Modelos estocásticos para a propagação de rumores e epidemias
Análise de processos epidêmicos e de sincronização em redes complexas
Uso de Modelos de Sobrevivência na Modelagem de Crédito Escore
| Texto completo | |
| Autor(es): |
de Arruda, Guilherme Ferraz
[1]
;
Rodrigues, Francisco Aparecido
[1]
;
Rodriguez, Pablo Martin
[1]
;
Cozzo, Emanuele
[2, 3]
;
Moreno, Yamir
[2, 3, 4]
Número total de Autores: 5
|
| Afiliação do(s) autor(es): | [1] Univ Sao Paulo, Dept Matemat Aplicada & Estat, Inst Ciencias Matemat & Comp, Campus Sao Carlos, Caixa Postal 668, BR-13560970 Sao Carlos, SP - Brazil
[2] Univ Zaragoza, Inst Biocomputat & Phys Complex Syst BIFI, Zaragoza 50018 - Spain
[3] Univ Zaragoza, Dept Theoret Phys, Zaragoza 50018 - Spain
[4] Inst Sci Interchange, Complex Networks & Syst Lagrange Lab, Turin - Italy
Número total de Afiliações: 4
|
| Tipo de documento: | Artigo Científico |
| Fonte: | JOURNAL OF COMPLEX NETWORKS; v. 6, n. 2, p. 215-242, APR 2018. |
| Citações Web of Science: | 5 |
| Resumo | |
Spreading processes are ubiquitous in natural and artificial systems. They can be studied via a plethora of models, depending on the specific details of the phenomena under study. Disease contagion and rumour spreading are among the most important of these processes due to their practical relevance. However, despite the similarities between them, current models address both spreading dynamics separately. In this article, we propose a general spreading model that is based on discrete time Markov chains. The model includes all the transitions that are plausible for both a disease contagion process and rumour propagation. We show that our model not only covers the traditional spreading schemes but that it also contains some features relevant in social dynamics, such as apathy, forgetting, and lost/recovering of interest. The model is evaluated analytically to obtain the spreading thresholds and the early time dynamical behaviour for the contact and reactive processes in several scenarios. Comparison with Monte Carlo simulations shows that the Markov chain formalism is highly accurate while it excels in computational efficiency. We round off our work by showing how the proposed framework can be applied to the study of spreading processes occurring on social networks. (AU) | |
| Processo FAPESP: | 15/07463-1 - Processos de propagação em redes de múltiplas camadas |
| Beneficiário: | Guilherme Ferraz de Arruda |
| Modalidade de apoio: | Bolsas no Exterior - Estágio de Pesquisa - Doutorado |
| Processo FAPESP: | 12/25219-2 - Modelagem, análise e simulação de processos dinâmicos em redes complexas |
| Beneficiário: | Guilherme Ferraz de Arruda |
| Modalidade de apoio: | Bolsas no Brasil - Doutorado |
| Processo FAPESP: | 16/11648-0 - Teoremas limite e resultados de transição de fase para modelos de propagação de informação em grafos |
| Beneficiário: | Pablo Martin Rodriguez |
| Modalidade de apoio: | Auxílio à Pesquisa - Regular |
| Processo FAPESP: | 15/03868-7 - Comportamento assintótico de processos estocásticos em grafos e aplicações |
| Beneficiário: | Pablo Martin Rodriguez |
| Modalidade de apoio: | Bolsas no Exterior - Pesquisa |
| Processo FAPESP: | 16/25682-5 - Propagação de informação em redes complexas |
| Beneficiário: | Francisco Aparecido Rodrigues |
| Modalidade de apoio: | Auxílio à Pesquisa - Regular |