Made available in DSpace on 2015-07-15T13:31:42Z (GMT). No. of bitstreams: 1 dissertacaoCharles.pdf: 2350650 bytes, checksum: 3a5a6710de4fe0f9f72e936ffc6d9a22 (MD5) Previous issue date: 2007-11-22 / Brazil Northeast s climate is usually described as semi-arid, characterized by hard dry seasons intermingled by hard rainfall seasons. Some areas of Northeast present annual pluviometric measure about 400 mm in mean, while in others the annual pluviometric measure is about 2000 mm. Rain events result from interplay of several physical phenomena, most of which can be individually described on the basic laws of mechanics and thermodynamics in a rather adequate way. Because of this, a huge progress has been achieved in recent years in relation to weather forecast with the use of very precise algorithms in large scale computing resources. They take into account the variables that are relevant for the atmospheric and ocean circulation and input of large amount of physical data obtained from a dense set of stations scattered around the world. In order to improve the interpretation of the accurate data resulting from the description of atmospheric phenomena and rain events, it is necessary to proceed with sophisticated analyses of recorded and simulated data, as spatial and temporal statistical correlations, scale properties, topological properties of spatial event distribution, ad so on. They indicate the extent of statistical relevance of the data, local and global effects, typical patterns, and other topological features related to the phenomena.In this work, we explore the usefulness of complex network framework for the analysis and nderstanding of rain events, based solely on recorded data from a set of stations in Northeast Brazil. The method is inspired on a proposal to characterize actual sequences of earthquake events where, like precipitation phenomena, the available data stems from complex systems with a very large number of physical variables. The potential network nodes are the meteorological stations where the rain events have been recorded, while the network edges are placed according to rules that take into account temporal and spatial correlation criteria between events occurring at different stations, for a time span as large as one month. We evaluate usual network properties based on diameter, node degrees, clustering coefficient, minimal inter-node distance along network edges. This allows for a characterization of networks based on seasonality and on spatial span of the region where the stations are distributed. The obtained results are discussed, taking into account the known precipitation patterns of the investigated region. rainfall variability, complex networks, fractals. / Climaticamente, a regi ao Nordeste do Brasil ?e marcada pela predomin?ncia de clima semi-?arido, caracterizado por per?ıodos de secas severas intercalados por per?odos de chuvas intensas. Eventos clim?aticos como a chuva resultam da intera??o de v?rios fen?menos f?sicos que, em sua maioria, pode ser descrita individualmente pelas leis b?sicas da mec?nica e termodin?mica de forma satisfat?ria. Por esse motivo, um imenso progresso tem sido observado, nos ?ltimos anos, com rela??o ? previs?o de tempo e clima utilizando algoritmos mais precisos em recursos computacionais de larga escala. Estes algoritmos levam em considera??o as vari?veis que s?o relevantes para a circula??o atmosf?rica e oce?nica al?m de uma grande quantidade de dados f?sicos obtidos de um conjunto denso de esta??es distribu?das ao redor do mundo. Com objetivo de prover a interpreta??o dos dados destes algoritmos, ? necess?rio proceder com an?lises sofisticadas dos dados armazenados e simulados, como correla?c oes estat?ısticas temporais e espaciais, propriedades de escalas, propriedades topologicas da distribui??o espacial de eventos, etc. Os resultados falam sobre a relev?ncia estat?stica dos dados, efeitos locais e globais, padr?es t?picos e outros recursos relacionados ao fen?meno. Neste trabalho, n?s exploramos o uso da Teoria de Redes Complexas para a an?lise e interpreta??o de eventos de chuva, baseandonos somente em registros de dados de um conjunto de esta??es pluviom?tricas da regi?o Nordeste do Brasil. Este m?etodo ? inspirado em uma proposta para caracterizar sequ?ncias de eventos s?smicos, eventos em que, assim como no fen?meno das chuvas, a grande quantidade de vari?aveis f?sicas envolvidas motiva a an?lise usando m?todos da Teoria de Sistemas Complexos. Os n?s das redes geradas s?o as esta??es meteorol?gicas onde h? dados de chuva no per?odo analisado, enquanto as arestas s?o criadas de acordo com crit?rios de correla??o temporal e espacial entre eventos de chuva ocorridos em diferentes esta??es pluviom?tricas. Calculamos os ?ndices mais comuns de caracteriza??o de redes complexas, tais como: di?metro, caminho m?nimo m?dio, coeficiente de aglomera??o m?dio. As redes conectam esta??es a diferentes dist?ncias, e a fim de estudar a causalidade n?o-local desse fen?meno foram calculados ?ndices fractais de caracteriza??o. Os valores de di?metro e de caminho m?nimo m?dio s?o menores para os meses de inverno e primavera, t?picos de chuva mais localizada no litoral; enquanto que para os meses de ver?o e outono, t?picos de chuva mais distribu?ıda em toda a regi?o, os valores s?o maiores. A dimens?o fractal calculada para dados do Sul do Nordeste (Bahia) ? semelhante ? calculada para dados do Norte do Nordeste (demais estados da Regi?o), mas ambas s?o diferentes das dimens?es fractais de redes completas e regulares hipot?ticas, o que demonstra que a distribui??o das esta??es pluviom?tricas n?o ? homog?nea. Estes resultados sugerem o estudo mais aprofundado deste m?todo de an?lise de dados pluviom?tricos, que, atrav?s da modelagem em Sistemas Complexos.

