Visualização de séries temporais não lineares transformadas como redes para reconhecimento de padrões

• Processo: 18/08239-6
• Linha de fomento: Auxílio à Pesquisa - Regular
• Vigência: 01 de maio de 2019 - 30 de abril de 2022
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Convênio/Acordo: University of Münster (WWU)
• Proposta de Mobilidade: SPRINT - Projetos de pesquisa - Mobilidade
• Pesquisador responsável: Odemir Martinez Bruno
• Beneficiário: Odemir Martinez Bruno
• Pesq. responsável no exterior: Lars Linsen
• Instituição no exterior: University of Munster, Alemanha
• Instituição-sede: Instituto de Física de São Carlos (IFSC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Vinculado ao auxílio: 14/08026-1 - Visão artificial e reconhecimento de padrões aplicados em plasticidade vegetal, AP.R
• Assunto(s): Sistemas dinâmicos Análise de séries temporais Reconhecimento de padrões Redes complexas Pseudoaleatoriedade

Resumo

O Prof. Odemir M. Bruno foi um dos participantes do Workshop WWU-USP em Munster em janeiro de 2018. Neste workshop, surgiram várias oportunidades de colaboração em pesquisa. Uma delas é a colaboração com o Prof. Lars Linsen, onde o objetivo principal é combinar a pesquisa de ambos os grupos, visualização de sistemas dinâmicos pelo lado alemão e padrões em sistemas complexos e caos pelo lado brasileiro. A motivação de unir esforços de ambas as equipes é a pesquisa nas áreas de sistemas não lineares e redes complexas e suas aplicações no campo de reconhecimento de padrões. O trabalho de ambas as equipes foi consolidado como promissor e relevante para essas áreas, já que ambas as equipes publicaram artigos em periódicos de alto impacto sobre o objetivo principal. Nossa principal motivação é dedicada à análise de dados de séries temporais gerados a partir de sistemas não lineares. Desde então, o grupo SCG-USP desenvolveu um gerador de números pseudo-aleatórios (PRNG) baseado em um conhecido sistema dinâmico caótico, o mapa logístico, que permite parametrizar a qualidade das seqüências pseudo-aleatórias. Assim, um novo contexto no reconhecimento de padrões foi aberto, que busca explorar sequências pseudo-aleatórias com o objetivo de distinguir a qualidade dos PRNGs. A abstração de sequências pseudo-aleatórias, primeiro representadas como séries temporais e depois modeladas como redes complexas, abre a possibilidade de usar métodos de reconhecimento de padrões em redes para poder estudar PRNGs para "medir pseudo-aleatoriedade" em tais sistemas. No entanto, há falta de ferramentas de visualização que possam auxiliar a tarefa de entender a abstração preliminar de dados. Normalmente, usamos projeções 2D: evolução do espaço-tempo, diagramas de dispersão, matriz de recorrência, layouts de rede etc. No entanto, essas ferramentas clássicas não são úteis para a visualização de redes devido a vários problemas. estrutura aleatória como conseqüência da fonte de não linearidade, enorme tamanho de rede e heterogeneidade. Assim, dentro deste contexto, pretendemos explorar novas ferramentas de visualização que facilitam a visualização / interação de padrões de redes de séries temporais. A principal razão por trás do interesse em seqüências de números pseudo-aleatórios é porque elas são a espinha dorsal das mais diversas. campos de aplicação: mecânica estatística, teoria da decisão, cálculo, indústria de jogos, simulação computacional, criptografia, etc. Portanto, o funcionamento de vários setores, como os setores industrial e financeiro, a necessidade de comunicações e transações seguras, blindagem de informação, entre outros. outras, tornaram-se fortemente dependentes dos avanços da criptologia em geral e, particularmente, das fontes de pseudo-aleatoriedade. (AU)