SistemasSociaisComplexos<br />Compreender a realidade<br />Francisco Restivo, fjr@fe.up.pt<br />2010-12-07<br />
Sumário<br />Introdução<br />Sistemas bio-inspirados<br />Redessociais<br />Sistemascomplexos<br />Sistemassociaiscomplexo...
Introdução<br />Lic. EE FEUP 1970<br />D.Phil. Sussex 1981<br />Prof. Assoc. FEUP 1988<br />Agregação FEUP 1998<br />Apose...
I + D + i<br />CEEUP 1971<br />BioSistemas 1982<br />CCP Centro de CIM do Porto 1992<br />IDIT 2000 <br />LIACC 2008<br />...
Tópicos de investigação<br />ProcessamentoDigital de Sinal<br />SistemasMultiprocessador<br />DecisãoDescentralizada<br />...
Sistemas Bio-inspirados<br />Algoritmosgenéticos<br />Autómatoscelulares<br />Redesneuronais<br />Ant colony optimization<...
Algoritmosgenéticos<br />7<br />http://www.edc.ncl.ac.uk/highlight/rhjanuary2007g01.php/<br />
Autómatoscelulares<br />Representamvectores de células<br />1D, 2D, 3D, …<br />Cadacélulaevolueemfunção valor das célulasv...
Autómatoscelulares<br />9<br />Regra 30<br />http://www.wolframalpha.com/input/?i=rule+30<br />
Outroautómatocelular<br />10<br />http://math.hws.edu/xJava/CA/ca_1024x768.png /<br />
Autómatoscelulares 2D<br />Jogo davida de Conway<br />Umacélula viva <br />Se tiver 0 ou 1 vizinhosmorre de solidão<br />S...
Autómatoscelulares 2D<br />12<br />porJonathanMcCabe<br />Hodge-Podgemachine<br />em TechnoCult<br />
Autómatocelular 3D<br />13<br />3D Belousov-Zhabotinsky-scrollcellularautomata<br />
NetLogo<br />Ambiente de programação multi-agente<br />Usadopordezenas de milhares<br />De utilizaçãogratuita<br />Desenvo...
Aplicações<br />15<br />
Projectos CA<br />Propagação de fogosflorestais<br />Propagação de doençascontagiosas<br />16<br />
Redesneuronaisartificiais<br />Inspiradas na estrutura neuronal de organismos inteligentes<br />Adquirem conhecimento atra...
Mesmosprincípios<br />Arquitecturasaltamenteparalelas<br />Aprendizagem<br />Algoritmosmuito simples<br />Comportamentosmu...
Pombostreinados a distinguirquadros de Monet e Picasso			<br />Aprenderam a acertar 95%	<br />Continuaram a acertar 85% co...
Característicaschave<br />Nãomemorizaram<br />Extraírampadrões<br />Generalizaram e fizeramprevisões!<br />São as situaçõe...
NN software<br />MatLab<br />NeuroDimension<br />EasyNN(free trial)<br />21<br />
Projecto NN<br />Aprender a darordens de compra e vendanabolsa<br />22<br />
Ant Colony Optimization<br />Comportamento social complexo<br />Sabemencontrarcaminhosmaiscurtos<br />Algoritmosinspirados...
Projecto ACO<br />Descobrir a distânciamaiscurta entre doisnós de um grafo<br />Problema NP-complexo<br />Métodomuitoefici...
Swarm intelligence<br />O comportamentocolectivo de agentespoucosofisticadosorigina a emergência de padrõesfuncionaiscoere...
Particle swarm optimization<br />Cadapartícularepresentaumasolução no espaço de soluções<br />As partículasmovem-se de aco...
Memetic algorithms<br />Meme: elemento cultural que se transmitepor via nãogenética<br />Técnicasevolucionáriasbaseadasemp...
Redessociais<br />Representamrelaçõesouinteracções<br />Damaisdiversanatureza<br />Entre pessoas<br />Entre empresas<br />...
Redessociais<br />29<br />
Maisredessociais<br />30<br />
Análise de redessociais<br />Redesaleatórias<br />Maiordensidade -> mais clusters<br />Redespequenosmundos<br />Seisgraus ...
Modelos de redessociais<br />Redesinteiras e redes Ego<br />Redes de afiliação e redes de actores<br />32<br />
Propriedades das redes<br />Estruturais<br />Equilíbrio e transitividade<br />Sub-gruposcoesivos<br />Afiliações<br />Sub-...
Propriedadesestruturais<br />Grau (indegree | outdegree) de um nó<br />Densidadedarede<br />Centralidade de um nó (in | ou...
Sub-grupos<br />n-cliques, n-clãs, n-clubes<br />n-plexes, n-cores<br />Redes de afiliação<br />35<br />
Layout<br />36<br />
Software de análise<br />Pajek<br />Ucinet / Netdraw<br />Visone<br />NodeXL<br />37<br />
Rede dos paíseseuropeus<br />38<br />
Centralidade de grau<br />39<br />
Centralidade de proximidade<br />40<br />
Centralidade de intermediação<br />41<br />
Projectos SNA<br />Gruposeconómicos<br />Dívidassoberanas<br />42<br />
Sistemascomplexos<br />Sistemas compostos por um grande número de sistemas<br />Propriedades colectivas do sistema compost...
Sistemassociaiscomplexos<br />Interacçõessociais<br />Redes<br />44<br />
BarabasiLab<br />45<br />
AmaralLab<br />46<br />
FAS research<br />47<br />
Grandesdesafios<br />Compreender o global e o individual<br />Detectar situações anormais<br />O bater-asas de uma borbole...
Conclusões<br />A Informática será uma ferramenta essencial para a compreensão da realidade<br />São precisos novos paradi...
Obrigado!<br />Podemveraqui o queando a fazer…<br />50<br />
Próximos SlideShares
Carregando em…5
×

