| Processo: | 16/23698-1 |
| Modalidade de apoio: | Bolsas no Brasil - Pós-Doutorado |
| Data de Início da vigência: | 01 de julho de 2017 |
| Data de Término da vigência: | 31 de março de 2020 |
| Área de conhecimento: | Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação |
| Pesquisador responsável: | Zhao Liang |
| Beneficiário: | Didier Augusto Vega Oliveros |
| Instituição Sede: | Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto (FFCLRP). Universidade de São Paulo (USP). Ribeirão Preto , SP, Brasil |
| Vinculado ao auxílio: | 15/50122-0 - Fenômenos dinâmicos em redes complexas: fundamentos e aplicações, AP.TEM |
| Bolsa(s) vinculada(s): | 18/24260-5 - Análise de dados espaço-temporais baseado em redes complexas, BE.EP.PD |
| Assunto(s): | Aprendizado computacional Redes complexas |
| Palavra(s)-Chave do Pesquisador: | Aprendizado de Máquina | Processos de propagação | Propagação de rótulos | Redes Complexas | Redes de informação heterogênea | Redes Multicamadas | Aprendizado de Máquina |
Resumo Processos de propagação são ubíquos em muitos sistemas complexos baseados em redes. A propagação de uma epidemia, um rótulo ou informação compartilham características semelhantes e dependem profundamente da organização da rede. As redes complexas possuem natureza heterogênea, onde alguns vértices são mais influentes que outros e existem diferentes tipos de vértices conectados entre si. Desse modo, entender como a estrutura da rede impacta nas dinâmicas e também como inferir a estrutura a partir dessas dinâmicas é de suma importância para a área. Neste projeto, objetivamos desenvolver métodos para aprimorar as tarefas dos processos dinâmicos de aprendizado de máquina em redes complexas, analisando o impacto que a rede exerce sobre elas. Vamos analisar quais os vértices mais influentes na tarefa de propagação de rótulos e quais podem ser recomendados para serem rotulados de modo a maximizar os resultados do processo. Também, desenvolveremos métodos para detectar a estrutura de comunidades da rede a partir das dinâmicas de propagação. Por último, mediante o uso de redes multicamadas, desenvolveremos um método de seleção de atributos próprio para redes. As análises serão conduzidas considerando a teoria de redes complexas e aprendizado de máquina, usando bases de dados artificiais e reais, avaliando com os métodos da literatura e aplicando em possíveis problemas reais. | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |