Knowledge acquisition and reconstruction in complex networks (2023)
- Authors:
- Autor USP: GUERREIRO, LUCAS - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- DOI: 10.11606/T.55.2023.tde-31082023-084426
- Subjects: DESCOBERTA DE CONHECIMENTO; REDES COMPLEXAS; APRENDIZADO COMPUTACIONAL; SEQUÊNCIAS
- Keywords: Caminhadas aleatórias; Ciência das redes; Knowledge acquisition; Network science; Network topology; Random walks; Sequences; Topologia de redes
- Language: Inglês
- Abstract: Redes complexas vêm sendo empregadas nas mais diversas aplicações há algumas décadas. Sistemas complexos podem ser vistos em aplicações como transportes, redes de energia, internet, biologia e logística, dentre outras possíveis implementações. Em tais estruturas é possível que existam agentes percorrendo os nós e identificando novos conceitos e descobrindo a rede; este tipo de exploração é conhecido como descoberta do conhecimento e vem sendo pesquisado profundamente nas últimas décadas. Quando explorando uma rede, ou seja, descobrindo conhecimento nela, o caminho percorrido pode ser visto como uma sequência de nós visitados. Esta tese foca no estudo da relação entre topologias, dinâmicas e sequências em redes complexas. Com isso, no desenvolvimento desta tese pudemos observar o comportamento de diferentes dinâmicas em diferentes topologias quando adquirindo conhecimento. Além disso, propusemos um framework que com o auxílio de técnicas de aprendizado de máquina demonstrou a possibilidade de se recuperar qual a estrutura geradora da sequência sem conhecê-la. Por fim, avaliamos como as propriedades globais de uma rede são refletidas em estruturas geradas por sequências, ou seja, apresentamos uma análise se informações locais estão enviesadas ou se, de fato, podem representar uma visão real da rede como um todo; esta análise permitiu ainda identificar o impacto do tamanho das sequências na identificação das propriedades da rede. Com isso, os resultados apresentados nesta tesedemonstraram o comportamento de diferentes estruturas no processo de descoberta do conhecimento. Destacamos ainda, a construção de um framework para classificação da topologia da rede e dinâmica utilizadas na geração de sequências. Tais resultados permitem a viabilização de diversas aplicações em ciência das redes, além de fundamentar conhecimentos para a área. Dentre os principais resultados atingidos, este trabalho permitiu identificar estruturas geradoras de sequências a partir de propriedades obtidas durante a reconstrução destas sequências como uma rede complexa e, ainda, foi possível observar que sequências pequenas permitem a identificação das estruturas com alta acurácia.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2023
- Data da defesa: 12.04.2023
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
GUERREIRO, Lucas. Knowledge acquisition and reconstruction in complex networks. 2023. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-31082023-084426/. Acesso em: 29 maio 2024. -
APA
Guerreiro, L. (2023). Knowledge acquisition and reconstruction in complex networks (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-31082023-084426/ -
NLM
Guerreiro L. Knowledge acquisition and reconstruction in complex networks [Internet]. 2023 ;[citado 2024 maio 29 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-31082023-084426/ -
Vancouver
Guerreiro L. Knowledge acquisition and reconstruction in complex networks [Internet]. 2023 ;[citado 2024 maio 29 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-31082023-084426/
Informações sobre o DOI: 10.11606/T.55.2023.tde-31082023-084426 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
