Detalhes bibliográficos
| Ano de defesa: |
2022 |
| Autor(a) principal: |
Carvalho, Guilherme Michel Lima de |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://www.teses.usp.br/teses/disponiveis/104/104131/tde-07062022-132235/
|
Resumo: |
Sistemas complexos são compostos de diversos componentes que interagem entre si. Uma abordagem natural para estes tipos de sistemas é utilizando a abstração matemática de grafos. Em diversos contextos do mundo real é possível se utilizar técnicas de redes complexas para a modelagem desses sistemas. Nestes sistemas podem ocorrer processos dinâmicos como por exemplo a propagação de informação e a propagação de doenças. Neste trabalho consideramos a utilização de técnicas de redes neurais artificiais para dados estruturados como grafos com o objetivo de estudar a propagação de rumor em redes complexas e a detecção de estruturas de comunidades. Para o caso de propagação de rumor, foi proposto um modelo baseado em redes neurais para grafos com o objetivo de recuperar a origem de propagação em grafos artificiais com estruturas de comunidades e para a detecção de estruturas de comunidades foi avaliado o potencial do aprendizado de representações por redes neurais para grafos em comparação a algoritmos tradicionais da ciência de redes complexas. |