<div>A central issue in systems engineering is to design systems where the stakeholders do not behave as expected by the systems designer. Usually, these stakeholders have different and often conflicting objectives. The stakeholders try to maximize their individual objective and the overall system do not function as expected by the systems designers.</div><div><br></div><div><div>We specifically study two such systems- a) cloud-based design and manufacturing system (CBDM) and b) Air Transportation System (ATS). In CBDM, two stakeholders</div><div>with conflicting objectives are designers trying to get their parts printed at the lowest possible price and manufacturers trying to sell their excess resource capacity at maximum prots. In ATS, on one hand, airlines make route selection decision with the goal of maximizing their market share and prots and on the other hand regulatory bodies such as Federal Aviation Administration tries to form policies that increase overall welfare of the people.</div></div><div><br></div><div><div>The objective in this dissertation is to establish a mechanism design based framework: a) for resource allocation in CBDM, and b) to guide the policymakers in channeling the evolution of network topology of ATS.</div></div><div><br></div><div><div>This is the rst attempt in literature to formulate the resource allocation in CBDM as a bipartite matching problem with designers and manufacturers forming two distinct set of agents. We recommend best mechanisms in different CBDM scenarios like totally decentralized scenario, organizational scenario etc. based on how well the properties of the mechanism meet the requirements of that scenario. In addition to analyzing existing mechanisms, CBDM offers challenges that are not addressed in the literature. One such challenge is how often should the matching mechanism be implemented when agents interact over a long period of time. We answer this question through theoretical propositions backed up by simulation studies. We conclude that a matching period equal to the ratio of the number of service providers to the arrival rate of designers is optimal when service rate is high and a matching period equal to</div><div>the ratio of mean printing time to mean service rate is optimal when service rate is low.</div></div><div><br></div><div><div>In ATS, we model the evolution of the network topology as the result of route selection decisions made by airlines under competition. Using data from historic decisions we use discrete games to model the preference parameters of airlines towards explanatory variables such as market demand and operating cost. Different from the existing literature, we use an airport presence based technique to estimate these parameters. This reduces the risk of over-tting and improves prediction accuracy. We conduct a forward simulation to study the effect of altering the explanatory variables on the Nash equilibrium strategies. Regulatory bodies could use these insights while forming policies.</div></div><div><br></div><div><div>The overall contribution in this research is a mechanism design framework to design complex engineered systems such as CBDM and ATS. Specically, in CBDM a matching mechanism based resource allocation framework is established and matching mechanisms are recommended for various CBDM scenarios. Through theoretical and</div><div>simulation studies we propose the frequency at which matching mechanisms should be implemented in CBDM. Though these results are established for CBDM, these</div><div>are general enough to be applied anywhere matching mechanisms are implemented multiple times. In ATS, we propose an airport presence based approach to estimate</div><div>the parameters that quantify the preference of airlines towards explanatory variables.</div></div>

O estudo de redes complexas tem alavancado um tremendo interesse em anos recentes. Uma das características salientes de redes complexas é a presença de comunidades, ou grupos de nós densamente conectados. A detecção de comunidades pode não apenas ajudar a entender as estruturas topológicas de redes complexas, mas também pode fornecer novas técnicas para aplicações reais, como mineração de dados. Neste trabalho, propomos um novo modelo para detecção de comunidades em redes complexas, no qual várias partículas caminham na rede e competem umas com as outras para marcar seu próprio território e rejeitar partículas intrusas. O processo atinge o equilíbrio dinâmico quando cada comunidade tem apenas uma partícula. Nossa abordagem não apenas pode obter bons resultados na detecção de comunidades, como também apresenta diversas características interessantes: 1) O processo de competição de partículas é similar a muitos processos naturais e sociais, tais como competição de animais por recursos, exploração territorial por humanos (animais), campanhas eleitorais, etc.. Portanto, o modelo proposto neste trabalho pode ser útil para simular a dinâmica evolutiva de tais processos. 