Aprendizagem em redes neurais e propriedades coletivas emergentes em modelos baseados em agentes

• Processo: 19/01368-8
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de maio de 2019
• Data de Término da vigência: 31 de julho de 2021
• Área de conhecimento: Ciências Exatas e da Terra - Física - Áreas Clássicas de Fenomenologia e suas Aplicações
• Pesquisador responsável: Nestor Felipe Caticha Alfonso
• Beneficiário: Pietro Zanin
• Instituição Sede: Instituto de Física (IF). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Assunto(s): Mecânica estatística Redes neurais (computação) Aprendizado computacional Fenômenos críticos Probabilidade Processo legislativo
• Palavra(s)-Chave do Pesquisador: Algoritmos de aprendizagem em redes neurais | fenômenos criticos | Modelos de agentes | Propriedades Coletivas | Teoria de Informação | Mecânica Estatísitica

Resumo

O estudante participará do programa de pesquisa que lida com (I) aprendizagem em redes neurais e (II) a construção e caracterização de modelos de agentes que processam informação usando redes neurais. As bases teóricas são teoria de Probabilidades, Mecânica Estatística, Teoria de Informação e Aprendizagem de Máquinas. Os métodos incluem técnicas analíticas e computacionais. Serão feitas aplicações no estudo de formação de consenso com respeito a opiniões morais e no estudo da dinâmica de opiniões. O estudante deverá realizar comparações entre máquinas aprendendo uma tarefa usando diferentes métodos de treinamento e confrontar predições teóricas para modelos de sociedades com grandes bancos de dados sobre opiniões morais, dados etnográficos e padrões de votação de sistemas Legislativos de diferentes países.