Polarização em sistemas de agentes: aprendizagem em redes neurais e propriedades coletivas emergentes

• Processo: 19/27825-6
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Vigência (Início): 01 de novembro de 2020
• Vigência (Término): 31 de outubro de 2021
• Área do conhecimento: Ciências Exatas e da Terra - Física - Física Geral
• Pesquisador responsável: Nestor Felipe Caticha Alfonso
• Beneficiário: José Arthur de Toledo Queiroz
• Instituição Sede: Instituto de Física (IF). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Assunto(s): Redes neurais (computação) Processamento da informação Métodos de análise Técnicas computacionais Aprendizado computacional Mecânica estatística Teoria da informação
• Palavra(s)-Chave do Pesquisador: dinâmica de aprendizado | Redes neurais | Sistemas de agentes | Transições de fase | Mecânica Estatística e Teoria de Informação

Resumo

O estudante participará do programa de pesquisa que lida com aprendizagem em redes neurais e 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 construídas sociedades de agentes para modelar processos de Polarização com respeito a opiniões. Após um período de estudo das bases teóricas, o estudante deverá participar do processo de construção de modelos e 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 em diversas áreas tais como padrões de votação de sistemas Legislativos de diferentes países, moralidade e redes sociais digitais.