Dissertations / Theses on the topic 'Caminhada aleatória'

Made available in DSpace on 2017-07-21T19:26:05Z (GMT). No. of bitstreams: 1 Marily Aparecida Benicio.pdf: 2662358 bytes, checksum: ba11ae50b21bd9be5feba0d2bf5fd563 (MD5) Previous issue date: 2013-04-09
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
Studies of complex networks help us to understand and model many real world situations. The world abounds in networks that can be found in many real contexts. The term network refers to relations between two sets and can be represented by means of graph theory. The classification of complex networks is given according to the models created to represent them, such as Random networks, networks of Small World, No Scaling networks and hierarchical networks. From the perspective of complex networks, a study which make significant contributions analysis is the phenomenon of diffusion of information in networks, which can be understood through the random walk process, which is characterized by a stochastic used as a mechanism transportation and research in complex networks. A random walk in complex networks can be used to check the behavior of each network model front dissipation. Each network model presents a different behavior with respect to the number of random walkers that pass through the network node over time. The number of walkers will depend on the structure of the networks generated by each model and measures of centrality of each node. Measures of centrality of the vertices of the network are useful for comparing the efficienc of the nodes with respect to receiving and sending information being indicative of the rapidity with which this transport happens. The objective of this work is to study the process of random walk and use it to analyze the efficiency of Centrality measures, inferring the number of random walkers who pass by us in complex networks. Measures of centrality are analyzed centralities Degree, Centrality Intermediation by Minor Roads, Centralization of Random Walk. To compare the efficiency of these measures of centrality in the different network models, numerical simulations were performed. With these, it was noticed that the behavior of the diffusion of walkers varies for each network model. Random network for the flow of walkers from the evenly is not possible to highlight some vertex of utmost importance within the network. It can be observed that the measure of centrality of Random Walk is the one that showed greater efficiency by pointing a greater flow of walkers to the vertices that had a higher value for this measure.
Os estudos sobre redes complexas nos auxiliam a compreender e modelar muitas situações do mundo real. O mundo é abundante em redes que podem ser encontradas em diversos contextos reais. O termo redes faz referência às relações estabelecidas entre dois conjuntos e podem ser representadas por meio da teoria de grafos. A classificação das redes complexas se dá de acordo com os modelos criados para representá-las, tais como as redes Aleatórias, redes de Pequeno Mundo, redes Sem Escala e redes Hierárquicas. Dentro da perspectiva de redes complexas, um estudo que pode trazer contribuições importantes é análise do fenômeno de difusão de informação em redes, os quais podem ser entendidos através do processo da caminhada aleatória, a qual se caracteriza por ser um processo estocástico utilizado como um mecanismo de transporte e pesquisa em redes complexas. A caminhada aleatória nas redes complexas pode ser utilizada para verificar o comportamento de cada modelo de rede frente à dissipação. Cada modelo de rede apresenta um comportamento diferente com relação ao número de caminhantes aleatórios que passam por nó da rede ao longo do tempo. Este número de caminhantes irá depender da estrutura das redes geradas por cada modelo e das medidas de Centralidade de cada nó. As medidas de centralidade dos vértices da rede são úteis para comparar a eficiência dos nós com relação ao recebimento e envio de informações sendo indicativos da rapidez com a qual, este transporte acontece. O objetivo deste trabalho é estudar o processo da caminhada aleatória e utilizá-la para analisar a eficiência das medidas de Centralidade, inferindo o número de caminhantes aleatórios que passam pelos nós nas redes complexas. As medidas de centralidade analisadas são as centralidades do Grau, Centralidade de Intermediação por Menores Caminhos, Centralidade da Caminhada Aleatória. Para comparar a eficiência das referidas medidas de Centralidade nos diferentes modelos de redes, foram realizadas simulações numéricas. Com estas, percebeu-se que o comportamento da difusão de caminhantes varia para cada modelo de rede. Para a rede Aleatória o fluxo de caminhantes se da de maneira uniforme não sendo possível destacar algum vértice de maior importância dentro da rede. Pode-se observar que a medida de Centralidade da Caminhada Aleatória é a que mostrou maior eficiência ao apontar o um maior fluxo de caminhantes aos vértices que possuíam um maior valor para essa medida.

Na natureza e na ciência, dados e informações que desviam significativamente da média frequentemente possuem grande relevância. Esses dados são usualmente denominados na literatura como outliers. A identificação de outliers é importante em muitas aplicações reais, tais como detecção de fraudes, diagnóstico de falhas, e monitoramento de condições médicas. Nos últimos anos tem-se testemunhado um grande interesse na área de Redes Complexas. Redes complexas são grafos de grande escala que possuem padrões de conexão não trivial, mostrando-se uma poderosa maneira de representação e abstração de dados. Embora um grande montante de resultados tenham sido reportados nesta área de pesquisa, pouco tem sido explorado acerca de detecção de outliers em redes complexas. Considerando-se a dinâmica de uma caminhada aleatória, foram propostos neste trabalho uma medida de distância e um método de ranqueamento de outliers. Através desta técnica, é possível detectar como outlier não somente nós periféricos, mas também nós centrais (hubs), depedendo da estrutura da rede. Também foi identificado que existem características bem definidas entre os nós outliers, relacionadas a funcionalidade dos mesmos para a rede. Além disso, foi descoberto que nós outliers têm papel importante para a rotulação a priori na tarefa de detecção de comunidades semi-supervisionada. Isto porque os nós centrais são bons difusores de informação e os nós periféricos encontram-se em regiões de borda de comunidade. Baseado nessa observação, foi proposto um método de detecção de comunidades semi-supervisionado. Os resultados de simulações mostram que essa abordagem é promissora
In nature and science, information and data that deviate significantly from the average value often have great relevance. These data are often called in literature as outliers. Outlier identification is important in many real applications, such as fraud detection, fault diagnosis, monitoring of medical conditions. In recent years, it has been witnessed a great interest in the area of Complex Networks. Complex networks are large-scale graphs with non-trivial connection patterns, proving to be a powerful way of data representation and abstraction. Although a large amount of results have been reported in this research area, little has been explored about the outlier detection in complex networks. Considering the dynamics of a random walk, we proposed in this paper a distance measure and a outlier ranking method. By using this technique, we can detect not only peripheral nodes, but also central nodes (hubs) as outliers, depending on the network structure. We also identified that there are well defined relationship between the outlier nodes and the functionality of the same nodes for the network. Furthermore, we found that outliers play an important role to label a priori nodes in the task of semi-supervised community detection. This is because the hubs are good information disseminators and peripheral nodes are usually localized in the regions of community edges. Based on this observation, we proposed a method of semi-supervised community detection. The simulation results show that this approach is promising

