| Processo: | 18/24260-5 |
| Linha de fomento: | Bolsas no Exterior - Estágio de Pesquisa - Pós-Doutorado |
| Vigência (Início): | 01 de fevereiro de 2019 |
| Vigência (Término): | 31 de janeiro de 2020 |
| Área do conhecimento: | Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação |
| Pesquisador responsável: | Zhao Liang |
| Beneficiário: | Didier Augusto Vega Oliveros |
| Supervisor no Exterior: | Santo Fortunato |
| Instituição-sede: | Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto (FFCLRP). Universidade de São Paulo (USP). Ribeirão Preto , SP, Brasil |
| Local de pesquisa: | Indiana University, Estados Unidos |
| Vinculado à bolsa: | 16/23698-1 - Processos Dinâmicos em Aprendizado de Máquina baseados em Redes Complexas, BP.PD |
| Assunto(s): | Redes complexas |
Resumo A teoria de redes complexas ajudou a identificar informações valiosas em muitos domínios, onde os sistemas são complexos, com conexões e propriedades não triviais. Desta forma, entender como a estrutura da rede impacta a dinâmica e também como inferir a estrutura a partir dessas dinâmicas é de suma importância para a área. Neste projeto, objetivamos desenvolver métodos para analisar os padrões de atividade e evolução das redes dinâmicas. O projeto inclui a proposta, desenvolvimento e teste de novas técnicas para mineração de redes temporais e dinâmicas e a aplicação de técnicas de análise de redes para problemas do mundo real. Analisaremos e avaliaremos padrões de redes dinâmicas em dados espaços-temporais de clima, cujos índices climáticos são geo e temporalmente marcados. Vamos propor um conjunto de métodos para redes geo-temporais que, embora aplicados sobre dados climáticos, podem em princípio ser estendidos a qualquer tipo de dados temporais. Outros possíveis conjuntos de dados que iremos explorar incluem a difusão da desinformação, dados da rede de votação e redes de opinião. Quanto à fundamentação para a avaliação geo-temporal, pretendemos aplicar e adaptar métodos clássicos de redes, incluindo medidas de centralidade, algoritmos de detecção de comunidades e métricas globais de redes para avaliar a estrutura. As análises serão realizadas considerando a teoria de redes complexas, aprendizado de máquina e redes dinâmicas, utilizando conjuntos de dados artificiais e reais, avaliando os métodos da literatura e aplicando-os a problemas reais. | |