Aprendizado de Máquina Baseado em Redes Complexas Multicamadas para Representação e Processamento de Dados Dinâmicos Heterogêneos da Soja

• Processo: 25/13510-4
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de março de 2026
• Data de Término da vigência: 29 de fevereiro de 2028
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Zhao Liang
• Beneficiário: Murtiza Ali
• Instituição Sede: Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto (FFCLRP). Universidade de São Paulo (USP). Ribeirão Preto , SP, Brasil
• Vinculado ao auxílio: 24/15430-5 - Fusão de dados multimodais e modelagem de crescimento baseados em aprendizado de máquina para melhoria da produção de soja, AP.PFPMCG.TEM
• Palavra(s)-Chave do Pesquisador: Complex Network-Based Machine Learning | Graph Learning | Heterogeneous Data | Multilayer networks | Multi-modal Data Fusion | Temporal Date | Artificial Intelligence, Digital Agriculture

Resumo

Redes complexas oferecem grandes vantagens para a representação de dados, permitindo capturar relações espaciais, topológicas, dinâmicas e funcionais em grandes conjuntos de dados. Este projeto tem como objetivo projetar um esquema geral para representação e análise de dados dinâmicos heterogêneos. Especificamente, os dados de entrada serão representados por redes complexas multicamadas e, em seguida, técnicas de detecção de comunidades em redes multicamadas serão desenvolvidas. Após isso, o método de detecção de comunidades e medidas relevantes de redes multicamadas serão utilizados para caracterizar as relações entre diferentes partes da rede em diferentes escalas, com o objetivo de descobrir novos conhecimentos. O esquema de representação de dados baseado em redes será aplicado para integrar diversos tipos de dados da soja, com os objetivos de prever a produção e revelar relações de causa e efeito ou outros tipos de correlações.