O avanço das pesquisas em redes complexas proporcionou desenvolvimentos significativos para a compreensão de sistemas complexos. Uma rede complexa é modelada matematicamente por meio de um grafo, onde cada vértice representa uma unidade dinâmica e suas interações são simbolizadas por um conjunto de arestas. Para se determinar propriedades estruturais desse sistema, caminhadas aleatórias tem-se mostrado muito úteis pois dependem apenas de informações locais (vértices vizinhos). Entre elas, destaca-se o passeio auto-excludente (SAW) que possui a restrição de não visitar um vértice que já foi alcançado, ou seja, apresenta memória do caminho percorrido. Por este motivo o SAW tem apresentado melhores resultados do que caminhantes sem restrição, na exploração da rede. Entretanto, por não se tratar de um processo Markoviano ele apresenta grande complexidade analítica, tornando indispensável o uso de simulações computacionais para melhor compreensão de sua dinâmica em diferentes topologias. Mesmo com as dificuldades analíticas, o SAW se tornou uma ferramenta promissora na identificação de estruturas de comunidades. Apesar de sua importância, detecção de comunidades permanece um problema em aberto devido à alta complexidade computacional associada ao problema de optimização, além da falta de uma definição formal do significado de comunidade. Neste trabalho, propomos um método de detecção de comunidades baseado em SAW para extrair uma estrutura de comunidades da rede otimizando o parâmetro modularidade. Combinamos características extraídas desta dinâmica com a análise de componentes principais para posteriormente classificar os vértices em grupos por meio da clusterização hierárquica aglomerativa. Para avaliar a performance deste novo algoritmo, comparamos os resultados com outras quatro técnicas populares: Girvan-Newman, Fastgreedy, Walktrap e Infomap, aplicados em dois tipos de redes sintéticas e nove redes reais diversificadas e bem conhecidas. Para os benchmarks, esta nova técnica produziu resultados satisfatórios em diferentes combinações de parâmetros, como tamanho de rede, distribuição de grau e número de comunidades. Já para as redes reais, obtivemos valores de modularidade superior aos métodos tradicionais, indicando uma distribuição de grupos mais adequada à realidade. Feito isso, generalizamos o algoritmo para redes ponderadas e digrafos, além de incorporar metadados à estrutura topológica a fim de melhorar a classificação em grupos.
The progress in complex networks research has provided significant understanding of complex systems. A complex network is mathematically modeled by a graph, where each vertex represents a dynamic unit and its interactions are symbolized by groups of edges. To determine the system structural properties, random walks have shown to be a useful tool since they depend only on local information (neighboring vertices). Among them, the selfavoiding walk (SAW) stands out for not visiting vertices that have already been reached, meaning it can record the path that has been travelled. For this reason, SAW has shown better results when compared to non-restricted walkers network exploration methods. However, as SAW is not a Markovian process, it has a great analytical complexity and needs computational simulations to improve its dynamics in different topologies. Even with the analytical complexity, SAW has become a promising tool to identify the community structure. Despite its significance, detecting communities remains an unsolved problem due to its high computational complexity associated to optimization issues and the lack of a formal definition of communities. In this work, we propose a method to identify communities based on SAW to extract community structure of a network through optimization of the modularity score. Combining technical features of this dynamic with principal components analyses, we classify the vertices in groups by using hierarchical agglomerative clustering. To evaluate the performance of this new algorithm, we compare the results with four other popular techniques: Girvan-Newman, Fastgreedy, Walktrap and Infomap, applying the algorithm in two types of synthetic networks and nine different and well known real ones. For the benchmarks, this new technique shows satisfactory results for different combination of parameters as network size, degree distribution and number of communities. As for real networks, our data shows better modularity values when compared to traditional methods, indicating a group distribution most suitable to reality. Furthermore, the algorithm was adapted for general weighted networks and digraphs in addition to metadata incorporated to topological structure, in order to improve the results of groups classifications.

O estudo de caminhadas aleatórias em meios desordenados e um assunto bastante explorado e pode modelar uma grande variedade de problemas, como por exemplo, problemas de transporte (difusão). O estudo de caminhadas determinísticas em meios desordenados é um assunto pouco explorado. Em uma paisagem composta de N sítios distribuídos aleatoriamente no espaço, um caminhante ("turista") visita estes sítios seguindo a seguinte regra determinística: ir para o sítio vizinho mais próximo que não tenha sido visitado nos últimos passos. De cada sítio inicial, a trajetória obtida com esta dinâmica determinística apresenta inicialmente um tempo de transiente t, onde novos sítios são visitados, e no final um atrator de período p, onde os mesmos sítios são sempre revisitados. Apesar da simplicidade do modelo, a dinâmica e complexa e os resultados não são triviais. Para dimensionalidades d = 2, a distribuição de atratores de período p, obtida numericamente, pode ser descrita por uma lei de potência com um corte exponencial. Os modelos de ligações aleatórias simétricas (que representa o limite de alta dimensionalidade d = 1 do modelo proposto) e assimétricas indicam que o corte exponencial se torna menos importante à medida que N aumenta. O expoente da lei de potência independe da memória tau, sendo portanto uma distribuição robusta. A dinâmica do turista pode ser aplicada a problemas mais abstratos, onde apenas relações de ordem entre vizinhos são dados. O estudo (por amostragem) da estrutura de um dicionário de sinônimos e um exemplo que foi considerado. Mostrou-se que as palavras podem ser embebidas em um espaço Euclidiano de baixa dimensionalidade.Este resultado concorda com um recente estudo exaustivo realizado e questiona o modelo de análise semântica latente. Com a finalidade de entender a transição entre uma caminhada determinística e uma caminhada aleatória, generalizou-se o problema com memória nula designando uma distribuição de probabilidades para o turista visitar os diversos sítios. Esta distribuição e parametrizada por uma variável externa T (temperatura) de modo que para T = 0 têm-se a caminhada do turista como caso limite e para T tendendo para infinito todos os sítios são visitados com igual probabilidade. Resultados analíticos (d = 1) e numéricos mostram a existência de uma região bem delimitada de transição entre os regimes não-ergódico (baixa temperatura) e ergódico (alta temperatura). Uma analogia é estabelecida com o modelo de vidros de Bouchaud. A eficiência da caminhada com relação aos novos sítios visitados, foi estudada e ela e máxima na borda da aleatoriedade, ou seja, ao redor da temperatura de transição.
The study of random walks in disordered media is one well-developed subject and it can model a great variety of problems, for instance, problems of transport (diffusion). The study of deterministic walks in disordered media is a subject not too explored. In a landscape composed of N sites randomly distributed in of, a walker ("tourist") visits these sites following the deterministic rule: going to the nearest site that has not been visited in the last tau steps. From each initial site, the trajectory, obtained with this deterministic dynamics, presents initially a time transient t, where new sites are visited, and, in the end, a p-period attractor, where the same sites are always revisited. In spite of the simplicity of the model, the dynamics is complex and the results are not trivial. For dimensionalities d = 2, the distribution of p-period obtained numerically can be described by a power law with an exponential cut. The models of symmetrical random connections (that represents the limit of high dimensionality d = 1 of the proposed model) and asymmetrical random connections indicate that the exponential cut turns out to be less important as N increases. The exponent law of the power law does not depend on the memory tau, being therefore a robust distribution. The tourist dynamics can be applied to more abstract problems, where just relationships of neighbor order are given. The study (by sampling) of the structure of a dictionary of synonyms has been considered. It has been shown that the words can be embedded in an Euclidean space of low dimensionality. This result agrees with a recent exhaustive study accomplished and it challenges the model of latent semantic analysis. With the purpose of understanding the transition between a deterministic and a random walk a generalization of the problem, with null memory has been performed by designating a distribution of probabilities for the tourist to visit the several sites. This distribution has the external variable T (temperature) as a parameter so that, when T = 0 it has the tourist walk as a limiting case and for T tending to infinity all of the sites are visited ith equal probability. Analytical numerical results (d = 1) show the existence of well delimited transition between non-ergodic (low temperature) and ergodic (high temperature) regime. An analogy is established Bouchaud glass model. The walk efficiency, regarding the new visited sites to trajectory length, has been studied and it is maximum at the edge of stochasticity, in other words, around the temperature of transition.