2) Neste modelo, nós introduzimos uma regra para controlar o nível de aleatoriedade do passeio da partícula. Descobrimos que uma pequena porção de aleatoriedade pode aumentar bastante a taxa de detecção de comunidades. Nossa descoberta é análoga ao notável fenômeno chamado ressonância estocástica onde o desempenho de um sistema determinístico não-linear pode ser bastante melhorado através da introdução de um certo nível de ruído. É interessante notar que tal fenômeno é observado em uma situação diferente aos sistemas clássicos de ressonância estocástica. 3) Nossa descoberta indica que a aleatoriedade tem um papel importante em sistemas evolutivos. Ela serve para automaticamente escapar de armadilhas não desejáveis e explorar novos espaços, isto é, ela é um descobridor de novidades. 4) Uma análise quantitativa para processo de competição entre duas particulas e duas comunidades foi conduzida, a qual é um passo de avanço para desenvolvimento de teoria fundamental de aprendizado competitivo / Study of complex networks has triggered tremendous interests in recent years. One of the salient features of complex networks is the presence of communities, or groups of densely connected nodes. Community detection can not only help to understand the topological structure of complex networks, but also provide new techniques for real applications, such as data mining. In this work, a new model for complex network community detection is proposed, in which several particles walk in the network and compete with each other to mark their own territory and reject particle intruders. The process reaches dynamics equilibrium when each community has only one particle. This approach not only can get good community detection results, but also presents several interesting features: 1) The particle competition process is rather similar to many natural and social processes, such as resource competition by animals, territory exploration by humans (animal), election campaigns, etc.. Thus, the model proposed in this work may be useful to simulate dynamical evolution of such processes. 2) In this model, a rule to control the level of randomness of particle walking is introduced. We found a small portion of randomness can largely improve the community detection rate. Such a finding is analogous to a remarkable phenomenon called stochastic resonance (SR) where the performance of a nonlinear deterministic system can be largely enhanced by introducing a certain level of noise. Interestingly, such a SR-type phenomenon is observed in quite a different situation from classical SR systems. 3) Our finding indicates that randomness has an important role in evolutionary systems and in machine learning. It serves to automatically escape some undesirable traps and explore new spaces, i.e., it is a novelty finder. 4) A quantitative analysis for two particle competition in two communities is provided. This is a step toward the development of fundamental theory of competitive learning

Network reciprocity describes the emergence of cooperative behaviour where interactions are constrained by incomplete network connectivity. It has been widely studied as an enabling mechanism for the emergence of cooperation and may be of particular interest in explaining cooperative behaviours amongst unrelated individuals or in organisms of lower cognitive abilities. Research in this area has been galvanised by the finding that heterogeneous topology promotes cooperation. Consequently there has been a strong focus on scale-free networks; however, such networks typically presuppose formative mechanisms based on preferential attachment, a process which has no general explanation. This assumption may give rise to models of cooperation that implicitly encode capabilities only generally found in more complex forms of life, thus constraining their relevance with regards to the real world. By considering the connectivity of populations to be dynamic, rather than fixed, cooperation can exist at lower levels of heterogeneity. This thesis demonstrates that a model of network fluctuation, based on random rather than preferential growth, supports cooperative behaviour in simulated social networks of only moderate heterogeneity, thus overcoming difficulties associated with explanations based on scale-free networks. In addition to illustrating the emergence and persistence of cooperation in existing networks, we also demonstrate how cooperation may evolve in networks during their growth. In particular our model supports the emergence of cooperation in populations where it is originally absent. The combined impact of our findings increases the generality of reciprocity as an explanation for cooperation in networks.

