Título: Estratégia Online para Predição Estruturada em Redes Complexas
Autores: Coelho, Maurício Archanjo Nunes; Borges, Carlos Cristiano H.; Fonseca Neto, Raul; Vieira, Alex Borges; Silva, Ana Paula Couto da
Resumo: Redes Complexas tem sido alvo de importantes estudos[1] [2], possuindo um conjunto de diferentes aplicações: redes sociais [3], biológicas [4], de comunicação [5], tecnológicas [6] e de transportes [7]; retratando como exemplo o relacionamento entre pessoas [8], proteínas [9], redes p2p [10], computadores [11] e aeroportos [12]. As relações, entretanto, dependem da característica que se quer estudar e refletem propriedades intrínsecas dos elementos considerados. Por exemplo, pessoas podem estar ligadas por conexões de amizade ou devido ao compartilhamento de alguma opinião; enquanto aeroportos estarão ligados se possuem rotas que os conectam. Diferentes modelos matemáticos já foram propostos no intuito de produzir tais redes artificialmente, tais como: grafos aleatórios [13][14], livres de escala [15] [16], mundo pequeno [17] [18] e grafos de Markov [19] [20]. Tais modelos necessitam da definição de parâmetros para adequar o modelo teórico as características que se deseja obter das redes reais. Neste sentido, torna-se importante o desenvolvimento de algoritmos de aprendizado que sejam capazes de realizarem a predição destes parâmetros. Como contribuição deste trabalho, desenvolveu-se um novo algoritmo denominado Perceptron Estruturado Multiclasse aplicado a predição de parâmetros de redes dinâmicas complexas modeladas via grafos de Markov. Diversos testes relacionados à predição destes parâmetros em um modelo teórico foram realizados.
Palavras-chave: Aprendizado de Máquina; Redes Complexas; Perceptron; Predição de Dados Estruturados
Páginas: 6
Código DOI: 10.21528/CBIC2013-100
Artigo em pdf: bricsccicbic2013_submission_100.pdf
Arquivo BibTex: bricsccicbic2013_submission_100.bib