Made available in DSpace on 2017-07-21T19:26:05Z (GMT). No. of bitstreams: 1 Rafael Ribaski Borges.pdf: 2504879 bytes, checksum: b87dbb16266c955866bfc47eef34de30 (MD5) Previous issue date: 2013-03-05
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
The extreme value theory is a branch of statistics and probability. It deals with the asymptotic distributions of extreme values (maximum or minimum) temporal series. The events which takes the average values removed are classified as extreme events. Examples include natural disasters such as goods, earthquakes or an event that causes a strong impact on society. Considering the scenario of complex networks, some examples of extreme events are congestion in networks of roads, power outages in power transmission networks and web servers congested. Thus, understanding the mechanisms that occur in such events is of great interest, because the prediction of these occurrences can minimize its efects, or even avoid them. Thus, the objectives of this study were: 1) to describe the asymptotic behavior of exceedances of a threshold specified by the generalized extreme value distribution, 2) extend the study to the probability of extreme events in complex networks with random topology, small world and scale free. This work was carried out by simulations of random walk pattern and shorter paths. The results shows that for the nodes, also called vertices or sites with low connectivity (lesser degree) in the networks analyzed, the distribution of excesses is not of exponential type. This implies that this distribution is bounded above. The results for the nodes with higher degree were similar, but only for the scale-free network this behavior does not occur. This is due to the fact that the number of exceedances observed in this case is signicantly smaller than the other. It was checked analytically and numerically simulated by random walk pattern, the probability of extreme event is larger and the average time between them is smaller for nodes with lower degree when compared with nodes with higher degree. The spectrum of eigenvalues of the adjacency matrix of the network, which describes the links between nodes, provides conditions for a good agreement between the analytical results and the simulations. For simulations of random walk for shorter paths it was found that nodes with lower betweenness centralities are more likely to have extreme events.
A teoria de valores extremos é um ramo da estatística e probabilidade. Ela trata das distribuições assintóticas de valores extremos (máximos ou mínimos) de séries temporais. Os eventos que assumem valores afastados da média são classificados como eventos extremos. Alguns exemplos são desastres naturais, tais como enchentes, terremotos ou um evento que cause um forte impacto na sociedade. Considerando o cenário de redes complexas, alguns exemplos de eventos extremos são congestionamentos em redes de rodovias, quedas de energia em redes de transmissão e servidores de internet congestionados. Assim, a compreensão dos mecanismos que regem tais eventos é de grande interesse, pois com a previsão de ocorrências destes pode-se minimizar seus efeitos ou até mesmo evitá-los. Com isso, os objetivos deste trabalho foram: 1) descrever o comportamento assintótico das excedências de um valor limite especicado por meio da distribuição de valores extremos generalizada; 2) estender o estudo para a probabilidade de eventos extremos em redes complexas com topologia aleatória, mundo pequeno e escala livre. Este trabalho foi realizado por meio de simulações de caminhada aleatória padrão e por menores caminhos. Os resultados obtidos mostram que para os nós, também denominados vértices ou sítios, com menor conectividade (menor grau) nas redes analisadas, a distribuição dos excessos não é do tipo exponencial. Isto implica que esta distribuição é limitada superiormente. Os resultados para os nós com maior grau foram semelhantes, porém, somente para a rede de escala livre este comportamento não ocorre. Isto se deve ao fato de que o número de excedências observadas neste caso são menores do que nos demais. Foi vericado analiticamente e numericamente por meio de simulações de caminhada aleatória padrão, que a probabilidade de evento extremo é maior e que o tempo médio entre eles é menor para os nós com grau menor, quando comparados com nós com grau maior. O espectro de autovalores da matriz adjacência da rede, a qual descreve as ligações entre os nós, fornece condições para uma boa concordância entre os resultados analíticos e das simulações.Para simulações de caminhada aleatória por menores caminhos verificou-se que os nós com menores centralidades de intermediação são mais propensos a ter eventos extremos.

Nowadays there has been a growing interest in anomalous diffusion: the super difusive and sub-difusive processes. The problem about normal diffusion already well established whereas many problems still exist in anomalous diffusion. Several mathematical models and computational techniques have been developed to model such processes. In this work we studied a non-Markovian Random Walk (RW), in one dimension in which the development of the process is governed by decisions taken in the distant past. We used as tool of analysis, analytical and numerical procedures (Monte Carlo method). In this problem, the walker takes its decisions (go right or left) at a given time t, based on the decisions taken in the past, namely in a fraction f of the total time. As far as the decision making process is considered only the distant past is taken into account. This loss of recent memory leads the probability density function of the position to change from Gaussian to non-Gaussian and leads to the emergence of log-periodic oscillations in position, besides producing a change in the behavior of non-persistent to persistent, causing anomalous diffusion. This change is characterized by the Hurst exponent, and is found, surprisingly, in a region where there is negative feedback. The diagram of phases depending on the parameters f and p (fraction of old memory and feedback), shows the following phases: classical non persistence, classical persistence, log-periodic non persistence, log-periodic persistence, Gaussian and non Gaussian with respect to the position of the walker.
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
Atualmente tem crescido o interesse por processos de difusão anômala, i.e., os super difusivos e sub-difusivos. O problema voltado para difusão normal já é bem conhecido, enquanto para difusões anômalas ainda existem vários problemas em abertos. Várias técnicas computacionais e modelos matemáticos têm sido desenvolvidos para modelar tais processos. Estudamos neste trabalho uma caminhada aleatória, não Markoviana em uma dimensão, em que o desenvolvimento do processo é regido por decisões tomadas em relação ao passado distante. Utilizamos como ferramenta de análise uma abordagem analítica e numérica (via método de Monte Carlo). Nesse problema, o caminhante toma suas decisões (entre ir para a direita ou para a esquerda), num determinado tempo t, com base nas decisões tomadas no passado, numa fração f do tempo transcorrido. Quando f<1 o passado recente é esquecido e apenas o passado distante é considerado. Essa perda de memória recente induz a função densidade de probabilidade da posição a passar de um regime Gaussiano para não Gaussiano e leva ao surgimento de oscilações log-periódicas na posição, além de produzir uma mudança no comportamento, de não persistente para persistente, ocasionando difusão anômala. Essa mudança é caracterizada pelo expoente de Hurst e ocorre também, surpreendentemente, numa região de feedback negativo. O diagrama de fases em função dos parâmetros f e p (fração de memória antiga e feedback), mostra as seguintes regiões: não persistência clássica; persistência clássica; não persistência log-periódica e persistência log-periódica; região Gaussiana e não Gaussiana da posição.

