João Inácio Moreira Bezerra
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Research Subjects
João Inácio Moreira Bezerra has a total of 39 co-authors. Here are the top co-authors by number of shared publications:
Alexandre Molter
CDTEC-Universidade Federal de Pelotas, Pelotas, Brazil
4 shared publications- Marlon Mauricio Hernández-Cely
Graduate Program in Computing (PPGC), Federal University of Pelotas (UFPEL)
4 shared publications - Alexandre Molter
Federal University of Pelotas
3 shared publications - Vinícius Valduga de Almeida Camargo
CDTec, Universidade Federal de Pelotas, Pelotas, Brazil
3 shared publications Gustavo Machado
CDTEC-Universidade Federal de Pelotas, Pelotas, Brazil
2 shared publications- Jairo Valões de Alencar Ramalho
Universidade Federal de Pelotas
2 shared publications
Latest Publications
- 14 September 2026
- Published by Springer Nature
- p. 375-386
Quantifying Explainability in Multiphase Flow Regime Identification via Saliency Metrics
- 14 September 2026
- Published by Springer Nature
- p. 375-386
Quantifying Explainability in Multiphase Flow Regime Identification via Saliency Metrics
- Open Access
- 8 April 2026
- Published by Revista Mundi in Revista Mundi Engenharia, Tecnologia e Gestão (ISSN: 2525-4782)
- Vol. 11 (1)
PREDIÇÃO DE DADOS DE TEMPERATURA VIA LSTM E REGRESSÃO LINEAR: ESTUDO DE CASO EM RIVERA, URUGUAI
A energia geotérmica superficial é uma fonte promissora de energia renovável, proporcionando soluções sustentáveis para o aquecimento e resfriamento de edificações. Exemplos disso são os Trocadores de Calor Solo-Ar (TCSA), que utilizam ventiladores de baixa potência para circular o ar por dutos subterrâneos, reduzindo o consumo de energia de sistemas convencionais de ar-condicionado. A eficiência dos TCSA depende de dados sobre as temperaturas do ar e do solo, obtidos por meio de modelagem matemática e técnicas de inteligência artificial. Esses modelos, inspirados no funcionamento do cérebro humano, são capazes de aprender padrões complexos em grandes volumes de dados. A previsão de séries temporais é essencial para a análise de dados, pois envolve sequências coletadas ao longo do tempo, permitindo identificar padrões e prever eventos futuros. Com o avanço da aprendizagem profunda, modelos como Redes Neurais Recorrentes (RNN) e Long Short-Term Memory (LSTM) têm superado métodos tradicionais na modelagem de dependências temporais em dados sequenciais. Este estudo busca prever o comportamento das temperaturas do ar e do solo em Rivera (Uruguai), utilizando dados coletados entre julho de 2023 e abril de 2024 por um sistema de monitoramento remoto, em parceria com a Universidad Tecnológica del Uruguay (UTEC). São avaliadas, em particular, as técnicas de LSTM e Regressão Linear para prever e recuperar dados de temperatura ausentes devido a falhas nos sensores ou manutenção. Os resultados indicam que ambas as técnicas recuperam os dados de forma satisfatória, sendo a LSTM a mais precisa nos casos testados.
- 8 April 2026
- Published by Revista Mundi in Revista Mundi Engenharia, Tecnologia e Gestão (ISSN: 2525-4782)
- Vol. 11 (1)
Open AccessPREDIÇÃO DE DADOS DE TEMPERATURA VIA LSTM E REGRESSÃO LINEAR: ESTUDO DE CASO EM RIVERA, URUGUAI
A energia geotérmica superficial é uma fonte promissora de energia renovável, proporcionando soluções sustentáveis para o aquecimento e resfriamento de edificações. Exemplos disso são os Trocadores de Calor Solo-Ar (TCSA), que utilizam ventiladores de baixa potência para circular o ar por dutos subterrâneos, reduzindo o consumo de energia de sistemas convencionais de ar-condicionado. A eficiência dos TCSA depende de dados sobre as temperaturas do ar e do solo, obtidos por meio de modelagem matemática e técnicas de inteligência artificial. Esses modelos, inspirados no funcionamento do cérebro humano, são capazes de aprender padrões complexos em grandes volumes de dados. A previsão de séries temporais é essencial para a análise de dados, pois envolve sequências coletadas ao longo do tempo, permitindo identificar padrões e prever eventos futuros. Com o avanço da aprendizagem profunda, modelos como Redes Neurais Recorrentes (RNN) e Long Short-Term Memory (LSTM) têm superado métodos tradicionais na modelagem de dependências temporais em dados sequenciais. Este estudo busca prever o comportamento das temperaturas do ar e do solo em Rivera (Uruguai), utilizando dados coletados entre julho de 2023 e abril de 2024 por um sistema de monitoramento remoto, em parceria com a Universidad Tecnológica del Uruguay (UTEC). São avaliadas, em particular, as técnicas de LSTM e Regressão Linear para prever e recuperar dados de temperatura ausentes devido a falhas nos sensores ou manutenção. Os resultados indicam que ambas as técnicas recuperam os dados de forma satisfatória, sendo a LSTM a mais precisa nos casos testados.
