Caracterização da complexidade de redes complexas: um novo método de identificação de motifs

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Domingues, Guilherme Schimidt
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
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:
Motif identification
Ciência de Redes
Complexidade
Complexity
Identificação de motifs
Network Science
Link de acesso: https://www.teses.usp.br/teses/disponiveis/76/76135/tde-20022025-084754/
Resumo: Modelos usados na Ciência, como as Redes Complexas, têm graus de precisão e detalhamento variáveis, resultando em níveis de complexidade diferentes. Uma possível forma de mensurar a complexidade de redes é através da frequência de ocorrência e da complexidade individual dos motifs presentes nelas, porém o entendimento de como as partes de uma rede influenciam sua complexidade emergente permanece um problema em aberto. Neste trabalho, usamos um novo método, estatístico e não supervisionado, desenvolvido para identificação de uma forma mais abrangente de motif, empregando uma medida de semelhança recentemente proposta, para definir os motifs de diferentes variações de um modelo neuronal teórico de redes morfológicas e assim estimar a complexidade destas redes. As complexidades dos motifs são calculadas e comparadas com as complexidades resultantes das redes para investigar como as partes influenciam o todo e quais variações tem o maior impacto. Dentre os resultados obtidos, temos a identificação de 9 classes de motifs nas redes obtidas e uma análise das distribuições dos mesmos, o que permitiu verificar que o maior impacto na complexidade das redes se relaciona ao aumento do grau dos vértices.
id USP_a1f5c5c26b8d84fc57f89a633a04bf01
oai_identifier_str oai:teses.usp.br:tde-20022025-084754
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Caracterização da complexidade de redes complexas: um novo método de identificação de motifsCharacterizing the complexity of complex networks: a new method for identifying motifsMotif identificationCiência de RedesComplexidadeComplexityIdentificação de motifsNetwork ScienceModelos usados na Ciência, como as Redes Complexas, têm graus de precisão e detalhamento variáveis, resultando em níveis de complexidade diferentes. Uma possível forma de mensurar a complexidade de redes é através da frequência de ocorrência e da complexidade individual dos motifs presentes nelas, porém o entendimento de como as partes de uma rede influenciam sua complexidade emergente permanece um problema em aberto. Neste trabalho, usamos um novo método, estatístico e não supervisionado, desenvolvido para identificação de uma forma mais abrangente de motif, empregando uma medida de semelhança recentemente proposta, para definir os motifs de diferentes variações de um modelo neuronal teórico de redes morfológicas e assim estimar a complexidade destas redes. As complexidades dos motifs são calculadas e comparadas com as complexidades resultantes das redes para investigar como as partes influenciam o todo e quais variações tem o maior impacto. Dentre os resultados obtidos, temos a identificação de 9 classes de motifs nas redes obtidas e uma análise das distribuições dos mesmos, o que permitiu verificar que o maior impacto na complexidade das redes se relaciona ao aumento do grau dos vértices.Models used in Science, such as Complex Networks, have varying degrees of precision and detail, resulting in different levels of complexity. A possible way to measure the complexity of networks is through the frequency of occurrence and the individual complexity of the motifs present in them, however understanding how the parts of a network influence its emerging complexity remains an open problem. In this work, we use a new, statistical and unsupervised method, developed to identify a more comprehensive form of motif, employing a recently proposed similarity measure, to define the motifs of different variations of a theoretical neuronal model of morphological networks and thus estimate the complexity of these networks. The complexities of the motifs are calculated and the resulting complexities of the networks are compared, as well as the frequency and neighborhood distributions of the motifs found, in order to better understand the origins of complexity variations in models and the characteristics of the parts that most influence the whole, were identified. Among the obtained results we have the identification of the motifs in the syntetized neuronal network, which allowed verifying that the greater complexity variation in these networks tended to be associated to the larger resulting node degrees.Biblioteca Digitais de Teses e Dissertações da USPCosta, Luciano da FontouraDomingues, Guilherme Schimidt2025-01-16info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/76/76135/tde-20022025-084754/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2025-02-21T19:17:02Zoai:teses.usp.br:tde-20022025-084754Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212025-02-21T19:17:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Caracterização da complexidade de redes complexas: um novo método de identificação de motifs
Characterizing the complexity of complex networks: a new method for identifying motifs
title Caracterização da complexidade de redes complexas: um novo método de identificação de motifs
spellingShingle Caracterização da complexidade de redes complexas: um novo método de identificação de motifs
Domingues, Guilherme Schimidt
Motif identification
Ciência de Redes
Complexidade
Complexity
Identificação de motifs
Network Science
title_short Caracterização da complexidade de redes complexas: um novo método de identificação de motifs
title_full Caracterização da complexidade de redes complexas: um novo método de identificação de motifs
title_fullStr Caracterização da complexidade de redes complexas: um novo método de identificação de motifs
title_full_unstemmed Caracterização da complexidade de redes complexas: um novo método de identificação de motifs
title_sort Caracterização da complexidade de redes complexas: um novo método de identificação de motifs
author Domingues, Guilherme Schimidt
author_facet Domingues, Guilherme Schimidt
author_role author
dc.contributor.none.fl_str_mv Costa, Luciano da Fontoura
dc.contributor.author.fl_str_mv Domingues, Guilherme Schimidt
dc.subject.por.fl_str_mv Motif identification
Ciência de Redes
Complexidade
Complexity
Identificação de motifs
Network Science
topic Motif identification
Ciência de Redes
Complexidade
Complexity
Identificação de motifs
Network Science
description Modelos usados na Ciência, como as Redes Complexas, têm graus de precisão e detalhamento variáveis, resultando em níveis de complexidade diferentes. Uma possível forma de mensurar a complexidade de redes é através da frequência de ocorrência e da complexidade individual dos motifs presentes nelas, porém o entendimento de como as partes de uma rede influenciam sua complexidade emergente permanece um problema em aberto. Neste trabalho, usamos um novo método, estatístico e não supervisionado, desenvolvido para identificação de uma forma mais abrangente de motif, empregando uma medida de semelhança recentemente proposta, para definir os motifs de diferentes variações de um modelo neuronal teórico de redes morfológicas e assim estimar a complexidade destas redes. As complexidades dos motifs são calculadas e comparadas com as complexidades resultantes das redes para investigar como as partes influenciam o todo e quais variações tem o maior impacto. Dentre os resultados obtidos, temos a identificação de 9 classes de motifs nas redes obtidas e uma análise das distribuições dos mesmos, o que permitiu verificar que o maior impacto na complexidade das redes se relaciona ao aumento do grau dos vértices.
publishDate 2025
dc.date.none.fl_str_mv 2025-01-16
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/76/76135/tde-20022025-084754/
url https://www.teses.usp.br/teses/disponiveis/76/76135/tde-20022025-084754/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1839839151012184064

Registros relacionados