Made available in DSpace on 2017-07-21T19:26:10Z (GMT). No. of bitstreams: 1 Pedro Jeferson Miranda.pdf: 3220140 bytes, checksum: a557a7dc630657c2bc53d73eb4fd7f48 (MD5) Previous issue date: 2014-09-03
Fundação Araucária de Apoio ao Desenvolvimento Científico e Tecnológico do Paraná
The emergence is a phenomenon that gives sense to the qualitative unity of any substance, consisting the reflex in the ontological act of perception. It is the conceptual key that justifies the use of complex network models to describe systems, which also are complex in nature. Given this key concept, it was desired to apply it on real objects in order to create new analysis methodologies. For this, graph’s theory and random walk’s theory were used as fundamentals for two study cases. One of them consists on an analysis of the mythological social network of Odyssey of Homer. It was found that this network displays structural characteristic of real social network mixed with fictional aspects associated to mythological characters. Another study was the oral tolerance phenomenon modeled as a complex network associated with stochastic dynamics. We applied the random walk as a way to understand the relative importance of each immunological component. Finally, it becomes evidenced that the key concept of emergence allows new forms of analysis using complex network theory as a model which comprises the complexity inherent on the conception of real systems.
A emergência é fenômeno que dá unidade qualitativa a qualquer substância, constituindo o reflexo no ato ontológico da percepção. É a chave conceitual que justifica o uso do modelo em redes complexas para descrever sistemas, que também são complexos naturalmente. Dada essa chave conceitual, buscou-se utilizá-la na geração de novas análises. Para tanto é empregado a teoria de grafos e a caminhada aleatória em dois estudo de caso. Um deles constitui a análise de uma rede mitológica referente à Odisseia de Homero. Foi verificado que a rede mitológica apresenta padrões de redes sociais reais quando excetuados da rede as personagens mitológicas. Em segundo lugar, foi realizado um estudo da tolerância oral como um fenômeno de rede complexa, foi utilizada a caminhada aleatória como modelo estocástico de difusão de estímulos numa rede complexa. Com isso, foi possível conhecer a importância relativa de cada componente imunológica. Por fim, fica evidenciado que o conceito chave de emergência permite a concepção de novas formas de análise, fundamentalmente no uso de redes complexas como modelos que albergam a complexidade inerente na concepção de sistemas reais.

In this work, we analyze search dynamics and the statistical properties of an organism in search of a target of interest. In general terms, there are many interesting aspects of studies of this nature. For example, in the biological context, organisms in Nature constantly interact one with another, both of the same as well as of different species. The general objectives of random searches are diverse, ranging from searches for food, reproductive partners, etc. of living organisms to socio-economically relevant processes, such as searches for missing children, fugitive terrorists, or searches for petroleum. In our specific model, we consider the searcher and the target moving randomly in a one dimensional lattice of size with periodic boundary conditions. The type of diffusion in the system is determined by the choice of the probability distribution function for the steps sizes for the individual walkers. We assume a power law distribution, characteristic of Levy processes, . Considering an initial energy for the searcher, an energetic expenditure for the walk and an energetic gain g for each target found, we discuss relevant physical quantities, such as energy fluctuations, the fraction of survival searchers and the cumulative energy for N time steps, as a function of the parameters, e.g., the lattice size . We find that searches with ballistic diffusion are more efficient than Brownian ones, allowing the survival of the searcher in situations of ultra-low target density. This extreme behavior guarantees the differential survival of such searchers. We also find strong evidence of a continuous phase transition, in which one phase has survival and the other phase has extinction. We calculate the critical densities which depend on the parameters of diffusion adopted by the organisms. We also obtain the critical exponents for the transition. Our results suggest a universality of the critical exponents, which independent of the type of diffusion of the organisms.
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
Neste trabalho, analisamos a dinâmica de busca e propriedades estatísticas de um organismo buscador ( searcher ) à procura de um alvo de interesse ( target ). De forma geral, muitos são os aspectos de interesse nesse tipo de estudo. Por exemplo, se pensarmos no contexto biológico, temos que na natureza constantemente organismos interagem uns com os outros, tanto dentro da mesma como entre diferentes espécies. Os objetivos gerais da busca aleatória são os mais variados, indo desde busca de alimentos, parceiro para reprodução etc, em seres vivos, até processos de interesse socio-econômicos, como busca por crianças desaparecidas, terroristas fugitivos ou então busca por petróleo. Em nosso modelo específico, consideramos o buscador e o alvo caminhando aleatoriamente numa rede unidimensional de tamanho e com condições periódicas de contorno. O tipo de difusão no sistema é determinado pela escolha da função de distribuição de probabilidade para os passos individuais dos indivíduos. Assumimos uma distribuição tipo lei de potência, característica de processos de Lévy . Considerando uma energia inicial do buscador , um gasto energético de caminhada e um ganho de energia g cada vez que o buscador encontra o alvo, discutimos algumas quantidades físicas relevantes, como flutuação energética, fração de buscadores sobreviventes e energia acumulada para N passos realizados - tempo de busca - como função de diferentes parâmetros, por exemplo, o comprimento de rede . Constatamos que o processo de busca com difusão balística é mais eficiente do que a Browniana, ocasionando a sobrevivência do organismo buscador em situações de densidade de alvos muito baixas. Este comportamento extremo garante a relativa sobrevivência do buscador. Também verificamos fortes evidências de uma transição contínua, para a qual numa dada fase temos sobrevivênvia e em outra temos extinção. Calculamos as densidades críticas que dependem dos parâmetros de difusão adotados pelos organismos. Também obtemos os expoentes críticos relacionados a tal transição. Nossos resultados sugerem uma universalidade dos expoentes críticos, que independente do tipo de difusão seguida pelos organismos.

Submitted by Rafael Santana (rafael.silvasantana@ufpe.br) on 2018-02-20T17:37:13Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Dissertacao TIAGO FRANCA BARRETO versao final revisada com ficha.pdf: 1881406 bytes, checksum: 12e01eebda9019e211cef41ad935a421 (MD5)
Made available in DSpace on 2018-02-20T17:37:13Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) Dissertacao TIAGO FRANCA BARRETO versao final revisada com ficha.pdf: 1881406 bytes, checksum: 12e01eebda9019e211cef41ad935a421 (MD5) Previous issue date: 2017-01-31
Esta tese tem como objetivo a investigação teórica das propriedades estatísticas de um caminhante aleatório cuja distribuição de passos é dada pela distribuição a-estável de Lévy. Este tipo de distribuição possui um comportamento assintótico do tipo lei de potência, P(i) ~ í~v', £^$> 1, que gera uma divergência de momentos, a depender do expoente p = oc + 1 da distribuição, e introduz superdifusão no sistema. Inicialmente, revisitamos a solução da equação de difusão escrita em termos de derivadas fracionárias, visto que a equação de difusão convencional não consegue modelar sistemas subdifusivos ou superdifusivos. Obtemos a probabilidade P(x,t) de encontrar o caminhante em uma posição x no tempo t em termos das funções de Fox. Em seguida, mostramos como a solução para o espaço finito, com barreiras absorventes, muitas vezes obtida pelo Método das Imagens, viola o teorema de Sparre-Andersen. Abordamos então o problema de difusão anômala em espaços finitos via equações mestras, método anteriormente utilizado para o caso semi-infinito. Calculamos a taxa de sobrevivência do caminhante de Lévy e mostramos a mudança do comportamento da taxa de sobrevivência em seu limite de tempos longos. Finalmente, observamos que para duas barreiras ela apresenta um decaimento exponencial, enquanto que no limite de uma barreira obtemos a dependência do tipo lei de potência, como estabelecido pelo teorema de Sparre-Andersen.
This thesis has as objective the theoretical investigation of the statistical properties of a random walker whose step distribution is given by the Lévy a-stable distribution. This type of distribution has an asymptotic power law behavior, P(£) ~ í~v', £^$> 1, which generates a divergence of moments depending on the exponent p = oc + 1 of the distribution, and introduces superdiffusion into the system. Initially, we revisit the solu-tion of the diffusion equation in terms of fractional derivatives, since the conventional diffusion equation cannot model subdiffusive or superdiffusive systems. We obtain the probability P(x,t) of finding the walker in a position x in time t in terms of Fox’s functions. We also show how the solution in finite space with absorbent barriers, often obtained by Image’s Method, violates Sparre-Andersen’s theorem. We then address the problem of anomalous diffusion in a finite space via the master equation, a method previously used for the semi-infinite case. We calculate the survival rate of the Lévy walker and show the change in the behavior of the survival rate in the long time limit. Finally we observe that for two barriers it presents an exponential decay, whereas in the limit case of a single barrier we obtain the power-law dependence, as established by Sparre-Andersen’s theorem.

