Agent-Based Modeling for the Analysis of Complex Networks (2023)
- Authors:
- Autor USP: FARFAN, ALEX JOSUE FLOREZ - ICMC
- Unidade: ICMC
- Sigla do Departamento: FCM
- DOI: 10.11606/T.55.2023.tde-03042024-113422
- Subjects: RECONHECIMENTO DE PADRÕES; REDES COMPLEXAS; GEOMETRIA E MODELAGEM COMPUTACIONAL; APRENDIZADO COMPUTACIONAL
- Keywords: Agent-based models; Complex networks; Machine learning; Modelagem baseada em agentes; Pattern recognition
- Agências de fomento:
- Language: Inglês
- Abstract: A modelagem baseada em agentes é uma abordagem dentro da modelagem computacional que se concentra na simulação do comportamento e das interações de agentes individuais para entender os padrões emergentes em sistemas complexos. Esta tese discute uma abordagem desenvolvida em modelagem baseada em agentes para estudar e analisar redes complexas. As características inerentes dos modelos baseados em agentes fornecem o contexto apropriado para explorar redes complexas. Ao identificar, analisar e compreender as propriedades emergentes que surgem da dinâmica e do comportamento dos agentes, podemos obter e reconhecer padrões dentro de redes complexas. A caracterização de rede é uma tarefa importante de reconhecimento de padrões. A modelagem de um processo sobre o espaço fornecido pelas redes gera padrões em diferentes níveis, individualmente nos agentes, bem como globalmente em todo o modelo. Para atingir o objetivo, é proposta uma abordagem baseada em agentes da qual são extraídas características que servem para categorizar as redes. É importante destacar que na literatura modelos baseados em agentes não têm sido utilizados para categorizar redes. O modelo proposto, denominado modelo de Crescimento, fornece uma nova consideração para caracterizar redes complexas. A análise realizada em conjuntos de dados de redes sintéticas e do mundo real indica que os resultados da classificação são semelhantes aos métodos da literatura. A acurácia da classificação mostra que em quatro conjuntosde dados, Actinobacteria, Fungi, Kingdom e Plant os resultados são melhores que os trabalhos anteriores na literatura, demonstrando o potencial desta abordagem.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2023
- Data da defesa: 23.11.2023
- 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
FARFAN, Alex Josue Florez. Agent-Based Modeling for the Analysis of Complex Networks. 2023. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-03042024-113422/. Acesso em: 29 dez. 2025. -
APA
Farfan, A. J. F. (2023). Agent-Based Modeling for the Analysis of Complex Networks (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-03042024-113422/ -
NLM
Farfan AJF. Agent-Based Modeling for the Analysis of Complex Networks [Internet]. 2023 ;[citado 2025 dez. 29 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-03042024-113422/ -
Vancouver
Farfan AJF. Agent-Based Modeling for the Analysis of Complex Networks [Internet]. 2023 ;[citado 2025 dez. 29 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-03042024-113422/ - Environment for the analysis and comparison of texture descriptors
- A web-based system to assess texture analysis methods and datasets
- MEDAVET: traffic vehicle anomaly detection mechanism based on spatial and temporal structures in vehicle traffic
- Detection and tracking of multiple vehicles using semantic information
- Social interaction layers in complex networks for the dynamical epidemic modeling of COVID-19 in Brazil
Informações sobre o DOI: 10.11606/T.55.2023.tde-03042024-113422 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
