de utilizadores.

Candidato:
Diogo Miguel Filipe Cocharro

Data, Hora e Local:
22 de julho de 2025, 15:00, Sala de Atos da Faculdade de Engenharia da Universidade do Porto

Presidente do Júri:
Doutor António Fernando Vasconcelos Cunha Castro Coelho, Professor Associado com Agregação do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto

Vogais:
Doutor Matt Chiu, Assistant Professor of Music Theory at the Conservatory of Performing Arts at the Baldwin Wallace University, EUA;
Doutor Daniel Gómez-Marín, Profesor del Departamento de Diseño e Innovación de la Escuela de Tecnología, Diseño e Innovación de la Facultad Barberi de Ingeniería, Diseño y Ciencias Aplicadas de la Universidad Icesi, Colombia;
Doutora Sofia Carmen Faria Maia Cavaco, Professora Auxiliar do Departamento de Informática da Faculdade de Ciências e Tecnologia da Universidade Nova de Lisboa;
Doutor Sérgio Reis Cunha, Professor Auxiliar do Departamento de Engenharia Eletrotécnica e de Computadores da Faculdade de Engenharia da Universidade do Porto;
Doutor Gilberto Bernardes de Almeida, Professor Auxiliar do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto (Orientador).

A tese foi coorientada pelo Doutor Rui Luis Nogueira Penha, Professor Coordenador da Escola Superior de Música e das Artes do Espetáculo.

Resumo:

A música é inerentemente uma manifestação temporal, e o ritmo é um componente crucial dela. Enquanto o ritmo pode existir sem melodia ou harmonia, estas últimas não podem existir sem o ritmo. No entanto, o ritmo é uma disciplina frequentemente menos estudada em comparação com a harmonia. A afinidade rítmica é um conceito musical que descreve a relação natural e agradável entre dois ou mais padrões rítmicos. Trata-se de quando esses padrões, mesmo que complexos ou aparentemente díspares, criam uma sensação de coesão e fluidez em vez de dissonância ou conflito. Esta afinidade pode surgir de vários fatores, como motivos rítmicos partilhados, estruturas rítmicas complementares ou um pulso subjacente forte que unifica as diferentes camadas. Estudiosos da música começaram recentemente a investigar estes fenómenos, particularmente o trabalho seminal de Harald Krebs sobre Dissonância Rítmica, que contribuiu com um quadro abrangente para compreender e categorizar a dissonância métrica na música, ou o trabalho de Godfried T. Toussaint, que discute vários métodos para medir a similaridade rítmica, oferecendo perspectivas sobre as inter-relações estruturais entre diferentes ritmos. Um estudo recente investigou o comportamento de métricas típicas de similaridade rítmica em diferentes géneros. As principais conclusões revelaram que a similaridade varia dentro de um intervalo limitado entre géneros e instrumentos. Esta análise sistemática abriu a discussão e pesquisa sobre o conceito de compatibilidade rítmica, enfatizando a necessidade de compreendê-la como um conceito distinto da similaridade rítmica. Conjuntamente, isso proporcionou condições para estudos subsequentes e abriu novas perspetivas para reunir conceitos relacionados à afinidade rítmica. O espaço da Transformada Discreta de Fourier (DFT) tem sido amplamente aplicado na harmonia para criar espaços de altura, mostrando grande potencial para mapear todos os tipos de configurações de alturas correspondentes às perceções humanas de alturas, acordes e tonalidades, bem como aos princípios da teoria musical como distâncias. A sua aplicação no ritmo tem sido geralmente limitada somente a padrões rítmicos ou dentro do contexto de uma peça musical, não como um espaço rítmico multimétrico que abrangente a todo o espectro de ritmos. Este estudo investiga o potencial da DFT como um espaço rítmico multimétrico para explorar afinidades rítmicas, focando especificamente na categoria de dissonância de agrupamento. Este fenómeno relaciona-se com práticas frequentemente encontradas na composição musical, como poli-metria, poli-ritmos, hemiolas e quiálteras, que permitem a sobreposição de padrões rítmicos que, em princípio, apresentam baixa similaridade entre si, mas que são percecionados como agradáveis enquanto dissonância combinada. O exemplo mais conhecido é o de três contra dois. O objetivo principal é analisar e criar padrões rítmicos examinando similaridade e dissonância no espaço. A nossa abordagem centra-se em estratégias para representar ritmos no domínio do tempo e as suas implicações no domínio da frequência. Constatámos que cada método tem capacidades distintas para captar similaridade e dissonância, podendo ser usado para diversos propósitos musicais.

Candidata:
Inês Dias Koch

Data, Hora e Local:
1 de julho de 2025, 14:30, Sala de Atos da Faculdade de Engenharia da Universidade do Porto

Título:
“Integration of models for linked data in cultural heritage and contributions to the FAIR principles”

Presidente do Júri:
Doutor João Carlos Pascoal Faria, Professor Catedrático do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto.