Considere um meio desordenado constituído por $N$ pontos cujas coordenadas são geradas aleatoriamente de maneira uniforme e independente nas arestas unitárias de um hipercubo $d$-dimensional. As probabilidades de vizinhança entre os pares de pontos deste meio são expressas através da fórmula de Cox. Um caminhante parte de um dado ponto deste meio desordenado e se movimenta obedecendo à regra determinista de ir para o ponto mais próximo que não tenha sido visitado nos últimos $\\mu$ passos. Este processo foi denominado de caminhada determinista do turista. Cada trajetória gerada por esta dinâmica possui uma parte inicial não-periódica de $t$ passos (transiente) e uma parte final periódica de $p$ passos (atrator). Neste trabalho, obtemos analiticamente algumas distribuições estatísticas para a caminhada determinista do turista com memória $\\mu$ arbitrária em sistemas unidimensionais e com memória $\\mu=2$ no modelo Random Link (que corresponde ao limite $d ightarrow 1$). Estes resultados nos permitiram compreender o papel da memória no comportamento exploratório do turista e explicar a equivalência não-trivial entre o modelo Random Link e o modelo Random Map (que é um caso limite das redes de Kauffman). Enfatizamos que o número de pontos explorados pelo turista é a grandeza fundamental nos problemas considerados. As distribuições analíticas obtidas foram validadas através de experimentos numéricos. Também obtivemos uma dedução alternativa para a fórmula de Cox, apresentando os resultados finais em termos de distribuições estatísticas elementares.
Consider a medium characterized by $N$ points whose coordinates are randomly and independently generated by a uniform distribution along the unitary edges of a $d$-dimensional hypercube. The neighborhood probabilities between any pair of points in this medium are given by the Cox formula. A walker leaves from each point of this disordered medium and moves according to the deterministic rule to go the nearest point which has not been visited in the preceding $\\mu$ steps. This process has been called the deterministic tourist walk. Each trajectory generated by this dynamics has an initial non-periodic part of $t$ steps (transient) and a final periodic part of $p$ steps (attractor). In this work, we obtain analytically some statistical distributions for the deterministic tourist walk with arbitrary memory $\\mu$ in one-dimensional systems and with memory $\\mu=2$ in the random link model (which corresponds to $d ightarrow 1$ limit). These results enable us to understand the main role played by the memory on the tourist\'s exploratory behavior and explain the non-trivial equivalence between the random link model and the random map model (which is a limiting case of the Kauffman model). We stress that the number of explored points is the fundamental quantity in the considered problems. The obtained distributions have been validated by numerical experiments. We also obtain an alternative derivation for the Cox formula, writing the final results in terms of known statistical distributions.

Considere um meio caracterizado por $N$ pontos cujas coordenadas são geradas aleatoriamente de maneira uniforme nas arestas unitárias de um hipercubo $d$-dimensional. Um caminhante parte de cada ponto deste meio desordenado e se movimenta obedecendo à regra determinista de ir para o ponto mais próximo que não tenha sido visitado nos últimos $mu$ passos. Este processo foi denominado de caminhada determinista do turista. Cada trajetória gerada por esta dinâmica possui uma parte inicial não-periódica de $t$ passos (transiente) e uma parte final periódica de $p$ passos (atrator). As probabilidades de vizinhança são expressas através da fórmula de Cox, que é parametrizada pela função beta incompleta normalizada $I_d = I_{1/4}[1/2,(d+1)/2]$. Enfati-zamos aqui que a distribuição relevante é $S_{mu,d}^{(N)}(t,p)$, a distribuição conjunta de $t$ e $p$, que tem como casos particulares as distribuições marginais, previamente estudadas. O objetivo deste estudo é obter analiticamente estas distribuições para a caminhada determinista do turista sem memória no espaço euclideano, no modelo de distâncias aleatórias (que corresponde ao limite $d ightarrow infty$) e no modelo de mapeamento aleatório (que é um caso limite das redes de Kauffman). As distribuições analíticas obtidas foram validadas através de experimentos numéricos. A distribuição conjunta de tempos de transiente e período de atratores, no limite termodinâmico para uma dimensionalidade arbitrária vale: $S_{1,d}^{(infty)}(t,p) = [Gamma(1+I_d^{-1}) cdot (t+I_d^{-1})/Gamma(t+p+I_d^{-1})] cdot delta_{p,2}$, onde $t=0,1,2,ldots,infty$; $Gamma(z)$ é a função gama e $delta_{i,j}$ é o delta de Kronecker. A caminhada determinista do turista sem memória no modelo de mapeamento aleatório produz uma distribuição de períodos não-trivial ($S_{0,rm}^{(N)}(p) propto p^{-1}$), que é obtida de $S_{0,rm}^{(N)}(t,p) = Gamma(N)/{Gamma[N+1-(t+p)]N^{t+p}}$, onde enfatizamos que o número de pontos explorados $n_e=t+p$ é a grandeza fundamental nos problemas considerados.
Consider a medium characterized by $N$ points whose coordinates are randomly generated by a uniform distribution along the unitary edges of a $d$-dimensional hypercube. A walker leaves from each point of this disordered medium and moves according to the deterministic rule to go the nearest point which has not been visited in the preceding $mu$ steps. This process has been called the deterministic tourist walk. Each trajectory generated by this dynamics has an initial non-periodic part of $t$ steps (transient) and a final periodic part of $p$ steps (attractor). The neighborhood probabilities are given by the Cox formula, which is parameterized by the normalized incomplete beta function $I_d = I_{1/4}[1/2,(d+1)/2]$. Here we stress that the relevant distribution is the joint $t$ and $p$ distribution $S_{mu,d}^{(N)}(t,p)$, which has as particular cases, the marginal distributions previously studied. The objective of this study is to obtain analytically these distributions for the memoryless deterministic tourist walk in the euclidean space, random link model (which corresponds to $d ightarrow infty$ limit) and random map model (which is a limiting case of the Kauffman model). The obtained distributions have been validated by numerical experiments. The joint transient time and attractor period distribution in the thermodynamic limit for an arbitrary dimensionality is: $S_{1,d}^{(infty)}(t,p) = [Gamma(1+I_d^{-1}) cdot (t+I_d^{-1})/Gamma(t+p+I_d^{-1})] cdot delta_{p,2}$, where $t=0,1,2,ldots,infty$; $Gamma(z)$ is the gamma function and $delta_{i,j}$ is the Kronecker's delta. The memoryless deterministic tourist walk in the random map leads to a non-trivial cycle distribution ($S_{0,rm}^{(N)}(p) propto p^{-1}$), which is obtained from $S_{0,rm}^{(N)}(t,p) = Gamma(N)/{Gamma[N+1-(t+p)]N^{t+p}}$, where we stress that the number of explored points $n_e=t+p$ is the fundamental quantity in the considered problems.

