A Clusterização de dados em grupos oferece uma maneira de entender e extrair informações relevantes de grandes conjuntos de dados. A abordagem em relação a aspectos como a representação dos dados e medida de similaridade entre clusters, e a necessidade de ajuste de parâmetros iniciais são as principais diferenças entre os algoritmos de clusterização, influenciando na qualidade da divisão dos clusters. O uso cada vez mais comum de grandes conjuntos de dados aliado à possibilidade de melhoria das técnicas já existentes tornam a clusterização de dados uma área de pesquisa que permite inovações em diferentes campos. Nesse trabalho é feita uma revisão dos métodos de clusterização já existentes, e é descrito um novo método de clusterização de dados baseado na identificação de comunidades em redes complexas e modelos computacionais inspirados biologicamente. A técnica de clusterização proposta é composta por duas etapas: formação da rede usando os dados de entrada; e particionamento dessa rede para obtenção dos clusters. Nessa última etapa, a técnica de otimização por nuvens de partículas é utilizada a fim de identificar os clusters na rede, resultando em um algoritmo de clusterização hierárquico divisivo. Resultados experimentais revelaram como características do método proposto a capacidade de detecção de clusters de formas arbitrárias e a representação de clusters com diferentes níveis de refinamento. / DAta clustering is an important technique to understand and to extract relevant information in large datasets. Data representation and similarity measure adopted, and the need to adjust initial parameters, are the main differences among clustering algorithms, interfering on clusters quality. The crescent use of large datasets and the possibility to improve existing techniques make data clustering a research area that allows innovation in different fields. In this work is made a review of existing data clustering methods, and it is proposed a new data clustering technique based on community dectection on complex networks and bioinspired models. The proposed technique is composed by two steps: network formation to represent input data; and network partitioning to identify clusters. In the last step, particle swarm optimization technique is used to detect clusters, resulting in an hierarchical clustering algorithm. Experimental results reveal two main features of the algorithm: the ability to detect clusters in arbitrary shapes and the ability to generate clusters with different refinement degrees

Esta pesquisa propõe-se a oferecer uma análise inédita sobre o campo de administração pública, utilizando metodologias da área de sistemas complexos para interpretar questões pertinentes ao objeto de pesquisa. Dessa forma, buscou-se mapear e construir a rede de pesquisadores em Administração Pública, como forma de oferecer subsídios para constatações e reflexões específicas sobre o campo, complementando alguns estudos já realizados, bem como oferecendo novos subsídios para análises sobre seu desenvolvimento. Desta forma, fundamentado em problemas específicos do campo de administração pública, já constatados em outros estudos, utiliza-se a metodologia de redes complexas, para modelagem desta rede. Para tanto, foram coletados dados dos principais eventos (EnANPAD e EnAPG) e periódicos (RAC, RAP, RSP e O&S) do campo, no período recente (2000 2010) para composição e posterior análise de sua configuração. A análise se deu a partir da evolução da rede em termos de número de pesquisadores e artigos publicados, bem como pela constatação dos pesquisadores mais prolíficos, com a finalidade de verificar alguns aspectos peculiares ao campo. Como resultado, verificou-se o crescimento do campo no período recente, acompanhado da inclusão de novos pesquisadores, mas que não representam, necessariamente, a consolidação do campo, haja vista a pouca permanência que estes têm no campo ao longo dos anos. Ademais, verificou-se que os principais pesquisadores, que possuem fortes laços com as tradicionais instituições do campo, na maioria das vezes não têm formação acadêmica diretamente ligada a área, bem como apresentam produção científica dispersa. Tais constatações reforçam, de maneira quanti e qualitativa, as dificuldades próprias do campo de administração pública / This research proposes to offer a unprecedented analysis about the field of public administration, using methodologies in the area of complex systems, to interpret questions pertaining to the object of research. Thus, this study sought to map and build the network of researchers in public administration as a way to provide insights to specific findings and specific reflections about the field, complementing some previous studies, as well as offering new subsidies for analysis on their development. Thus, based on the specific problems of the public administration field, already observed in other studies, it was used the methodology of complex systems, especially complex networks for modeling this network. Therefore, data were collected from major events (EnANPAD and EnAPG) and journals (RAC, RAP, RSP and O & S) of the field in the recent period (2000 - 2010) for the composition and subsequent analysis of its configuration. The analysis was performed based on network evolution in terms of number of researchers and published articles, as well as the identification of the most prolific researchers, in order to verify some aspects peculiar to the field. As a result, it was found the growth of the field in recent years, followed by the inclusion of new researchers, which not necessarily represent the consolidation of the field, due to the low permanence that they have in it over the years. Moreover, it was found that the main researchers, who have strong ties to traditional institutions of the field, most of the time, have no academic graduation directly linked to the area and present scientific production dispersed. Such findings reinforce, so quantitative and qualitative, the difficulties inherent to the field of public administration

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.

