Busca avançada
Ano de início
Entree


A network classification method based on density time evolution patterns extracted from network automata

Texto completo
Autor(es):
Zielinski, Kallil M. C. ; Ribas, Lucas C. ; Machicao, Jeaneth ; Bruno, Odemir M.
Número total de Autores: 4
Tipo de documento: Artigo Científico
Fonte: PATTERN RECOGNITION; v. 146, p. 10-pg., 2023-09-29.
Resumo

Network modeling has proven to be an efficient tool for many interdisciplinary areas, including social, biological, transportation, and various other complex real-world systems. In addition, cellular automata (CA) are a formalism that has received significant attention in recent decades as a model for investigating patterns in the dynamic spatio-temporal behavior of these systems, based on local rules. Some studies investigate the use of cellular automata to analyze the dynamic behavior of networks and refer to them as network automata (NA). Recently, it has been demonstrated that NA is effective for network classification, as it employs a Time-Evolution Pattern (TEP) for feature extraction. However, the TEPs investigated in previous studies consist of binary values (states) that do not capture the intrinsic details of the analyzed network. Therefore, in this work, we propose alternative sources of information that can be used as descriptors for the classification task, which we refer as Density Time-Evolution Pattern (D-TEP) and State Density Time-Evolution Pattern (SD-TEP). We examine the density of alive neighbors of each node, which is a continuous value, and compute feature vectors based on histograms of TEPs. Our results demonstrate significant improvement over previous studies on five synthetic network datasets, as well as seven real datasets. Our proposed method is not only a promising approach for pattern recognition in networks, but also shows considerable potential for other types of data that can be transformed into network. (AU)

Processo FAPESP: 23/04583-2 - Reconhecimento de padrões em imagens baseado em redes neurais artificiais e sistemas complexos: da extração de descritores manuais ao aprendizado automático
Beneficiário:Lucas Correia Ribas
Modalidade de apoio: Auxílio à Pesquisa - Regular
Processo FAPESP: 21/07289-2 - Aprendizado de representações usando redes neurais artificiais e redes complexas com aplicações em sensores e biossensores
Beneficiário:Lucas Correia Ribas
Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
Processo FAPESP: 21/08325-2 - Análise de autômato de rede (network automata) como modelo para processos naturais e biológicos
Beneficiário:Odemir Martinez Bruno
Modalidade de apoio: Auxílio à Pesquisa - Regular
Processo FAPESP: 20/03514-9 - Avaliação dos efeitos das áreas protegidas brasileiras nas comunidades locais com base no uso e reutilização de dados biológicos, ambientais e socioeconômicos
Beneficiário:Marina Jeaneth Machicao Justo
Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
Processo FAPESP: 22/03668-1 - Análise do Comportamento Dinâmico de Sistemas Complexos e Redes Neurais Artificiais em Visão Computacional e Inteligência Artificial
Beneficiário:Kallil Miguel Caparroz Zielinski
Modalidade de apoio: Bolsas no Brasil - Doutorado
Processo FAPESP: 18/22214-6 - Rumo à convergência de tecnologias: de sensores e biossensores à visualização de informação e aprendizado de máquina para análise de dados em diagnóstico clínico
Beneficiário:Osvaldo Novais de Oliveira Junior
Modalidade de apoio: Auxílio à Pesquisa - Temático