Este trabalho está divido em duas partes. Na primeira apresentamos as funções logaritmo e exponencial generalizadas. A partir delas uma grande variedade de outras funções generalizadas pode ser obtida, permitindo uma formulação única dos comportamentos oscilatório, exponencial e lei de potência, característicos dos principais fenômenos físicos. Também mostramos que é possível generalizar a função densidade de probabilidade (pdf) exponencial estendida (stretched exponential) e, a partir dela, uma vasta gama de outras pdfs, que caracterizam os sistemas complexos em Física. As funções logaritmo e exponencial generalizadas também são úteis na generalização de vários modelos contínuos de crescimento em uma formulação única: o modelo de crescimento generalizado de Tsoullaris e Wallace. O mesmo pode ser feito para modelos discretos de crescimento, obtendo, como modelo mais geral, o -Ricker generalizado. Encerrando a primeira parte, mostramos que a pdf gaussiana generalizada (um caso particular da exponencial estendida generalizada) é a solução da equação de difusão não-linear, que caracteriza a caminhada determinista do turista. Na segunda parte deste trabalho é apresentada a caminhada do turista e suas duas versões originais: a determinista (CDT) e a estocástica (CET). A primeira delas é uma caminhada parcialmente autorrepulsiva, caracterizada por uma memória , em um meio desordenado multidimensional formado por N pontos. Em um ambiente unidimensional, ela apresenta uma transição entre uma exploração local e outra global, em um valor bem definido de memória 1 = log2N. Em sua versão estocástica (da qual a CDT é um caso particular), a dinâmica de movimentação é regida pela memória e pela temperatura T, responsável, em última instância, pelas probabilidades de deslocamento. Da mesma forma que a CDT, a CET também apresenta uma transição entre os regimes de exploração, caracterizada por uma memória e uma temperatura críticas e pela idade Np da caminhada (efeito de envelhecimento). Dada a dificuldade em tratar analiticamente a CET, introduzimos a caminhada estocástica modificada do turista (CEMT). Nesta versão, o parâmetro T passa a representar o alcance máximo de um passo da caminhada. Esta modificação permitiu tratar analiticamente a caminhada, sendo possível obter uma expressão analítica geral para a transição, em função dos parâmetros , T e Np. Estes resultados foram validados por experimentos numéricos.
The present work is splitted into two parts. In the first one we present the generalized logarithm and exponential functions. From them, a wide variety of other generalized functions can be obtained, that allow a unique formulation of oscillatory, exponential an power-law behaviors, that characterize physical phenomena. We also show that it is possible to generalize the stretched exponential probability density function (pdf) and, from there, a wide range of other pdfs that characterize complex systems in Physics. The generalized logarithm and exponential functions are also useful to generalize several continuous growth models into a single formulation: the generalized Tsoullaris and Wallace growth model. The same can be done for discrete growth models, getting, as more general model, the generalized -Ricker growth model. Concluding the first part, we show that the generalized Gaussian pdf (a special case of the generalized stretched exponential) is a solution of the nonlinear diffusion equation, which is a characteristic of deterministic tourist walk. In the second part we present the tourist walk and its two original versions: the deterministic one (DTW) and stochastic one (STW). The first one is a partially self-avoiding walk over a disordered multidimensional medium formed by N points and characterized by a memory . In a one-dimensional environment, it presents a transition from a local exploration to a global one at a well-defined memory value 1 = log2N. In its stochastic version (from which DTW is a particular case), the movement dynamics is ruled by the memory and a temperature T which is responsible by the displacement probabilities. Similar to DTW, STW also has a transition between exploration schemes, characterized by a critical memory and temperature and the walking age (Np) (aging effect). Due the difficulty on analytical treatment of the CET, we introduced the modified stochastic tourist walk (MSTW). In this version, the parameter T plays the role of a maximum distance of one walking step. This modification allowed us to treat analytically the walk, being possible to obtain a general analytical expression for the transition, as function to the parameters , T and Np. These results were validated by numerical experiments.

A computação quântica é um modelo computacional baseado nas leis da mecânica quântica, que pode ser utilizado para desenvolver algoritmos mais eficientes que seus correspondentes clássicos. O desenvolvimento de algoritmos quânticos eficientes, no entanto, é uma tarefa altamente desafiadora. Uma abordagem recente que vem se mostrando bem-sucedida é a utilização de caminhadas quânticas. Neste trabalho, estudamos a caminhada quântica no hipercubo, calculando analiticamente sua distribuição estacionária e analisando propriedades de seu mixing time, tanto na situação ideal como na situação com descoerência gerada por ligações interrompidas. Também estudamos a caminhada na malha bidimensional, calculando sua distribuição estacionária analiticamente e explorando a relação entre o mixing time e a complexidade do algoritmo de busca nesse grafo. Desenvolvemos uma ferramenta computacional para simulação numérica de caminhadas quânticas em malhas uni- e bidimensionais com diversas condições de contorno. Finalmente, estudamos alguns algoritmos de busca em grafos e analisamos numericamente o impacto que a descoerência exerce sobre seus desempenhos.
Quantum computing is a model of computation based on the laws of quantum mechanics, which can be used to develop faster algorithms. The development of efficient quantum algorithms, however, is a highly challenging task. A recent successful approach is the use of quantum walks. In this work, we have studied the quantum walk on the hypercube, obtaining the exact stationary distribution and analyzing properties of its mixing time both in the ideal and in the noisy set-ups, with noise generated by broken links. We have also studied the walk in a two-dimensional grid, where we have obtained its stationary distribution analytically and have explored the relation between mixing time and the complexity of the search algorithm for this graph. We have developed a computational tool for numerical simulation of quantum walks in one- and two-dimensional grids with several boundary conditions. Finally, we have studied some algorithms for search on graphs and have numerically analyzed the impact of decoherence over their performances.

Podemos considerar a caminhada determinista do turista como um processo do tipo dinâmico, que ocorre sobre uma rede composta por N pontos. Os pontos são gerados de maneira aleatória, no espaço euclidiano d dimensional. Um caminhante, partindo de um ponto qualquer do meio desordenado, se movimenta seguindo uma regra determinista de ir para o ponto mais próximo que não tenha sido visitado nos últimos ?= µ - 1 passos. Cada uma das trajetórias geradas através dessa dinâmica possui uma parte inicial não periódica de t passos, denominada transiente, e uma parte final, periódica, de p passos, denominada atrator. Devido ao custo computacional de memória, só é possível simular sistemas com N ? O(103) e µ << N. Neste estudo uma nova implementação na estrutura de armazenamento de dados, no modelo numérico do turista, nos permitiu obter algumas distribuições estatísticas para a caminhada, com valores de memória µ ? O(N). Com estes resultados verificamos a eficiência da estrutura proposta e avançamos no conhecimento acerca do comportamento do turista em caminhadas com memória da ordem de N. Também neste trabalho, obtivemos resultados numéricos interessantes, que serviram para explicar a formação de atratores com determinados períodos na caminhada determinista do turista unidimensional, bem como a não formação de atratores com períodos 2µ+1, 2µ+2 e 2µ+3.não são constituídos. Também neste trabalho, uma nova implementação na estrutura de armazenamento de dados, no modelo numérico do turista, nos permitiu obter algumas distribuições estatísticas para a caminhada, com valores de memória ? muito acima do que se tinha alcançado anteriormente. Com estes resultados verificamos a eficiência da estrutura proposta, e avançamos o conhecimento a cerca do comportamento do turista em sistema da ordem de N.
We may consider the deterministic tourist walk as a dynamic process performed over a landscape of N points. These points are randomly spread on a d dimensional euclidean space. A walker leaves from any point of that landscape and moves according to the deterministic rule of going to the nearest point that has not been visited in the last ?= µ - 1 steps. Each trajectory generated by this dynamics has an initial non-periodic part of t steps, called transient, and a final periodic one of p steps, called attractor. Due to computational costs of memory usage, it is possible to simulate only small sistems, with N ? O(103) and µ << N. In this work, we propose a new implementation of the structure for data storage. The numerical model of the tourist walk, allowed us to obtain some statistical distributions for the walk with a memory value µ ? O(N). Moreover, in this study we obtain interesting and useful numerical results to explain the presence of some specific attractors in deterministic walk in one-dimensional space and the absence of attractors with periods 2µ+1, 2µ+2 and 2µ+3. are not made. In this work, we propose a new implementation of the structure for storing data, the numerical model of the tourist, has allowed us to obtain some statistical distributions for the walk with a memory value ? over and above what had been achieved previously. With these results, we verifed the efficiency of the HL structure proposed, and advance knowledge about the behavior of the tourist walk in the order of N.