Estudos em redes complexas têm ganhado cada vez mais atenção devido ao seu potencial de representação simples de modelos complexos em diversas áreas de conhecimento. A obtenção de modelos quantitativos que representem fenômenos observados da natureza, assim como o desenvolvimento de metodologias de caracterização de redes complexas, tornaram-se essenciais para a compreensão e desenvolvimento de pesquisas com essas estruturas. Este trabalho tem como objetivo desenvolver e estudar alguns métodos recentes, usados para a caracterização de redes complexas, explorando-os no contexto da modelagem de conhecimento. Para isso, duas redes complexas foram geradas, uma rede de colaboração de pesquisadores da USP e outra obtida a partir do banco de dados de artigos da Wikipédia, considerando apenas aqueles da categoria de teoremas matemáticos. As medidas concêntricas, que foram recentemente formalizadas, são exploradas e aplicadas às redes descritas, assim como para diversos modelos teóricos, fornecendo informações muito relevantes sobre a topologia dessas redes. Resultados ainda mais interessantes são obtidos pela caracterização dos vértices da rede de colaboração, que revelam padrões de interdisciplinaridade entre as diferentes áreas do conhecimento. Um modelo de aquisição de conhecimento também foi proposto, aplicando a utilização de simulações de múltiplos agentes interagentes que caminham por uma rede complexa segundo uma heurística auto-esquivante. Resultados dessas simulações, realizadas para a rede da Wikipédia e outros modelos teóricos, mostram que certas configurações de parâmetros e de redes apresentam melhor desempenho na aquisição do conhecimento, com a rede de teoremas apresentando o pior deles. Entretanto, diferentemente do que era esperado, a variação da memória dos agentes pouco influência a velocidade de aquisição de conhecimento dos agentes. A freqüência de acesso dos vértices pelos agentes também foi determinada e explorada superficialmente. Diversos softwares foram desenvolvidos para uso neste projeto de mestrado, dentre eles destaca-se o visualizador 3D, que se tornou indispensável para a análise das contribuições das outras propriedades apresentadas. / Studies of complex networks have gained increasing research interest in recent years, in part due to its potential for simple representation of complex systems in various fields of science. The needs of quantitative models representing observed phenomena, as well the development of methods for the characterization of complex networks, is a essential matter for the development and understanding of scientific researches exploring such structures. This work aims to develop and study some new methods for the characterization of complex networks, exploring them in the context of knowledge modeling. Initially, two complex networks were developed, a collaborative network of researchers from the Universidade de Sao Paulo and the other obtained from the database of Wikip´edia articles, considering only those strict related to mathematical theorems. The recently formalized concentric measurements are explored and applied to the described networks, as well to other several theoretical models, providing much more information about the topology of these networks than by the use of traditional measurements. Even more interesting results are obtained by the characterization of the vertices of the collaboration network, which reveal patterns of interdisciplinarity among the many fields of science. A model of knowledge acquisition has also been proposed by the use of simulations of multiple interacting agents walking through a complex network in self-avoiding trajectories. Results of those simulations, performed for the network of Wikipedia and other theoretical models shows that certain sets of parameters and networks perform better in the acquisition of knowledge, through the network of theorems presenting the worst of them. However, unlike what should be expected on the basis of intuition, the agents memories do not play much influence to the speed of acquisition of knowledge. The agent access frequencies of vertices was also been obtained and explored superficially in order to determine where the agents walk more ofen. Several softwares had been developed in this masters thesis project, among these, there is a complex network computational visualization tool, which had become indispensable for the many analysis of the contributions obtained by the use of the other described properties.

