Caracterização de redes dinâmicas: métodos e aplicações

• Processo: 16/16291-2
• Modalidade de apoio: Bolsas no Exterior - Pesquisa
• Data de Início da vigência: 01 de janeiro de 2017
• Data de Término da vigência: 31 de dezembro de 2017
• Área de conhecimento: Engenharias - Engenharia Elétrica - Eletrônica Industrial, Sistemas e Controles Eletrônicos
• Pesquisador responsável: Marcos Gonçalves Quiles
• Beneficiário: Marcos Gonçalves Quiles
• Pesquisador Anfitrião: Richard Charles Wilson
• Instituição Sede: Instituto de Ciência e Tecnologia (ICT). Universidade Federal de São Paulo (UNIFESP). Campus São José dos Campos. São José dos Campos , SP, Brasil
• Instituição Anfitriã: University of York, Inglaterra
• Vinculado ao auxílio: 15/50122-0 - Fenômenos dinâmicos em redes complexas: fundamentos e aplicações, AP.TEM
• Assunto(s): Redes complexas
• Palavra(s)-Chave do Pesquisador: detecção de comunidades | Medidas de redes dinâmicas | redes climáticas | Redes Complexas

Resumo

O estudo de sistemas reais via redes complexas tem sido uma área bastante ativa nos últimos anos. Contudo, grande parte do progresso obtido nesse período está relacionado ao estudo das propriedades de redes com topologia fixa (estática). Comumente, o estudo e a síntese de redes complexas faz uso de medidas capazes de caracterizar seus principais atributos topológicos. A caracterização da rede é útil tanto no entendimento e reconhecimento de sistemas reais quanto em modelagem e simulação de sistemas sintéticos. No cenário dinâmico, a estrutura topológica pode variar ao longo do tempo, podendo, inclusive, acarretar na alteração de funções e propriedades do sistema em estudo. Dessa forma, a definição de medidas capazes de caracterizar as propriedades estruturais de redes dinâmicas e suas respectivas alterações ao longo do tempo são essenciais em diversos cenários não estacionários, i.e. o clima. Nesse contexto, este projeto de pesquisa tem como um de seus objetivos desenvolver novas abordagens para caracterizar redes dinâmicas tanto em micro quanto em macro escala. Em especial, pretende-se estender o modelo proposto por Quiles et al. (1) nos seguintes aspectos: 1) caracterização da estrutura de comunidades em redes dinâmicas genéricas e 2) estudo da representação via espaço de partículas para extração de novas medidas. Este projeto também prevê a aplicação dos métodos desenvolvidos no estudo da evolução de redes climáticas. Como abordagem inicial, estender-se-a as metodologias propostas em (2,3) para estudo da evolução temporal da estrutura de comunidades em redes climáticas geradas a partir de imagens de satélite. Por fim, é importante destacar que os resultados obtidos no desenvolvimento desse projeto irão contribuir diretamente com o Projeto Temático FAPESP/DFG (Proc. 2015/50122-0). O proponente coordena o subprojeto C6 que visa estudar sistematicamente, via análise de redes, a dinâmica do sistema de monções da América do Sul, em especial as influências dos regimes tropicais e extra-tropicais sobre sistema de monções.----Projeto C6: Complex network analysis of scale-dependent and cross-scale interactions between tropical and extra-tropical climate modes. (AU)

Publicações científicas

(9)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

GOUVEA, ALESSANDRA M. M. M.; DA SILVA, TIAGO S.; MACAU, ELBERT E. N.; QUILES, MARCOS G.. Force-directed algorithms as a tool to support community detection. European Physical Journal-Special Topics, JUN 2021. (19/00157-3, 17/05831-9, 15/50122-0, 19/26283-5, 16/16291-2, 16/23698-1, 16/23642-6)

CERON, WILSON; SANTOS, LEONARDO B. L.; NETO, GIOVANNI DOLIF; QUILES, MARCOS G.; CANDIDO, ONOFRE A.. Community Detection in Very High-Resolution Meteorological Networks. IEEE Geoscience and Remote Sensing Letters, v. 17, n. 11, p. 2007-2010, NOV 2020. (16/16291-2, 15/50122-0, 18/06205-7)