Sistemas Sociais Complexos

911 visualizações

Publicada em

Propostas de possíveis temas de investigação

Publicada em: Educação, Tecnologia
0 comentários
1 gostou
Estatísticas
Notas
  • Seja o primeiro a comentar

Sem downloads
Visualizações
Visualizações totais
911
No SlideShare
0
A partir de incorporações
0
Número de incorporações
6
Ações
Compartilhamentos
0
Downloads
7
Comentários
0
Gostaram
1
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Sistemas Sociais Complexos

  1. 1. SistemasSociaisComplexos<br />Compreender a realidade<br />Francisco Restivo, fjr@fe.up.pt<br />2010-12-07<br />
  2. 2. Sumário<br />Introdução<br />Sistemas bio-inspirados<br />Redessociais<br />Sistemascomplexos<br />Sistemassociaiscomplexos<br />Conclusões<br />2<br />
  3. 3. Introdução<br />Lic. EE FEUP 1970<br />D.Phil. Sussex 1981<br />Prof. Assoc. FEUP 1988<br />Agregação FEUP 1998<br />Aposentado 2010<br />Prof. Assoc. FACIS UCP 2010<br />3<br />
  4. 4. I + D + i<br />CEEUP 1971<br />BioSistemas 1982<br />CCP Centro de CIM do Porto 1992<br />IDIT 2000 <br />LIACC 2008<br />4<br />
  5. 5. Tópicos de investigação<br />ProcessamentoDigital de Sinal<br />SistemasMultiprocessador<br />DecisãoDescentralizada<br />Sistemas Multi-agente<br />Sistemas Bio-inspirados<br />Análise de RedesSociais<br />SistemasSociaisComplexos<br />5<br />
  6. 6. Sistemas Bio-inspirados<br />Algoritmosgenéticos<br />Autómatoscelulares<br />Redesneuronais<br />Ant colony optimization<br />Swarm Intelligence<br />Memetic algorithms<br />…<br />6<br />
  7. 7. Algoritmosgenéticos<br />7<br />http://www.edc.ncl.ac.uk/highlight/rhjanuary2007g01.php/<br />
  8. 8. Autómatoscelulares<br />Representamvectores de células<br />1D, 2D, 3D, …<br />Cadacélulaevolueemfunção valor das célulasvizinhas<br />8<br />256 regraspossíveis<br />
  9. 9. Autómatoscelulares<br />9<br />Regra 30<br />http://www.wolframalpha.com/input/?i=rule+30<br />
  10. 10. Outroautómatocelular<br />10<br />http://math.hws.edu/xJava/CA/ca_1024x768.png /<br />
  11. 11. Autómatoscelulares 2D<br />Jogo davida de Conway<br />Umacélula viva <br />Se tiver 0 ou 1 vizinhosmorre de solidão<br />Se tiver 2 ou 3 vizinhossobrevive<br />Se tiver 4 oumaisvizinhosmorre de excesso de população<br />Umacélulanasce<br />Se tiverexactamente 3 vizinhos<br />11<br />
  12. 12. Autómatoscelulares 2D<br />12<br />porJonathanMcCabe<br />Hodge-Podgemachine<br />em TechnoCult<br />
  13. 13. Autómatocelular 3D<br />13<br />3D Belousov-Zhabotinsky-scrollcellularautomata<br />
  14. 14. NetLogo<br />Ambiente de programação multi-agente<br />Usadopordezenas de milhares<br />De utilizaçãogratuita<br />Desenvolvidopelo CCL da Northwestern University<br />14<br />
  15. 15. Aplicações<br />15<br />
  16. 16. Projectos CA<br />Propagação de fogosflorestais<br />Propagação de doençascontagiosas<br />16<br />
  17. 17. Redesneuronaisartificiais<br />Inspiradas na estrutura neuronal de organismos inteligentes<br />Adquirem conhecimento através da experiência<br />Até centenas ou milhares de unidades de processamento, enquanto o cérebro de um mamífero pode ter muitos milhares de milhões de neurónios<br />17<br />
  18. 18. Mesmosprincípios<br />Arquitecturasaltamenteparalelas<br />Aprendizagem<br />Algoritmosmuito simples<br />Comportamentosmuitocomplexos<br />Generalização<br />18<br />
  19. 19. Pombostreinados a distinguirquadros de Monet e Picasso <br />Aprenderam a acertar 95% <br />Continuaram a acertar 85% com<br />Quadrosdiferentes dos do treino<br />Quadros a preto e branco<br />Quadrosemorientaçõesdiferentes<br />Outros pares de pintores<br />Pombos de Watanabe<br />19<br />