O uso de técnicas de mineração de dados tem produzido resultados importantes em diversas áreas, tais como bioinformática, atividades de transações bancárias, auditorias de computadores relacionados à segurança, tráfego de redes, análise de textos, imagens e avaliação da qualidade em processos de fabricação. Em medicina, métodos de mineração de dados têm se revelado muito eficazes na realização de diagnósticos automáticos, ajudando na tomada de decisões por equipes médicas. Além do uso de mineração de dados, dados médicos podem ser representados por redes complexas, de modo a incluir conexões entre seus elementos. Por exemplo, no caso do cérebro, regiões corticais podem representar vértices em um grafo e as conexões podem ser definidas através das atividades corticais. Com isso, pode-se comparar a estrutura do cérebro de sujeitos sadios com a de pacientes que apresentam doenças mentais de modo a definir métodos para diagnóstico e obter conhecimento sobre como a estrutura do cérebro está relacionada com alterações comportamentais e neurológicas. Nesse trabalho, estamos interessados em usar métodos de mineração de dados e redes complexas para classificar pacientes portadores de quatro diferentes tipos de doenças mentais, isto é, esquizofrenia, autismo, déficit de atenção/desordem de hiperatividade e paralisia progressiva nuclear. / A data mining and knowledge discovery is in a field of research, with applications in different areas such as bioinformatics, customer transaction activity, security related computer audits, network traffic, text analysis and quality evaluation in manufacturing. In medicine, data mining methods have proven very effective in performing automatic diagnostics, helping in making decisions by medical teams. In addition to the use of data mining, medical data can be represented by complex networks in order to include connections between its elements. For example, in the case of the brain, cortical regions can represent vertices in a graph and the connections can be defined through cortical activities. Thus, we can compare the brain structure of healthy patients with those of patients with mental disorder in order to define methods for diagnosis and to obtain knowledge about how the structure of the brain is related to behavioral and neurological changes. Here, we are interested in using data mining methods and complex networks to classify patients with four different types of mental desorders, that is, schizophrenia, autism, attention deficit / hyperactivity disorder, and progressive supranuclear paralysis.

Nesta pesquisa, estudamos e comparamos duas maneiras de se construir redes. O principal objetivo do nosso estudo é encontrar uma forma efetiva de se construir redes, especialmente quando temos menos observações do que variáveis. A construção das redes é realizada através da estimação do coeficiente de correlação parcial com base na estatística clássica (inverse method) e na Bayesiana (priori conjugada Normal - Wishart invertida). No presente trabalho, para resolver o problema de se ter menos observações do que variáveis, propomos uma nova metodologia, a qual chamamos correlação parcial local, que consiste em selecionar, para cada par de variáveis, as demais variáveis que apresentam maior coeficiente de correlação com o par. Aplicamos essas metodologias em dados simulados e as comparamos traçando curvas ROC. O resultado mais atrativo foi que, mesmo com custo computacional alto, usar inferência Bayesiana é melhor quando temos menos observações do que variáveis. Em outros casos, ambas abordagens apresentam resultados satisfatórios. / This research is about studying and comparing two different ways of building complex networks. The main goal of our study is to find an effective way to build networks, particularly when we have fewer observations than variables. We construct networks estimating the partial correlation coefficient on Classic Statistics (Inverse Method) and on Bayesian Statistics (Normal - Invese Wishart conjugate prior). In this current work, in order to solve the problem of having less observations than variables, we propose a new methodology called local partial correlation, which consists of selecting, for each pair of variables, the other variables most correlated to the pair. We applied these methods on simulated data and compared them through ROC curves. The most atractive result is that, even though it has high computational costs, to use Bayesian inference is better when we have less observations than variables. In other cases, both approaches present satisfactory results.

