Notícias

A Coordenação do PPGEE disponibiliza à toda equipe de docentes, discentes e egressos o Formulário de Autoavaliação do Programa de Pós-Graduação em Engenharia Elétrica da UFPA.

 

A autoavaliação do PPGEE tem como objetivo produzir autoconhecimento sobre o programa para analisar e compreender seu impacto tanto na esfera regional, como também nas esferas nacional e internacional, ampliando suas relações com a comunidade. Além disso, a Avaliação Nacional dos Programas de Pós-Graduação pela CAPES tem apreciado a Autoavaliação dos Programas e isso tem impacto direto na distribuição de verbas para o financiamento e distribuição de bolsas para os programas. Por isso, é importante a participação de todos os docentes, discentes e egressos. Contamos com a sua colaboração. 

 

Participe!

 

O link para acesso ao formulário é https://forms.gle/kX626W84UfibPFDQ7 e este formulário ficará aberto até 28/06/2024.

 

Cordialmente,

 A Coordenação do PPGEE

'[MDPI, Symmetry, IF 2.7] Paper Invitation for Special Issue

“Advances in Neural Network/Deep Learning and Symmetry/Asymmetry”'.

We are presently experiencing a profound utilization of Artificial Intelligence techniques across human society. At the core of this epochal shi stands the Deep Learning methodology, serving as a pivotal enabling technology. Deep neural networks thrive on the abundance of extensive datasets and accessible computing resources. Deep Learning grapples with vast volumes of data, extracting pertinent information and latent knowledge embedded within. Its pervasive influence extends across virtually all facets of contemporary society, notably revolutionizing voice and image recognition, healthcare, and, more recently, natural language processing.

This Special Issue aims to provide a platform for researchers to share their latest advances in neural networks, deep learning, generative adversarial networks, symmetry/asymmetry, and their applications in solving real-world problems.

Topics of interest for this Special Issue include, but are not limited to: New architectures and algorithms for neural networks and deep learning; Advances in fuzzy neural networks, deep learning and ensemble; Advances of symmetry/asymmetry in neural networks and deep learning; etc.