Ana Luiza Bessa de Paula Barros

Dr. Ana Luiza Bessa de Paula Barros

orcid

Research Focus & Metrics

Academic Career Length

6Years (2021-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications

17 June 2023 in Journal of Network and Systems Management
Verified
Journal Article
Closed access
PDF file
TLTiago Linhares
Tiago Linhares
Ahmed PatelAhmed Patel
Ahmed Patel
ABAna Luiza Bessa de Paula Barros
Ana Luiza Bessa de Paula Barros
MFMarcial Fernandez
Marcial Fernandez

14 May 2025 in International Journal of Information Security
Verified
Journal Article
Closed access
PDF file
HZHayette Zeghida
Hayette Zeghida
MBMehdi Boulaiche
Mehdi Boulaiche
RCRamdane Chikh
Ramdane Chikh
Ahmed PatelAhmed Patel
Ahmed Patel
ABAna Luiza Bessa de Paula Barros
Ana Luiza Bessa de Paula Barros
ABAlwi M. Bamhdi
Alwi M. Bamhdi

6 September 2022 in Applied Sciences
Verified
Journal Article
Open access
PDF file
EAEvandro Carvalho de Andrade
Evandro Carvalho de Andrade
Placido Rogerio PinheiroPlacido Rogerio Pinheiro
Placido Rogerio Pinheiro
ABAna Luiza Bessa de Paula Barros
Ana Luiza Bessa de Paula Barros
LNLuciano Comin Nunes
Luciano Comin Nunes
LPLuana Pinheiro
Luana Pinheiro
Raimir Holanda FilhoRaimir Holanda Filho
Raimir Holanda Filho
Predictive modelling strategies can optimise the clinical diagnostic process by identifying patterns among various symptoms and risk factors, such as those presented in cases of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2), also known as coronavirus (COVID-19). In this context, the present research proposes a comparative analysis using benchmarking techniques to evaluate and validate the performance of some classification algorithms applied to the same dataset, which contains information collected from patients diagnosed with COVID-19, registered in the Influenza Epidemiological Surveillance System (SIVEP). With this approach, 30,000 cases were analysed during the training and testing phase of the prediction models. This work proposes a comparative approach of machine learning algorithms (ML), working on the knowledge discovery task to predict clinical evolution in patients diagnosed with COVID-19. Our experiments show, through appropriate metrics, that the clinical evolution classification process of patients diagnosed with COVID-19 using the Multilayer Perceptron algorithm performs well against other ML algorithms. Its use has significant consequences for vital prognosis and agility in measures used in the first consultations in hospitals.

28 June 2025 in International Journal of Information Security
Verified
Journal Article
Closed access
PDF file
SFSaida Farhat
Saida Farhat
Ahmed PatelAhmed Patel
Ahmed Patel
ABAna Luiza Bessa de Paula Barros
Ana Luiza Bessa de Paula Barros
ABAlwi M Bamhdi
Alwi M Bamhdi

31 August 2021 in Ambiente: Gestão e Desenvolvimento
Verified
Journal Article
Open access
PDF file
PGPedro Henrique de Lima Gomes
Pedro Henrique de Lima Gomes
LALucinda Oliveira Amaro
Lucinda Oliveira Amaro
FSFrancisca Nayane Saraiva da Silva
Francisca Nayane Saraiva da Silva
FMFrancisco Frederico dos Santos Matos
Francisco Frederico dos Santos Matos
ABAna Luiza Bessa de Paula Barros
Ana Luiza Bessa de Paula Barros
MOMona Lisa Moura de Oliveira
Mona Lisa Moura de Oliveira
Dentre os modelos matemáticos que objetivam entender e otimizar o processo de produção de biogás (PB), destaca-se o modelo de digestão anaeróbica nº 1 (ADM1). Os principais fatores limitantes da implementação do ADM1 referem-se a sua calibração. Diante disto, o presente trabalho teve como objetivo ajustar o ADM1 para a PB usando glicose e dejetos suínos diluídos em água. A PB experimental ocorreu dentro de um tempo de retenção hidráulica (TRH) de 13 dias em regime de batelada, e a análise do biogás produzido foi realizada via cromatografia gasosa. A produção simulada foi obtida a partir do MATLAB® mediante o ajuste de parâmetros bioquímicos, físico-químicos e operacionais. O volume médio acumulado diário de biogás experimental obtido foi de 160 mL·dia-1, estando 9,03 mL·dia-1 abaixo do valor simulado (R2 = 0,98). As concentrações percentuais de CO2 (60% e 52%) e CH4 (40% e 48%) previstos em simulação para um TRH de 6 dias estavam de acordo com os mensurados experimentalmente, respectivamente. Nesse contexto, conclui-se que o modelo calibrado pode ser usado como base de previsão para a PB em condições similares à observada por esse estudo.