  20. 20. Característicaschave<br />Nãomemorizaram<br />Extraírampadrões<br />Generalizaram e fizeramprevisões!<br />São as situaçõesemque as redesneuronais (naturaisouartificiais) ganham<br />20<br />
  21. 21. NN software<br />MatLab<br />NeuroDimension<br />EasyNN(free trial)<br />21<br />
  22. 22. Projecto NN<br />Aprender a darordens de compra e vendanabolsa<br />22<br />
  23. 23. Ant Colony Optimization<br />Comportamento social complexo<br />Sabemencontrarcaminhosmaiscurtos<br />Algoritmosinspiradosemformigassão dos maiseficientesemmuitassituações<br />23<br />
  24. 24. Projecto ACO<br />Descobrir a distânciamaiscurta entre doisnós de um grafo<br />Problema NP-complexo<br />Métodomuitoeficiente<br />24<br />
  25. 25. Swarm intelligence<br />O comportamentocolectivo de agentespoucosofisticadosorigina a emergência de padrõesfuncionaiscoerentes<br />25<br />
  26. 26. Particle swarm optimization<br />Cadapartícularepresentaumasolução no espaço de soluções<br />As partículasmovem-se de acordo com regras simples, baseadasnasuaexperiência e nadapartículavizinha<br />26<br />
  27. 27. Memetic algorithms<br />Meme: elemento cultural que se transmitepor via nãogenética<br />Técnicasevolucionáriasbaseadasempopulações<br />Aprendizagem individual<br />Busca local das melhoressoluções<br />27<br />
  28. 28. Redessociais<br />Representamrelaçõesouinteracções<br />Damaisdiversanatureza<br />Entre pessoas<br />Entre empresas<br />Entre países<br />Homogéneasoubipartidas<br />28<br />
  29. 29. Redessociais<br />29<br />
  30. 30. Maisredessociais<br />30<br />
  31. 31. Análise de redessociais<br />Redesaleatórias<br />Maiordensidade -> mais clusters<br />Redespequenosmundos<br />Seisgraus de separação<br />Redessemescala<br />Nósaltamenteligados: hubs<br />31<br />
  32. 32. Modelos de redessociais<br />Redesinteiras e redes Ego<br />Redes de afiliação e redes de actores<br />32<br />
  33. 33. Propriedades das redes<br />Estruturais<br />Equilíbrio e transitividade<br />Sub-gruposcoesivos<br />Afiliações<br />Sub-grupossobrepostos<br />Papéis e posições<br />…<br />33<br />
  34. 34. Propriedadesestruturais<br />Grau (indegree | outdegree) de um nó<br />Densidadedarede<br />Centralidade de um nó (in | out)<br />De grau<br />De proximidade<br />De intermediação<br />Centralidadedarede<br />34<br />
  35. 35. Sub-grupos<br />n-cliques, n-clãs, n-clubes<br />n-plexes, n-cores<br />Redes de afiliação<br />35<br />
  36. 36. Layout<br />36<br />
  37. 37. Software de análise<br />Pajek<br />Ucinet / Netdraw<br />Visone<br />NodeXL<br />37<br />
  38. 38. Rede dos paíseseuropeus<br />38<br />
  39. 39. Centralidade de grau<br />39<br />
  40. 40. Centralidade de proximidade<br />40<br />
  41. 41. Centralidade de intermediação<br />41<br />
  42. 42. Projectos SNA<br />Gruposeconómicos<br />Dívidassoberanas<br />42<br />
  43. 43. Sistemascomplexos<br />Sistemas compostos por um grande número de sistemas<br />Propriedades colectivas do sistema composto não relacionadas com as propriedades dos seus constituintes<br />A física, a biologia, a química, a economia, a história e a medicinaestudamsistemascomplexos<br />43<br />
  44. 44. Sistemassociaiscomplexos<br />Interacçõessociais<br />Redes<br />44<br />
  45. 45. BarabasiLab<br />45<br />
  46. 46. AmaralLab<br />46<br />
  47. 47. FAS research<br />47<br />
  48. 48. Grandesdesafios<br />Compreender o global e o individual<br />Detectar situações anormais<br />O bater-asas de uma borboleta numa primavera da gelada Lapónia pode ocasionar chuva nos Matosinhos?<br />48<br />
  49. 49. Conclusões<br />A Informática será uma ferramenta essencial para a compreensão da realidade<br />São precisos novos paradigmas<br />Sistemas dinâmicos<br />49<br />
  50. 50. Obrigado!<br />Podemveraqui o queando a fazer…<br />50<br />

×