- Open Access
- 21 February 2026
- Published by Elsevier in Journal of Water Process Engineering
- Vol. 84
Feature-DTW and Mel-Spectrogram-based sensor fusion: A framework for leak detection and classification in water distribution systems
- 21 February 2026
- Published by Elsevier in Journal of Water Process Engineering
- Vol. 84
Open AccessFeature-DTW and Mel-Spectrogram-based sensor fusion: A framework for leak detection and classification in water distribution systems
- Open Access
- 1 August 2025
- Published by Brazilian Journals in Revista Contemporânea
- Vol. 5 (8) , e8850
MODELOS DE APRENDIZADO DE MÁQUINA NA IDENTIFICAÇÃO DE PADRÕES DE ESCOAMENTO DE ÓLEO-ÁGUA
Os sistemas de fluxo bifásico envolvem o movimento de duas fases distintas, tais como líquido-líquido ou óleo-gás. Eles são amplamente utilizados na indústria petroquímica e de energia, com aplicações na produção e escoamento de petróleo e gás, dentre outras. Os padrões de escoamento em dutos dependem de vários fatores, como sua velocidade e direção, as propriedades dos fluidos envolvidos e a geometria da instalação. Neste trabalho foram implementadas e avaliadas diferentes técnicas de aprendizagem de máquina, objetivando identificar padrões de escoamento do tipo líquido-líquido em tubulações. Os dados utilizados para treinar e avaliar os modelos de aprendizagem foram coletados a partir de estudos disponíveis na literatura. O objetivo da pesquisa foi analisar as acurácias dos modelos e compará-las com valores encontrados nas referências. De acordo com os resultados obtidos, a técnica Random Forest (Floresta Aleatória) foi a que apresentou maior acurácia, com um valor de 96,24%. Ela foi seguida pelas técnicas SVM (Máquinas de vetores de suporte) e KNN (K-Vizinhos Mais Próximos), que alcançaram acurácias de 94,13% e 89,20%, respectivamente.
- 1 August 2025
- Published by Brazilian Journals in Revista Contemporânea
- Vol. 5 (8) , e8850
Open AccessMODELOS DE APRENDIZADO DE MÁQUINA NA IDENTIFICAÇÃO DE PADRÕES DE ESCOAMENTO DE ÓLEO-ÁGUA
Os sistemas de fluxo bifásico envolvem o movimento de duas fases distintas, tais como líquido-líquido ou óleo-gás. Eles são amplamente utilizados na indústria petroquímica e de energia, com aplicações na produção e escoamento de petróleo e gás, dentre outras. Os padrões de escoamento em dutos dependem de vários fatores, como sua velocidade e direção, as propriedades dos fluidos envolvidos e a geometria da instalação. Neste trabalho foram implementadas e avaliadas diferentes técnicas de aprendizagem de máquina, objetivando identificar padrões de escoamento do tipo líquido-líquido em tubulações. Os dados utilizados para treinar e avaliar os modelos de aprendizagem foram coletados a partir de estudos disponíveis na literatura. O objetivo da pesquisa foi analisar as acurácias dos modelos e compará-las com valores encontrados nas referências. De acordo com os resultados obtidos, a técnica Random Forest (Floresta Aleatória) foi a que apresentou maior acurácia, com um valor de 96,24%. Ela foi seguida pelas técnicas SVM (Máquinas de vetores de suporte) e KNN (K-Vizinhos Mais Próximos), que alcançaram acurácias de 94,13% e 89,20%, respectivamente.