O presente trabalho admite como pressuposto que a identidade de um campo de conhecimento pode ser percebida, também, pela análise de sua produção científica. Como objetivo geral, propôs-se mapear e construir a rede de produção científica do Campo de Políticas Públicas no período abrangido pelos anos compreendidos entre 2000 e 2011, sob a ótima de Sistemas Complexos. Definiu-se que essas redes teriam como unidades de composição os autores responsáveis pela produção identificada no período; assim, efetivou-se um levantamento por esses artigos em oito diferentes veículos de produção científica que recebem trabalhos do campo, sendo quatro encontros e quatro periódicos, selecionados, inclusive, com base na classificação Qualis da CAPES. Os encontros selecionados foram o EnAPG Encontro de Administração Pública e Governança, EnANPAD Encontro da Associação Nacional de Pós-Graduação e Pesquisa Em Administração, Encontro da ANPOCS Associação Nacional de Pós-Graduação e Pesquisa em Ciências Sociais de e Encontro da ABCP Associação Brasileira de Ciência Política, ao passo que os periódicos foram a Revista de Políticas Públicas, a Revista de Administração Pública, a Revista Brasileira de Ciências Sociais e a Lua Nova: Revista de Cultura e Política. À exceção do EnAPG, da RAP e da RPP- em que todos os artigos publicados no período foram selecionados foram adotados critérios de seleção para os artigos baseados na análise do título, resumo e palavras-chave. Para o tratamento dos dados, dois softwares foram utilizados: Microsoft Excel® e NodeXL Excel Template®; o primeiro foi usado na tabulação dos dados e elaboração do banco de dados que fundamentou a confecção das redes, viabilizada pelo segundo. Como resultados, encontrou-se que i) no período analisado o crescimento do Campo de Políticas Públicas foi evidente tanto o número de autores quanto o de artigos; ii) o campo tem se mostrado um espaço aberto a produções colaborativas, visto que os cálculos revelaram, em média, dois autores por artigo; iii) o campo ainda carece de identidade, considerando que grande parte dos autores não permanece nele, ou seja, não apresentam continuidade e periodicidade em suas pesquisas e iv) mesmo entre os autores destacados nas medidas de centralidade ou como os mais prolíficos, depreendeu-se que não têm sua formação acadêmica concentrada na área, à exceção de poucos. Ressalta-se, ainda, que os padrões encontrados acerca da dinâmica de relacionamentos podem diferir de acordo com a grande área a que estão relacionados. / This study takes the assumption that the identity of a field of knowledge can be perceived also by the analysis of their scientific production. As general goal, it was proposed to map and build the scientific production network Public Policy Field in the period covered by the years 2000 to 2011, in the optimal of Complex Systems. It was defined that these networks would have as composition units for scientific production the identified authors in the period, so a survey was accomplished by these articles in eight different vehicles that receive scientific field work, four meetings and four journals, selected, even based on the classification of Qualis CAPES. The meetings selected were EnAPG - Meeting of Public Administration and Governance, EnANPAD Meeting of National Association of Graduate Studies and Research in Administration, ANPOCS Meeting National Association of Graduate Studies and Research in Social Sciences and ABCP Meeting Brazilian Association of Political Science, while journals were Journal of Public Policy, Journal of Public Administration, Brazilian Journal of Social Sciences and New Moon: Review of Culture and Politics. Except for EnAPG, RAP and RPP that all articles published in the period were selected it was adopted a criteria selection for articles based on analysis of the title, abstract and keywords. To process the data, it were used two softwares: Microsoft Excel ® and NodeXL Excel Template®, the first was used in data tabulating and preparing the database that justified the making of networks, enabled by the second. As results, it was found that i) the growth of the Field of Public Policy was evident in the period analyzed both as the number of authors and articles, ii) the field has been an open space for collaborative productions, since the calculations revealed an average of two authors per article iii) the field still lacks identity, considering that most authors do not stay in it, or do not have continuity and regularity in their research and iv) even among the authors highlighted the measures or centrality and as the most prolific, surmised that have focused on their academic area, with the exception of a few. It should also be emphasized that the patterns found on the dynamics of relationships may differ according to the large area that they are related.