Aprendizado semissupervisionado (ASS) é o nome dado ao paradigma de aprendizado de máquina que considera tanto dados rotulados como dados não rotulados. Embora seja considerado frequentemente como um meio termo entre os paradigmas supervisionado e não supervisionado, esse paradigma é geralmente aplicado a tarefas preditivas ou descritivas. Na tarefa preditiva de classificação, p. ex., o objetivo é rotular dados não rotulados de acordo com os rótulos dos dados rotulados. Nesse caso, enquanto que os dados não rotulados descrevem as distribuições dos dados e mediam a propagação dos rótulos, os itens de dados rotulados semeiam a propagação de rótulos e guiam-na à estabilidade. No entanto, dados são gerados tipicamente não rotulados e sua rotulação requer o envolvimento de especialistas no domínio, rotulando-os manualmente. Dificuldades na visualização de grandes volumes de dados, bem como o custo associado ao envolvimento do especialista, são desafios que podem restringir o desempenho dessa tarefa. Por- tanto, o destacamento automático de bons candidatos a dados rotulados, doravante denominados indivíduos representativos, é uma tarefa de grande importância, e pode proporcionar uma boa relação entre o custo com especialista e o desempenho do aprendizado. Dentre as abordagens de ASS discriminadas na literatura, nosso interesse de estudo se concentra na abordagem baseada em redes, onde conjuntos de dados são representados relacionalmente, através da abstração gráfica. Logo, o presente trabalho tem como objetivo explorar a influência dos nós rotulados no desempenho do ASS baseado em redes, i.e., estudar a caracterização de nós representativos, como a estrutura da rede pode realçá-los, o ganho de desempenho de ASS proporcionado pela rotulação manual dos mesmos, e aspectos filosóficos relacionados. Em relação à caracterização, critérios de caracterização de nós centrais em redes são estudados considerando-se redes com estruturas modulares bem definidas. Contraintuitivamente, nós bastantes conectados (hubs) não são muito representativos. Nós razoavelmente conectados em vizinhanças pouco conectadas, por outro lado, são; estritamente local, esse critério de caracterização é escalável a grandes volumes de dados. Em redes com distribuição de grau homogênea - modelo Girvan-Newman (GN), nós com alto coeficiente de agrupamento também mostram-se representativos. Por outro lado, em redes com distribuição de grau heterogênea - modelo Lancichinetti-Fortunato-Radicchi (LFR), nós com alta intermedialidade se destacam. Nós com alto coeficiente de agrupamento em redes GN estão tipicamente situados em motifs do tipo quase-clique; nós com alta intermedialidade em redes LFR são hubs situados na borda das comunidades. Em ambos os casos, os nós destacados são excelentes regularizadores. Além disso, como critérios diversos se destacam em redes com características diversas, abordagens unificadas para a caracterização de nós representativos também foram estudadas. Crítica para o realce de indivíduos representativos e o bom desempenho da classificação semissupervisionada, a construção de redes a partir de bases de dados vetoriais também foi estudada. O método denominado AdaRadius foi proposto, e apresenta vantagens tais como adaptabilidade em bases de dados com densidade variada, baixa dependência da configuração de seus parâmetros, e custo computacional razoável, tanto sobre dados pool-based como incrementais. As redes resultantes, por sua vez, são esparsas, porém conectadas, e permitem que a classificação semissupervisionada se favoreça da rotulação prévia de indivíduos representativos. Por fim, também foi estudada a validação de métodos de construção de redes para o ASS, sendo proposta a medida denominada coerência grafo-rótulos de Katz. Em suma, os resultados discutidos apontam para a validade da seleção de indivíduos representativos para semear a classificação semissupervisionada, corroborando a hipótese central da presente tese. Analogias são encontrados em diversos problemas modelados