- Open Access
- 6 December 2024
- Published by Universidade Federal de Santa Maria in Ciência e Natura
- Vol. 46
Chaotic dynamics of the sugarcane borer-two parasitoid agroecosystem with seasonality
Sugarcane production is a significant and profitable agribusiness sector in many countries. Nevertheless, this industry suffers significant losses from the sugarcane pests, among which the most important one is the sugarcane borer (Diatraea saccharalis). This pest population is hard to be controlled due to its different life stages, thus biological control (with more than one predator species) can be applied. Therefore, in this work, we present and analyze a mathematical model that describes the dynamics of the sugarcane borer and its two different life stages parasitoids: eggs (Trichogramma galloi) and larval (Cotesia flavipes). First, a host-parasitoid model is used to obtain the population dynamics, which also considers the influence of seasonal variations. Then, system simulations and bifurcation diagrams show that the introduction of seasonality perturbations causes complex dynamics and results in limit cycles and strange attractors.
- 6 December 2024
- Published by Universidade Federal de Santa Maria in Ciência e Natura
- Vol. 46
Open AccessChaotic dynamics of the sugarcane borer-two parasitoid agroecosystem with seasonality
Sugarcane production is a significant and profitable agribusiness sector in many countries. Nevertheless, this industry suffers significant losses from the sugarcane pests, among which the most important one is the sugarcane borer (Diatraea saccharalis). This pest population is hard to be controlled due to its different life stages, thus biological control (with more than one predator species) can be applied. Therefore, in this work, we present and analyze a mathematical model that describes the dynamics of the sugarcane borer and its two different life stages parasitoids: eggs (Trichogramma galloi) and larval (Cotesia flavipes). First, a host-parasitoid model is used to obtain the population dynamics, which also considers the influence of seasonal variations. Then, system simulations and bifurcation diagrams show that the introduction of seasonality perturbations causes complex dynamics and results in limit cycles and strange attractors.
- 9 July 2024
- Published by Springer Nature in Journal of Real-Time Image Processing
- Vol. 21 (4) , 1-13
A novel single kernel parallel image encryption scheme based on a chaotic map
- 9 July 2024
- Published by Springer Nature in Journal of Real-Time Image Processing
- Vol. 21 (4) , 1-13
A novel single kernel parallel image encryption scheme based on a chaotic map
- Open Access
- 8 April 2024
- Published by Springer Nature in Research Square
A novel single kernel parallel image encryption scheme based on a chaotic map
The development of communication technologies has increased concerns about data security, increasing the prominence of cryptography. Images are one of the most widely shared data, and chaotic ciphers arouse significant interest from researchers, as traditional ciphers are optimized for text encryption. Chaotic encryption schemes perform well for low-quality images, however, they are not fast enough for real-time encryption of Full Ultra HD images. Hence, a novel cipher to be executed in GPU architectures is proposed, where the encryption procedure consists of a single kernel, making it different from previous chaotic works and also from the AES. This enables our work to achieve a throughput of 130.8 GB/s on a GeForce RTX3070 and 251.6 GB/s on a Tesla V100 GPU, an increase of 37\% compared to the AES, and 43 times higher than the previously high for chaotic ciphers. The cipher's security is also verified regarding multiple forms of attacks.
- 8 April 2024
- Published by Springer Nature in Research Square
Open AccessA novel single kernel parallel image encryption scheme based on a chaotic map
The development of communication technologies has increased concerns about data security, increasing the prominence of cryptography. Images are one of the most widely shared data, and chaotic ciphers arouse significant interest from researchers, as traditional ciphers are optimized for text encryption. Chaotic encryption schemes perform well for low-quality images, however, they are not fast enough for real-time encryption of Full Ultra HD images. Hence, a novel cipher to be executed in GPU architectures is proposed, where the encryption procedure consists of a single kernel, making it different from previous chaotic works and also from the AES. This enables our work to achieve a throughput of 130.8 GB/s on a GeForce RTX3070 and 251.6 GB/s on a Tesla V100 GPU, an increase of 37\% compared to the AES, and 43 times higher than the previously high for chaotic ciphers. The cipher's security is also verified regarding multiple forms of attacks.
- 25 January 2023
- Published by Elsevier in Chaos, Solitons & Fractals
- Vol. 168
A novel simultaneous permutation–diffusion image encryption scheme based on a discrete space map
- 25 January 2023
- Published by Elsevier in Chaos, Solitons & Fractals
- Vol. 168
A novel simultaneous permutation–diffusion image encryption scheme based on a discrete space map
- 1 October 2021
- Published by Elsevier in Chaos, Solitons & Fractals
- Vol. 151
A new efficient permutation-diffusion encryption algorithm based on a chaotic map
- 1 October 2021
- Published by Elsevier in Chaos, Solitons & Fractals
- Vol. 151
A new efficient permutation-diffusion encryption algorithm based on a chaotic map