Detecção de comunidades em modelos de redes aleatórias para modelagem de dados do cérebro.

• Processo: 25/09861-6
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de julho de 2025
• Data de Término da vigência: 31 de julho de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Probabilidade
• Pesquisador responsável: Florencia Graciela Leonardi
• Beneficiário: Daniela Sano Adathi
• Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Vinculado ao auxílio: 13/07699-0 - Centro de Pesquisa, Inovação e Difusão em Neuromatemática - NeuroMat, AP.CEPID
• Palavra(s)-Chave do Pesquisador: modelo estocástico de blocos | modelos com variáveis latentes | redes aleatórias | Inferência para Processos Estocásticos

Resumo

O problema de detecção de comunidades em redes aleatórias consiste em agrupar os nós de uma rede em grupos ou comunidades com propriedades estatísticas similares, apenas conhecendo os padrões de conexão (arestas) do grafo aleatório. Quando as arestas representam distâncias entre pontos ou intensidades de conexão, o problema também é conhecido como agrupamento (clustering), um problema central em aprendizagem estatística, ciência de dados e inteligência artificial. Dentre os modelos probabilísticos com estrutura de comunidades, o Modelo Estocástico de Blocos é o mais estudado na literatura recente. Este modelo também tem sido aplicado para modelagem de dados do cérebro. Esta proposta visa estudar o Modelo Estocástico de Blocos e os algoritmos desenvolvidos recentemente e entender suas propriedades probabilísticas e estatísticas, assim como o seu potencial de aplicação na modelagem de dados cerebrais. A pesquisa que será desenvolvida consiste principalmente numa revisão da literatura recente sobre este modelo e suas extensões, a implementação de métodos de detecção de comunidades e seleção de modelos e sua aplicação para os dados gerados dentro do projeto CEPID NeuroMat. As ferramentas computacionais produzidas no contexto deste projeto serão disponibilizadas como código aberto em repositórios públicos. (AU)