em redes, tais como epidemiologia, propagação de rumores e informações, resiliência, letalidade, grandmother cells, e crescimento e auto-organização. / Semi-supervised learning (SSL) is the name given to the machine learning paradigm that considers both labeled and unlabeled data. Although often defined as a mid-term between unsupervised and supervised machine learning, this paradigm is usually applied to predictive or descriptive tasks. In the classification task, for example, the goal is to label the unlabeled data according to the labels of the labeled data. In this case, while the unlabeled data describes the data distributions and mediate the label propagation, the labeled data seeds the label propagation and guide it to the stability. However, as a whole, data is generated unlabeled, and to label data requires the involvement of domain specialists, labeling it by hand. Difficulties on visualizing huge amounts of data, as well as the cost of the specialists involvement, are challenges which may constraint the labeling task performance. Therefore, the automatic highlighting of good candidates to label by hand, henceforth called representative individuals, is a high value task, which may result in a good tradeoff between the cost with the specialist and the machine learning performance. Among the SSL approaches in the literature, our study is focused on the network--based approache, where datasets are represented relationally, through the graphic abstraction. Thus, the current study aims to explore and exploit the influence of the labeled data on the SSL performance, that is, the proper characterization of representative nodes, how the network structure may enhance them, the SSL performance gain due to labeling them by hand, and related philosophical aspects. Concerning the characterization, central nodes characterization criteria were studied on networks with well-defined modular structures. Counterintuitively, highly connected nodes (hubs) are not much representatives. Not so connected nodes placed in low connectivity neighborhoods are, though. Strictly local, this characterization is scalable to huge volumes of data. In networks with homogeneous degree distribution - Girvan-Newman networks (GN), nodes with high clustering coefficient also figure out as representatives. On the other hand, in networks with inhomogeneous degree distribution - Lancichinetti-Fortunato-Radicchi networks (LFR), nodes with high betweenness stand out. Nodes with high clustering coefficient in GN networks typically lie in almost-cliques motifs; nodes with high betweenness in LFR networks are highly connected nodes, which lie in communities borders. In both cases, the highlighted nodes are outstanding regularizers. Besides that, unified approaches to characterize representative nodes were studied because diverse criteria stand out for diverse networks. Crucial for highlighting representative nodes and ensure good SSL performance, the graph construction from vector-based datasets was also studied. The method called AdaRadius was introduced and presents advantages such as adaptability to data with variable density, low dependency on parameters settings, and reasonable computational cost on both pool based and incremental data. Yielding networks are sparse but connected and allow the semi-supervised classification to take great advantage of the manual labeling of representative nodes. Lastly, the validation of graph construction methods for SSL was studied, being proposed the validation measure called graph-labels Katz coherence. Summing up, the discussed results give rise to the validity of representative individuals selection to seed the semi-supervised classification, supporting the central assumption of current thesis. Analogies may be found in several real-world network problems, such as epidemiology, rumors and information spreading, resilience, lethality, grandmother cells, and network evolving and self-organization.

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.