GOUVEA, ALESSANDRA M. M. M.; RUBIDO, NICOLAS; MACAU, ELBERT E. N.; QUILES, MARCOS G.. Importance of Numerical Implementation and Clustering Analysis in Force-Directed Algorithms for Accurate Community Detection. Applied Mathematics and Computation, v. 431, p. 21-pg., 2022-10-15. (19/26283-5, 17/05831-9, 16/23698-1, 16/16291-2, 19/00157-3)

FERREIRA, LEONARDO N.; VEGA-OLIVEROS, DIDIER A.; COTACALLAPA, MOSHE; CARDOSO, MANOEL F.; QUILES, MARCOS G.; ZHAO, LIANG; MACAU, ELBERT E. N.. Spatiotemporal data analysis with chronological networks. NATURE COMMUNICATIONS, v. 11, n. 1, AUG 12 2020. (13/07375-0, 17/05831-9, 18/24260-5, 16/23698-1, 16/16291-2, 15/50122-0, 19/00157-3, 19/26283-5)

GOUVEA, ALESSANDRA M. M. M.; VEGA-OLIVEROS, DIDIER A.; COTACALLAPA, MOSHE; FERREIRA, LEONARDO N.; MACAU, ELBERT E. N.; QUILES, MARCOS G.; GERVASI, O; MURGANTE, B; MISRA, S; GARAU, C; et al. Dynamic Community Detection into Analyzing of Wildfires Events. COMPUTATIONAL SCIENCE AND ITS APPLICATIONS - ICCSA 2020, PT I, v. 12249, p. 16-pg., 2020-01-01. (16/16291-2, 19/26283-5, 17/05831-9, 19/00157-3, 15/50122-0, 16/23698-1, 16/23642-6)

GOUVEA, ALESSANDRA M. M. M.; DA SILVA, TIAGO S.; MACAU, ELBERT E. N.; QUILES, MARCOS G.. Force-directed algorithms as a tool to support community detection. European Physical Journal-Special Topics, v. 230, n. 14-15, p. 2745-2763, OCT 2021. (16/16291-2, 19/26283-5, 16/23698-1, 17/05831-9, 19/00157-3, 16/23642-6, 15/50122-0)

COTACALLAPA, MOSHE; BERTON, LILIAN; FERREIRA, LEONARDO N.; QUILES, MARCOS G.; ZHAO, LIANG; MACAU, ELBERT E. N.; VEGA-OLIVEROS, DIDIER A.; IEEE. Measuring the engagement level in encrypted group conversations by using temporal networks. 2020 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN), v. N/A, p. 8-pg., 2020-01-01. (17/05831-9, 16/23698-1, 16/16291-2, 18/24260-5, 15/50122-0, 18/01722-3, 19/00157-3)

VEGA-OLIVEROS, DIDIER A.; COTACALLAPA, MOSHE; FERREIRA, LEONARDO N.; QUILES, MARCOS G.; ZHAO, LIANG; MACAU, ELBERT E. N.; CARDOSO, MANOEL F.; ASSOC COMP MACHINERY. From spatio-temporal data to chronological networks: An application to wildfire analysis. SAC '19: PROCEEDINGS OF THE 34TH ACM/SIGAPP SYMPOSIUM ON APPLIED COMPUTING, v. N/A, p. 8-pg., 2019-01-01. (18/24260-5, 18/01722-3, 15/50122-0, 16/23698-1, 11/18496-7, 17/05831-9, 16/16291-2)

SANTOS, JEFERSON S.; SAVII, RICARDO M.; IDE, JAIME S.; LI, CHIANG-SHAN R.; QUILES, MARCOS G.; BASGALUPP, MARCIO P.; GERVASI, O; MURGANTE, B; MISRA, S; BORRUSO, G; et al. Classification of Cocaine Dependents from fMRI Data Using Cluster-Based Stratification and Deep Learning. COMPUTATIONAL SCIENCE AND ITS APPLICATIONS - ICCSA 2017, PT I, v. 10404, p. 16-pg., 2017-01-01. (16/16291-2, 16/02870-0)