Vogais:
Doutora Maja Žumer, Professora Catedrática, Department of Library and Information Science of the University of Ljubljana, Slovenia;

Doutora María Poveda Villalón, Professora Associada, Departament of Artificial Intelligence of the Technical University of Madrid, Spain;

Doutor José Luís Brinquete Borbinha, Professor Catedrático, Departamento de Informática do Instituto Superior Técnico da Universidade de Lisboa;

Doutor Pedro Manuel Rangel Santos Henriques, Professor Catedrático, Departamento de Informática da Escola de Engenharia da Universidade do Minho;

Doutora Carla Alexandra Teixeira Lopes, Professora Associada, Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto (Orientadora);

Doutora Mariana Curado Malta, Professora Auxiliar, Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto.

A tese foi Coorientada pela Doutora Maria Cristina de Carvalho Alves Ribeiro, Professora Associada Aposentada do Departamento de Engenharia Informática da Faculdade de Engenharia da Universidade do Porto.

Resumo:

As diversas áreas do Património Cultural, como os arquivos, os museus e as bibliotecas, têm investido no desenvolvimento tecnológico e na inovação para disponibilizar os seus recursos aos utilizadores de forma mais eficiente e completa. Para tal, a descrição destes recursos é essencial para que sejam explicitados em termos do seu contexto e conteúdo, bem como para facilitar a sua inteligibilidade e acessibilidade. Neste sentido, cada área do património começou a desenvolver os seus próprios modelos e normas para descrever os objetos culturais com que lida. Isto fez com que estas normas se tornassem específicas de cada domínio e pudessem apenas atender às necessidades de informação dentro da área de conhecimento em que foram desenvolvidos, explorando apenas a informação descrita dentro do seu domínio. Como resultado, ligar recursos de diferentes fontes de informação é desafiante. Com a necessidade de tornar os padrões e modelos mais interoperáveis, surgiram modelos de dados ligados no Património Cultural. Estes modelos permitem ligar os vários conceitos das diferentes áreas do património de forma eficiente e eficaz, considerando as características da Web Semântica.
Em Portugal, o Arquivo Nacional sentiu a necessidade de desenvolver um modelo de dados interligados para descrever os seus objetos culturais, o que levou à criação do Projeto EPISA, projeto do qual surgiu esta investigação. Assim, este trabalho tem como objetivo desenvolver um modelo de dados ligados para descrever os registos de arquivo, bem como conectá-los a outros domínios do património cultural. Para além disso, pretende integrar o modelo desenvolvido com os modelos de dados ligados existentes, promovendo o acesso e a reutilização de dados de instituições patrimoniais com base na descrição especializada. Além disso, visa ligar os modelos de dados existentes a dados de outras fontes disponíveis na Web, como a Wikidata e a DBpedi.Realizamos um estudo que inclui modelos de dados existentes no Património Cultural, como o CIDOC CRM em museus, o RiC-CM em arquivos e o LRMoo em bibliotecas, juntamente com modelos que surgiram em projetos Web, como o DBpedia e o Wikidata. Ao descrever objetos de arquivo, bem como ao criar e explorar relações entre outros modelos de dados, este estudo identifica características e princípios comuns, bem como os aspetos distintivos de cada área. Além disso, identifica a possibilidade de ligar elementos dos vários modelos, garantindo que os modelos podem ser adaptados às aplicações sem perder a riqueza da conceptualização realizada em cada um dos domínios. Num contexto em que a Web promove a explicitação da semântica dos dados através da Web Semântica e disponibiliza ferramentas para a sua representação, é necessário, por um lado, criar ligações entre modelos de diferentes comunidades e, por outro, ajustar a complexidade de cada modelo para cada aplicação de acordo com as suas necessidades específicas. Os Princípios FAIR (Findable, Accessible, Interoperable, Reusable) foram, portanto, utilizados como uma das fontes para os requisitos que os dados e metadados devem cumprir para terem uma estrutura modular. Reunimos uma coleção de casos de utilização ligados a utilizadores de arquivos, incluindo perfis que vão desde gestores de coleções a promotores de património e utilizadores informais. Além disso, compilámos e avaliámos um conjunto de experiências de modelação de dados utilizando diferentes modelos. Deste trabalho resultou o ArchOnto, uma ontologia modular que descreve registos de arquivo. Foi desenvolvido considerando os padrões arquivísticos existentes e validado por especialistas na área,
nomeadamente arquivistas do Arquivo Nacional Português. O ArchOnto baseia-se no CIDOC CRM, combinado com outras quatro ontologias específicas também desenvolvidas neste trabalho. O desenvolvimento do ArchOnto levou à criação de uma plataforma protótipo concebida para explorar e manipular registos de arquivo. Além disso, oferece o potencial de aplicar esta ontologia a outros domínios, especificamente à representação de registos cinematográficos.

Palavras Chave: Património Cultural; Dados Abertos Ligados; Integração de dados; Web Semântica; Princípios FAIR; Humanidades Digitais.