Texto completo
| |
| Autor(es): |
Lucas Silva Simões
Número total de Autores: 1
|
| Tipo de documento: | Dissertação de Mestrado |
| Imprenta: | São Paulo. |
| Instituição: | Universidade de São Paulo (USP). Instituto de Física (IF/SBI) |
| Data de defesa: | 2018-08-29 |
| Membros da banca: |
Nestor Felipe Caticha Alfonso;
Marco Aurelio Pires Idiart;
Carlos Alberto de Braganca Pereira
|
| Orientador: | Nestor Felipe Caticha Alfonso |
| Resumo | |
Esse projeto lida com o estudo da dinâmica de aprendizado social de agentes em uma sociedade. Para isso empregamos técnicas de mecânica estatística, aprendizado de máquina e teoria de probabilidades. Agentes interagem em pares trocando opiniões pró/contra questões usando um algoritmo restringido pela informação disponível. Fazendo-se uso de uma análise de máxima entropia, pode-se descrever o par da interação como uma dinâmica ao longo do gradiente do logaritmo da evidência. Isso permite introduzir quantidades similares a energia e Hamiltonianos globais aproximados. Testamos diferentes hipóteses tendo em mente as limitações e as vantagens de cada uma. Conhecimento do valor esperado do Hamiltoniano é informação relevante para o estado da sociedade, induzindo uma distribuição canônica a partir de máxima entropia. Os resultados são interpretados com as ferramentas usuais de mecânica estatística e termodinâmica. Algumas das questões que discutimos são: a existência de transições de fase separando fases ordenada e desordenada dependendo dos parâmetros da sociedade; o como a questão sendo discutida pelos agentes influencia os resultados da discussão, e como isso se reflete na organização do grupo como um todo; e as possíveis diferentes interações entre partidos opostos, e até que ponto o desacordo afeta a coesão da sociedade. (AU) | |
| Processo FAPESP: | 16/15860-3 - Propriedades coletivas emergentes em sociedades de redes neurais |
| Beneficiário: | Lucas Silva Simões |
| Modalidade de apoio: | Bolsas no Brasil - Mestrado |