Esta dissertação apresenta um estudo detalhado do sistema de canais do osso cortical dos animais sob o ponto de vista das redes complexas. Este sistema é composto por canais paralelos ao eixo principal do osso e por canais perpendiculares. Estes canais são chamados de canais de Havers e Volkman, respectivamente. Sua principal função é conduzir os vasos sangüíneos responsáveis pela nutrição das células por toda estrutura óssea. O conjunto de canais foi mapeado em uma rede na qual consideramos cada vértice como sendo a intersecção de um ou mais canais e as conexões entre os vértices como os próprios canais. Analisamos as características topológicas desta rede utilizando os conceitos clássicos de redes complexas, como conectividade, coeficiente de clusterização, distribuição do comprimento dos menores caminhos e detecção de comunidades. Também utilizamos uma abordagem hierárquica para algumas destas medidas. Mostramos que a rede do osso cortical é altamente modular, sendo organizada em comunidades bem definidas e espacialmente localizadas, sendo este último fator importante para determinação das características topológicas da comunidade. Os resultados demonstram que a rede Haversiana é similar a outras redes reais, sugerindo um processo natural de otimização durante sua criação. Alguns aspectos dinâmicos também foram estudados através do processo de despercolação. Nós mostramos que as comunidades da rede Haversiana não são igualmente resistentes a perda de conexões. Além disso as comunidades mais resistentes estão localizadas na região posterior do osso, onde também estão localizados os prolongamentos ósseos, responsáveis pela sustentação e equilíbrio mecânico da estrutura. Também avaliamos o fluxo entre a medula óssea e o periósteo ósseo durante o processo de despercolação e o comparamos com o fluxo medido quando a rede é submetida a ataques. Nossos resultados indicam que a remoção aleatória de conexões é mais prejudical às propriedades de transporte desta rede. / This work studies in detail the channel system of the cortical bone of animals from the complex networks point of view. This system is composed by channels parallel to the main axis of the bone and by channels perpendicular to it. These channels are called Haversian and Volkmann channels, respectively. Their main function is to lead the blood vessels responsible for cell nourishment through the whole bone structure. The set of channels was mapped into a network in which we considered each node as the confluence of one or more channels and the edges among the nodes as the channels. We analysed the topological features of the Haversian network using classic concepts of complex networks, such as degree, clustering coefficient, distribution of the shortest path and communities detection. We also used hierarquical approaches for some of these measurements. We showed that the cortical bone network is highly modular and organized into communities very well defined and spatially localized. The latter feature was important in order to define the topological properties of the communities. The results indicate that the Haversian network is similar to other man-made networks, suggesting a natural process of optimization during its creation. Some dynamical aspects were also investigated through despercolation process. We showed that the Haversian communities are not equally resistent to edges removal. Moreover, the more resilient communities were found to be at the posterior portion of the bone, where are also placed the bone protrusions, responsible for support and balance of the structure. We also evaluated the flow between the marrow bone and the periosteum during the despercolation process and compared with the flow while the network was submitted to edges attacks. Our results indicate that the random removal of the edges is more harmful to the transport properties of this network.

Fenômenos coletivos em redes sociais como a formação de linguagem ou cultura, crenças, emergência de consenso em relação a algum assunto, aquisição de conhecimento e aprendizagem, dentre outros, tem conduzido a um grande interesse no estudo de comportamentos cooperativos e fenômenos sociais, resultando numa grande variedade de dinâmicas de opinião. Nestes modelos, uma população de agentes interagentes carrega uma variável (ou um conjunto delas) numérica cujo valor representa uma opinião sobre um tópico, com interpretações distintas em cada contexto. Inspirados em conceitos de mecânica estatística e mecanismos sociais, estes estados evoluem governados por regras matemáticas que controlam a dinâmica de interação entre os agentes e a influência de fatores externos. Outro ingrediente importante na modelagem de sistemas reais é que a representação das interações entre agentes difere bastante de reticulados ou misturas homogêneas, sendo mais bem descritas por redes complexas. Neste trabalho, estudamos a dinâmica de opinião de Krause e Hegselmann. Neste modelo, agentes possuem opiniões que assumem valores contínuos e são atualizados de acordo com a vizinhança compatível, definida pelo princípio da confiança limitada. Após apresentar uma revisão da literatura, estudamos a dinâmica de opinião no contexto de Redes Complexas, seguido de modificações do modelo que consideram a ação de ruído e campo externo (propaganda). Finalmente, propomos um modelo de consenso cuja interpretação está inserida no contexto de aquisição de conhecimento por agentes interagentes que realizam observações sujeitas a erros. Os resultados mostram como os diferentes tipos de topologia influenciam no comportamento das dinâmicas. / Collective phenomena in social networks such as formation of language or culture, beliefs, emergence of consensus on any subject, knowledge acquisition and learning, among others, has led to an increasing interest in the study of cooperative behavior and social phenomena, resulting in great variety of opinion dynamics. In these models, a population of interacting agents holds a variable (or a set of them) whose numerical value is an opinion on a topic, with different interpretations in each context. Inspired by concepts from statistical mechanics and social mechanisms, these states evolve governed by mathematical rules that control the dynamics of interaction between agents and the influence of external factors. Another important ingredient in the modeling of real systems is the representation of the interactions between agents, which strongly differs from lattices or fully mixed states, being better described by complex networks. In the present work, we study the opinion dynamics of Krause and Hegselmann. In this model, agents hold opinions that assume continuous values and are updated according to their compatible neighborhood, defined by the bounded confidence principle. After presenting a literature review, we studied the opinion dynamics in the context of complex networks, followed by modifications of the model considering the effect of noise and external field (advertising). Finally, we propose a consensus model interpreted as a process of knowledge acquisition by interacting agents that make observations subject to errors. The results show how the topology influences the dynamic behavior.

