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

• Processo: 26/22248-4
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de outubro de 2026
• Data de Término da vigência: 30 de setembro de 2028
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Zhao Liang
• Beneficiário: Al-Gaashani Mehdhar Salem Ali Muthanna
• 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
• Assunto(s): Aprendizado computacional Redes complexas Sensoriamento remoto Visão computacional Inteligência artificial
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | dados multimodais | Previsão da Produção de Soja | Redes Complexas | Sensoriamento Remoto | Visão Computacional | Inteligência Artificial

Resumo

Este projeto tem como objetivo desenvolver um esquema geral para a representação e análise de dados heterogêneos e dinâmicos. Especificamente, os dados de entrada serão representados por meio de redes complexas multicamadas. Em seguida, serão desenvolvidas técnicas de detecção de comunidades em redes multicamadas. Posteriormente, 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 identificar novos conhecimentos. O esquema de representação de dados baseado em redes será aplicado à integração de diferentes tipos de dados relacionados à soja, visando à predição da produtividade e à identificação de relações de causa e efeito ou de outros tipos de correlações relevantes. (AU)