Considere um meio desordenado formado por $N$ pontos cujas coordenadas são geradas aleatoriamente com probabilidade uniforme ao longo das arestas unitárias de um hipercubo de $d$ dimensões. Um caminhante, partindo de um ponto qualquer desse meio, se desloca seguindo a regra determinista de dirigir-se sempre ao ponto mais próximo que não tenha sido visitado nos últimos $\\mu$ passos. Esta dinâmica de movimentação, denominada caminhada determinista do turista, leva a trajetórias formadas por uma parte inicial transiente de $t$ pontos, e uma parte final cíclica de $p$ pontos. A exploração do meio se limita aos $t+p$ pontos percorridos na trajetória. O sucesso da exploração depende do valor da memória $\\mu$ do viajante. Para valores pequenos de $\\mu$ a exploração é altamente localizada e o sistema não é satisfatoriamente explorado. Já para $\\mu$ da ordem de $N$, aparecem ciclos longos, permitindo a exploração global do meio. O objetivo deste estudo é determinar o valor de memória $\\mu_1$ para o qual ocorre uma transição abrupta no comportamento exploratório do turista em meios unidimensionais. Procuramos também entender a distribuição da posição final do turista após atingir um estado estacionário que é atingido quando o turista fica aprisionado nos ciclos. Os resultados obtidos por simulações numéricas e por um tratamento analítico mostram que $\\mu_1 = \\log_2 N$. O estudo também mostrou a existência de uma região de transição com largura $\\varepsilon = e/ \\ln 2$ constante, caracterizando uma transição aguda de fase no comportamento exploratório do turista em uma dimensão. A análise do estado estacionário da caminhada em função da memória mostrou que, para $\\mu$ distante de $\\mu_1$, a dinâmica de exploração ocorre como um processo difusivo tradicional (distribuição gaussiana). Já para $\\mu$ próximo de $\\mu_1$ (região de transição), essa dinâmica segue um processo superdifusivo não-linear, caracterizado por distribuições $q$-gaussianas e distribuições $\\alpha$-estáveis de Lévy. Neste processo, o parâmetro $q$ funciona como parâmetro de ordem da transição.
Consider a disordered medium formed by $N$ point whose coordinates are randomly generated with uniform probability along the unitary edges of a $d$-dimensional hypercube. A walker, starting to walk from any point of that medium, moves following the deterministic rule of always going to the nearest point that has not been visited in the last $\\mu$ steps. This dynamic of moving, called deterministic tourist walk, leads to trajectories formed by a initial transient part of $t$ points and a final cycle of $p$ points. The exploration of the medium is limited to the $t+p$ points covered. The success of the exploration depends on the traveler\'s memory value $\\mu$. For small values of $\\mu$, the exploration is highly localized and the whole system remains unexplored. For values of $\\mu$ of the order of $N$, however, long cycles appear, allowing global exploration of the medium. The objective of this study is to determine the memory value $\\mu_1$ for which a sharp transition in the exploratory behavior of the tourist in one-dimensional media occurs. We also want to understand the distribution of the final position of the tourist after reaches a steady state in exploring the medium. That steady state is reached when the tourist is trapped in cycles. The results achieved by numerical simulations and analytical treatment has shown that $\\mu_1 = \\log_2 N$. The study has also shown the existence of a transition region, with a constant width of $\\varepsilon = e/ \\ln 2$, characterizing a phase transition in the exploratory behavior of the tourist in one dimension. The analysis of the walk steady state as a function of the memory has shown that for $\\mu$ far from $\\mu_1$, the exploratory dynamic follows a traditional diffusion process (with gaussian distribution). In the other hand, for $\\mu$ near $\\mu_1$ (transition region), the dynamic follows a non-linear superdiffusion process, characterized by $q$-gaussian distributions and Lèvy $\\alpha$-stable distributions. In this process, the parameter $q$ plays the role of a transition order parameter.

A classic problem in physics concerns normal versus anomalous diffusion. Fractal analysis of random walks with memory aims at quantitatively describing the complex phenomenology observed in economic, ecological, biological and physical systems. Markov processes exhaustively account for random walks with short-range memory. In contrast, long-range memory typically gives rise to non-Markovian walks. The most extreme case of a non-Markovian random walk corresponds to a stochastic process with dependence on the entire history of the system. We study a recently proposed non-Markovian random walk model characterized by loss of memories of the recent past and amnestically induced persistence. We report numerical and analytical results showing the complete phase diagram, consisting of 4 phases, for this system: (i) classical nonpersistence, (ii) classical persistence (iii) log-periodic nonpersistence and (iv) log-periodic persistence driven by negative feedback. The first two phases possess continuous scale invariance symmetry, however log-periodicity breaks this symmetry. Instead, log-periodic motion satisfies discrete scale invariance symmetry, with complex rather than real fractal dimensions. We find for log-periodic persistence evidence not only of statistical but also of geometric self-similarity.
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
Um clássico problema em física consiste em difusão normal versus anômala. Análise fractal de caminhadas aleatórias com memória, sugere descrever quantitativamente uma fenomenologia complexa observada em economia, ecologia, biologia, e física. Processos Markovianos estão representados em caminhadas aleatórias com memória de curto alcance. Em contraste, memória de longo alcance surge tipicamente em caminhadas não-Markovianas. O caso mais extremo de uma caminhada não-Markoviana corresponde a um processo estocástico com dependência em sua história completa. Estudamos uma proposta recente de caminhada não-Markoviana caracterizada por perda de memória do passado recente e persistência induzida amnesicamente. Apresento resultados analíticos mostrando um diagrama de fase completo, consistindo de 4 fases. (i) não-persistente clássico, (ii) persistente clássico controlado por feedback positivo, (iii) não-persistente log-periódico e (iv) persistente log-periódico controlado por feedback negativo. As primeiras duas fases apresentam invariância de escala em simetria contínua. Em compensação, movimento log-periódico apresenta invariância de escala em simetria discreta, com dimensão complexa maior do que a dimensão fractal real. É mostrado evidências de persistência log-periódica não somente estatísticas, mas devido também a auto-similaridade geométrica. Obtivemos os resultados numéricos e analíticos para seis expoentes críticos, que juntos caracterizam completamente as propriedades das transições.