Sabe-se que diversas regiões do cérebro humano trabalham em sincronia, mesmo anatomicamente separadas, sugerindo conexões funcionais e estruturais. Dessa forma, nosso cérebro pode ser considerado uma rede que pode ser estudada para diferenças entre indivíduos e entre tarefas, em que os nodos podem ser diferentes regiões e as arestas podem ser medidas de conectividade funcional entre séries temporais de um sinal de ressonância magnética de cada região. Neste estudo, propomos analisar como conectividade funcional e parâmetros de rede cerebral se relacionam com desempenho intelectual e um estado de atenção sustentada. Foram adquiridas imagens de ressonância magnética de 30 indivíduos saudáveis jovens em estado de repouso e de atenção sustentada, a partir delas foram calculadas as conexões funcionais entre 90 regiões cerebrais usando o coeficiente de correlação entre pares de series temporais. Destes sujeitos foram estimados sete índices de inteligência a partir da aplicação do teste WAIS-III. As matrizes de conectividade evidenciariam um comportamento de rede complexa de mundo pequeno para limiares entre 0,2 e 0,5. Não foram encontradas associações entre parâmetros globais das redes ponderadas em estado de repouso e os índices de inteligência. Conectividade funcional e alguns parâmetros de rede locais evidenciaram correlações com pontuações de inteligência, principalmente nas regiões frontal, pré-central, parietal e occipital, giro fusiforme e supramarginal e caudado. Embora o p-valor não-corrigido seja bem pequeno e/ou haja simetria entre hemisférios em alguns resultados, ao ser considerado o efeito de múltiplas comparações para análise inteira não foram encontradas associações estatisticamente significativas, por isso as análises foram corrigidas para cada região (p-valor corrigido pelo FDR<0,05). Ainda assim, possivelmente um aumento do número de sujeitos levaria a resultados mais conclusivos. Não foram encontrados resultados que confirmassem a hipótese de que, para indivíduos normais, haveria uma maior anti-correlação de redes extrínsecas e intrínsecas como um todo para o estado de atenção focada em relação ao estado de repouso. Entretanto, durante o estado de atenção sustentada, foram encontradas algumas diferenças estatisticamente significantes nas conexões locais dentro das redes positivas e negativas à tarefa, evidenciadas por um aumento na magnitude das correlações positivas ou negativas durante a atenção sustentada, além de uma tendência de anti-correlação em conexões entre regiões positivas e negativas à tarefa. / It\'s known that some regions of the human brain work synchronously, even if they are anatomically separated, suggesting functional and structural connections. In this way, our brain can be considered a network that can be studied for individual or task differences and in which nodes can be the different regions and edges can be the measurements of functional connectivity between blood oxygen level-dependent signal time series from each region. In this study, we aim to analyze how functional connectivity and brain network parameters relate to intellectual performance and to sustained attention state. Resonance Magnetic images were acquired in 30 healthy young volunteers in resting and attentional state. The functional connections between 90 brain regions were computed from them using correlation coefficient between pairs of temporal series. Seven intelligence indices were estimated from these subjects through WAIS-III test application and associations between functional connectivity values or brain network parameters were sought. Connectivity matrices evidenced a small-world complex network behavior for thresholds between 0.2 and 0.5. No associations between global parameters using weighted networks were found. Functional connectivity and network parameters have evidenced some correlations with intelligence scores, mainly in frontal, pre-central, parietal, occipital regions, fusiform and supramarginal gyrus and caudate nucleus. Even that the uncorrected p-value was small and/or there was symmetry between hemispheres in several results, statistical significant associations were not found considering multiple comparisons correction for the entire analysis, therefore the analysis were corrected for each region (FDR corrected p-value <0.05). Even, increasing the number of subjects possibly would get more conclusive results. Results corroborant to the initial hypothesis of greater anti-correlation between default mode network and task-positive regions were not found for the sustained attention state. However, during sustained attention state, some statistically significant differences in local connections within task-positive and negative regions were found, evidenced by the increase of the strength of positive and negative correlations, besides of a trend of anti-correlation in connections between task-positive and negative regions.