Uma análise da rede de movimentação de bovinos entre estabelecimentos do Estado de Mato Grosso foi realizada utilizando os dados das guias de trânsito animal (GTA) emitidas durante o ano de 2007. A utilização de parâmetros descritivos da rede de movimentação de bovinos permitiu a caracterização da intensidade de comercialização de bovinos entre os estabelecimentos. Os parâmetros calculados foram: grau (entrada e saída), betweenness, closeness, coeficiente de aglomeração e PageRank. Dados referentes ao status das propriedades (foco ou livre de brucelose) obtidos do banco de dados do levantamento para brucelose bovina do Programa Nacional de Controle e Erradicação da Brucelose e da Tuberculose Animal (PNCEBT) foram utilizados para comparar os parâmetros das propriedades positivas e negativas para brucelose. A comparação foi realizada pelo teste de Mann Whitney e foi encontrada diferença estatisticamente significante (P< 0,05) apenas para os parâmetros grau total e de saída ponderados por número de animais e ponderados por número de lotes movimentados. A análise descritiva da rede de movimentação de bovinos mostra que a distribuição de valores para todos os parâmetros, exceto o closeness, seguiu qualitativamente a Lei de potências. As informações obtidas são importantes para auxiliar em medidas de controle e prevenção de doenças em rebanhos bovinos, como a brucelose. / An analysis of the network of cattle movement between farm premises of the state of Mato Grosso was carried out using data from the records of animal transit (GTA) collected during 2007. The use of descriptive parameters of the network of movement allowed the characterization of the intensity of bovine trade between the farm premises. The parameters calculated were: degree (incoming and outgoing), betweenness, closeness, clustering coefficient and PageRank. The database concerning the status of the premises (positive or brucellosis free) obtained from the survey for bovine brucellosis of National Programme for Control and Eradication of Brucellosis and Tuberculosis Animal (PNCEBT) was used to compare the parameters of positive and negative premises for brucellosis. The comparison was done by using the Mann Whitney test and found a statistically significant difference (P <0.05) for the parameters total degree and outgoing degree weighted by number of animals and number of batches. The descriptive analysis of the network of bovine movements showed that the distribution of values for all parameters, except the closeness, qualitatively followed a power law. The information obtained is important to assist in control measures and prevention of diseases in cattle herds, such as brucellosis.

Redes complexas é um campo de pesquisa científica recente e bastante ativo que estuda redes de larga escala com estruturas topológicas não triviais, tais como redes de computadores, redes de telecomunicações, redes de transporte, redes sociais e redes biológicas. Muitas destas redes são naturalmente divididas em comunidades ou módulos e, portanto, descobrir a estrutura dessas comunidades é um dos principais problemas abordados no estudo de redes complexas. Tal problema está relacionado com o campo de aprendizado de máquina, que tem como interesse projetar e desenvolver algoritmos e técnicas que permitem aos computadores aprender, ou melhorar seu desempenho através da experiência. Alguns dos problemas identificados nas técnicas tradicionais de aprendizado incluem: dificuldades em identificar formas irregulares no espaço de atributos; descobrir estruturas sobrepostas de grupos ou classes, que ocorre quando elementos pertencem a mais de um grupo ou classe; e a alta complexidade computacional de alguns modelos, que impedem sua aplicação em bases de dados maiores. Neste trabalho tratamos tais problemas através do desenvolvimento de novos modelos de aprendizado de máquina utilizando redes complexas e dinâmica espaço-temporal, com capacidade para tratar grupos e classes sobrepostas, além de fornecer graus de pertinência para cada elemento da rede com relação a cada cluster ou classe. Os modelos desenvolvidos tem desempenho similar ao de algoritmos do estado da arte, ao mesmo tempo em que apresentam ordem de complexidade computacional menor do que a maioria deles / Complex networks is a recent and active scientific research field, which concerns large scale networks with non-trivial topological structure, such as computer networks, telecommunication networks, transport networks, social networks and biological networks. Many of these networks are naturally divided into communities or modules and, therefore, uncovering their structure is one of the main problems related to complex networks study. This problem is related with the machine learning field, which is concerned with the design and development of algorithms and techniques which allow computers to learn, or increase their performance based on experience. Some of the problems identified in traditional learning techniques include: difficulties in identifying irregular forms in the attributes space; uncovering overlap structures of groups or classes, which occurs when elements belong to more than one group or class; and the high computational complexity of some models, which prevents their application in larger data bases. In this work, we deal with these problems through the development of new machine learning models using complex networks and space-temporal dynamics. The developed models have performance similar to those from some state-of-the-art algorithms, at the same time that they present lower computational complexity order than most of them