Extracting useful knowledge from data sets is a key concept in modern information systems. Consequently, the need of efficient techniques to extract the desired knowledge has been growing over time. Machine learning is a research field dedicated to the development of techniques capable of enabling a machine to \"learn\" from data. Many techniques have been proposed so far, but there are still issues to be unveiled specially in interdisciplinary research. In this thesis, we explore the advantages of network data representation to develop machine learning techniques based on dynamical processes on networks. The network representation unifies the structure, dynamics and functions of the system it represents, and thus is capable of capturing the spatial, topological and functional relations of the data sets under analysis. We develop network-based techniques for the three machine learning paradigms: supervised, semi-supervised and unsupervised. The random walk dynamical process is used to characterize the access of unlabeled data to data classes, configuring a new heuristic we call ease of access in the supervised paradigm. We also propose a classification technique which combines the high-level view of the data, via network topological characterization, and the low-level relations, via similarity measures, in a general framework. Still in the supervised setting, the modularity and Katz centrality network measures are applied to classify multiple observation sets, and an evolving network construction method is applied to the dimensionality reduction problem. The semi-supervised paradigm is covered by extending the ease of access heuristic to the cases in which just a few labeled data samples and many unlabeled samples are available. A semi-supervised technique based on interacting forces is also proposed, for which we provide parameter heuristics and stability analysis via a Lyapunov function. Finally, an unsupervised network-based technique uses the concepts of pinning control and consensus time from dynamical processes to derive a similarity measure used to cluster data. The data is represented by a connected and sparse network in which nodes are dynamical elements. Simulations on benchmark data sets and comparisons to well-known machine learning techniques are provided for all proposed techniques. Advantages of network data representation and dynamical processes for machine learning are highlighted in all cases
A extração de conhecimento útil a partir de conjuntos de dados é um conceito chave em sistemas de informação modernos. Por conseguinte, a necessidade de técnicas eficientes para extrair o conhecimento desejado vem crescendo ao longo do tempo. Aprendizado de máquina é uma área de pesquisa dedicada ao desenvolvimento de técnicas capazes de permitir que uma máquina \"aprenda\" a partir de conjuntos de dados. Muitas técnicas já foram propostas, mas ainda há questões a serem reveladas especialmente em pesquisas interdisciplinares. Nesta tese, exploramos as vantagens da representação de dados em rede para desenvolver técnicas de aprendizado de máquina baseadas em processos dinâmicos em redes. A representação em rede unifica a estrutura, a dinâmica e as funções do sistema representado e, portanto, é capaz de capturar as relações espaciais, topológicas e funcionais dos conjuntos de dados sob análise. Desenvolvemos técnicas baseadas em rede para os três paradigmas de aprendizado de máquina: supervisionado, semissupervisionado e não supervisionado. O processo dinâmico de passeio aleatório é utilizado para caracterizar o acesso de dados não rotulados às classes de dados configurando uma nova heurística no paradigma supervisionado, a qual chamamos de facilidade de acesso. Também propomos uma técnica de classificação de dados que combina a visão de alto nível dos dados, por meio da caracterização topológica de rede, com relações de baixo nível, por meio de medidas de similaridade, em uma estrutura geral. Ainda no aprendizado supervisionado, as medidas de rede modularidade e centralidade Katz são aplicadas para classificar conjuntos de múltiplas observações, e um método de construção evolutiva de rede é aplicado ao problema de redução de dimensionalidade. O paradigma semissupervisionado é abordado por meio da extensão da heurística de facilidade de acesso para os casos em que apenas algumas amostras de dados rotuladas e muitas amostras não rotuladas estão disponíveis. É também proposta uma técnica semissupervisionada baseada em forças de interação, para a qual fornecemos heurísticas para selecionar parâmetros e uma análise de estabilidade mediante uma função de Lyapunov. Finalmente, uma técnica não supervisionada baseada em rede utiliza os conceitos de controle pontual e tempo de consenso de processos dinâmicos para derivar uma medida de similaridade usada para agrupar dados. Os dados são representados por uma rede conectada e esparsa na qual os vértices são elementos dinâmicos. Simulações com dados de referência e comparações com técnicas de aprendizado de máquina conhecidas são fornecidos para todas as técnicas propostas. As vantagens da representação de dados em rede e de processos dinâmicos para o aprendizado de máquina são evidenciadas em todos os casos

Machine learning is evidenced as a research area with the main purpose of developing computational methods that are capable of learning with their previously acquired experiences. Although a large amount of machine learning techniques has been proposed and successfully applied in real systems, there are still many challenging issues, which need be addressed. In the last years, an increasing interest in techniques based on complex networks (large-scale graphs with nontrivial connection patterns) has been verified. This emergence is explained by the inherent advantages provided by the complex network representation, which is able to capture the spatial, topological and functional relations of the data. In this work, we investigate the new features and possible advantages offered by complex networks in the machine learning domain. In fact, we do show that the network-based approach really brings interesting features for supervised, semisupervised, and unsupervised learning. Specifically, we reformulate a previously proposed particle competition technique for both unsupervised and semisupervised learning using a stochastic nonlinear dynamical system. Moreover, an analytical analysis is supplied, which enables one to predict the behavior of the proposed technique. In addition to that, data reliability issues are explored in semisupervised learning. Such matter has practical importance and is found to be of little investigation in the literature. With the goal of validating these techniques for solving real problems, simulations on broadly accepted databases are conducted. Still in this work, we propose a hybrid supervised classification technique that combines both low and high orders of learning. The low level term can be implemented by any classification technique, while the high level term is realized by the extraction of features of the underlying network constructed from the input data. Thus, the former classifies the test instances by their physical features, while the latter measures the compliance of the test instances with the pattern formation of the data. Our study shows that the proposed technique not only can realize classification according to the semantic meaning of the data, but also is able to improve the performance of traditional classification techniques. Finally, it is expected that this study will contribute, in a relevant manner, to the machine learning area
Aprendizado de máquina figura-se como uma área de pesquisa que visa a desenvolver métodos computacionais capazes de aprender com a experiência. Embora uma grande quantidade de técnicas de aprendizado de máquina foi proposta e aplicada, com sucesso, em sistemas reais, existem ainda inúmeros problemas desafiantes que necessitam ser explorados. Nos últimos anos, um crescente interesse em técnicas baseadas em redes complexas (grafos de larga escala com padrões de conexão não triviais) foi verificado. Essa emergência é explicada pelas inerentes vantagens que a representação em redes complexas traz, sendo capazes de capturar as relações espaciais, topológicas e funcionais dos dados. Nesta tese, serão investigadas as possíveis vantagens oferecidas por redes complexas quando utilizadas no domínio de aprendizado de máquina. De fato, será mostrado que a abordagem por redes realmente proporciona melhorias nos aprendizados supervisionado, semissupervisionado e não supervisionado. Especificamente, será reformulada uma técnica de competição de partículas para o aprendizado não supervisionado e semissupervisionado por meio da utilização de um sistema dinâmico estocástico não linear. Em complemento, uma análise analítica de tal modelo será desenvolvida, permitindo o entendimento evolucional do modelo no tempo. Além disso, a questão de confiabilidade de dados será investigada no aprendizado semissupervisionado. Tal tópico tem importância prática e é pouco estudado na literatura. Com o objetivo de validar essas técnicas em problemas reais, simulações computacionais em bases de dados consagradas pela literatura serão conduzidas. Ainda nesse trabalho, será proposta uma técnica híbrica de classificação supervisionada que combina tanto o aprendizado de baixo como de alto nível. O termo de baixo nível pode ser implementado por qualquer técnica de classificação tradicional, enquanto que o termo de alto nível é realizado pela extração das características de uma rede construída a partir dos dados de entrada. Nesse contexto, aquele classifica as instâncias de teste segundo qualidades físicas, enquanto que esse estima a conformidade da instância de teste com a formação de padrões dos dados. Os estudos aqui desenvolvidos mostram que o método proposto pode melhorar o desempenho de técnicas tradicionais de classificação, além de permitir uma classificação de acordo com o significado semântico dos dados. Enfim, acredita-se que este estudo possa gerar contribuições relevantes para a área de aprendizado de máquina.