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
• Situação: Interrompido
• 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
• Bolsa(s) vinculada(s): 21/09163-6 - Ciência das redes para otimização de redes neurais artificiais em visão computacional, BE.EP.DR
• 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)

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; et al. 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. (19/07811-0, 18/22214-6, 18/18953-8, 16/23763-8)

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. (16/18809-9, 14/08026-1, 19/07811-0, 16/23763-8)

SOARES, JULIANA COATRINI; SOARES, ANDREY COATRINI; RODRIGUES, VALQUIRIA CRUZ; OITICICA, PEDRO RAMON ALMEIDA; RAYMUNDO-PEREIRA, PAULO AUGUSTO; BOTT-NETO, JOSE LUIZ; BUSCAGLIA, LORENZO A.; DE CASTRO, LUCAS DANIEL CHIBA; RIBAS, LUCAS C.; SCABINI, LEONARDO; et al. Detection of a SARS-CoV-2 sequence with genosensors using data analysis based on information visualization and machine learning techniques. MATERIALS CHEMISTRY FRONTIERS, v. 5, n. 15, p. 5658-5670, AUG 7 2021. (19/07811-0, 18/19750-3, 20/02938-0, 16/01919-6, 18/18953-8, 19/13514-9, 14/50867-3, 16/23763-8, 18/22214-6, 19/00101-8)