Redes neurais artificiais e redes complexas: um estudo integrativo de propriedades topológicas e reconhecimento de padrões

• Processo: 19/07811-0
• Linha de fomento: Bolsas no Brasil - Doutorado
• Vigência (Início): 01 de janeiro de 2020
• Vigência (Término): 31 de julho de 2022
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Odemir Martinez Bruno
• Beneficiário: Leonardo Felipe dos Santos Scabini
• Instituição-sede: Instituto de Física de São Carlos (IFSC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Inteligência artificial Redes neurais (computação) Redes complexas Reconhecimento de padrões

Resumo

Redes Neurais Artificiais (RNAs) e redes complexas estão em foco nos dias atuais devido aos avanços na inteligência artificial, no hardware dos computadores e o fenômeno de big data. Arquiteturas profundas de RNAs atuais tem atingido alto desempenho em problemas complexos, no entanto, devido à falta de conhecimento a respeito de seu funcionamento interno, são utilizadas como uma abordagem "caixa preta". Nesse caso são necessários novos estudos sobre o funcionamento dessas redes, para que novos modelos mais robustos e interpretáveis sejam desenvolvidos. Por outro lado, a análise de grandes redes complexas é também um desafio, em termos matemáticos e computacionais, e é essencial no entendimento de inúmeros sistemas reais que governam o funcionamento da sociedade moderna. Nesse contexto, a proposta para a presente pesquisa é um estudo integrativo entre essas duas áreas. RNAs são naturalmente representadas por grafos, e suas múltiplas entidades (neurônios) interagem ativamente entre si. Portanto, a partir de técnicas de redes complexas propriedades topológicas de RNAs serão analisadas com o objetivo de traçar correlações entre sua organização estrutural e seu funcionamento. A outra linha de pesquisa da proposta é utilizar e modificar arquiteturas de RNAs convolucionais atuais para o reconhecimento de padrões em redes complexas, tal como a caracterização de diferentes classes topológicas. Técnicas de análise multiescala e dinâmica em redes complexas serão abordadas para a construção de representações de menor dimensão, obtendo-se assim matrizes que podem ser utilizadas como entrada de RNAs convolucionais. Por fim, o objetivo é estabelecer novos conhecimentos dentro de ambas as áreas, assim como o desenvolvimento de novos modelos e técnicas combinando RNAs e redes complexas para o reconhecimento de padrões. Além disso as propostas serão aplicadas em diversos problemas reais através de parcerias com laboratórios nacionais e internacionais de áreas como Biologia, Medicina e Agricultura. (AU)

Publicações científicas

(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)

SCABINI, LEONARDO F. S.; RIBAS, LUCAS C.; NEIVA, MARIANE B.; JUNIOR, ALTAMIR G. B.; FARFAN, ALEX J. F.; BRUNO, ODEMIR M. Social interaction layers in complex networks for the dynamical epidemic modeling of COVID-19 in Brazil. PHYSICA A-STATISTICAL MECHANICS AND ITS APPLICATIONS, v. 564, FEB 15 2021. Citações Web of Science: 0.

RODRIGUES, VALQUIRIA C.; SOARES, JULIANA C.; SOARES, ANDREY C.; BRAZ, DANIEL C.; MELENDEZ, MATIAS ELISEO; RIBAS, LUCAS C.; SCABINI, LEONARDO F. S.; BRUNO, ODEMIR M.; CARVALHO, ANDRE LOPES; REIS, RUI MANUEL; SANFELICE, RAFAELA C.; OLIVEIRA, JR., OSVALDO N. Electrochemical and optical detection and machine learning applied to images of genosensors for diagnosis of prostate cancer with the biomarker PCA3. Talanta, v. 222, JAN 15 2021. Citações Web of Science: 0.