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.

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.

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.

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.

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.

Made available in DSpace on 2015-03-04T18:51:17Z (GMT). No. of bitstreams: 1 thesisMarquezino.pdf: 1984026 bytes, checksum: aab2f346b43ad780233318adb7219d76 (MD5) Previous issue date: 2010-02-26 / Conselho Nacional de Desenvolvimento Cientifico e Tecnologico / 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. / 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.

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.

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.