Das Cidades às Séries: Redes Complexas e Aprendizado Profundo para Aprimorar Análises Espaciais e Temporais

Autor(es)

Gabriel Spadon de Souza

• Tipo de documento: Tese de Doutorado
• Imprenta: São Carlos.
• Instituição: Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB)
• Data de defesa: 2021-07-12

Membros da banca

José Fernando Rodrigues Junior; Zhao Liang; Ana Carolina Lorena; Mirella Moura Moro

• Orientador: José Fernando Rodrigues Junior

Resumo

A relação entre diferentes entidades de um conjunto de dados é uma propriedade passível de ser representada por um grafo, os quais são conjuntos estruturados formados por entidades (i.e., vértices) e relacionamentos (i.e., arestas). Por muitas vezes grafos foram utilizados para responder questionamentos sobre a interação entre entidades do mundo real pela análise de seus vértices e arestas (i.e., topologia do grafo). As redes complexas, por outro lado, ficaram conhecidas por serem grafos de topologia não trivial. Entre suas aplicações, destaca-se a representação de fenômenos humanos como a urbanização de cidades, o movimento migratório de populações, e a propagação de pandemias. A teoria dos grafos e a ciência de redes, os campos de pesquisa que regem o estudo de grafos e redes complexas, tem sido explorados com sinergia no âmbito da inteligencia artificial, no qual transpõe-se a análise da interação entre diferentes entidades para o processo interno de aprendizado computacional dos algoritmos. Neste sentido, a presente tese introduz um ferramental de redes complexas juntamente com técnicas de aprendizado supervisionado de classificação e regressão de modo a contribuir com o entendimento de fenômenos humanos inerentes às malhas viárias, migrações pendulares, e progressões pandêmicas por meio de modelagem e análise computacional. Entre os resultados alcançados, estão: (i) técnicas de identificação de falhas de planejamento urbano ao mesmo tempo em que se auxilia na análise da topologia da rede complexa para diferenciar os vértices mais influentes; (ii) uma metodologia de análise e predição de links em redes complexas no âmbito de mobilidade humana entre cidades por meio de aprendizado de máquina; e, (iii) uma nova arquitetura de rede neural capaz de modelar processos dinâmicos observados em dados variantes no espaço e no tempo, com aplicações de alcance a diferentes domínios. Tais resultados reiteram o potencial dos grafos e das redes complexas na solução de problemas conectados à análise de diferentes fenômenos humanos, bem como a previsão de seus processos evolutivos no espaço e no tempo, quando utilizados conjuntamente com os algoritmos de aprendizado computacional provenientes da inteligência artificial. (AU)

• Processo FAPESP: 17/08376-0 - Análise e aperfeiçoamento de sistemas urbanos por meio de mapas digitais representados por redes complexas
• Beneficiário: Gabriel Spadon de Souza
• Modalidade de apoio: Bolsas no Brasil - Doutorado