Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade de São Paulo (USP) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Zielinski, Kallil M.C. | - |
Autor(es): dc.creator | Ribas, Lucas C. | - |
Autor(es): dc.creator | Machicao, Jeaneth | - |
Autor(es): dc.creator | Bruno, Odemir M. | - |
Data de aceite: dc.date.accessioned | 2025-08-21T18:53:02Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T18:53:02Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-01-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.patcog.2023.109946 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/304350 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/304350 | - |
Descrição: dc.description | Network modeling has proven to be an efficient tool for many interdisciplinary areas, including social, biological, transportation, and various other complex real-world systems. In addition, cellular automata (CA) are a formalism that has received significant attention in recent decades as a model for investigating patterns in the dynamic spatio-temporal behavior of these systems, based on local rules. Some studies investigate the use of cellular automata to analyze the dynamic behavior of networks and refer to them as network automata (NA). Recently, it has been demonstrated that NA is effective for network classification, as it employs a Time-Evolution Pattern (TEP) for feature extraction. However, the TEPs investigated in previous studies consist of binary values (states) that do not capture the intrinsic details of the analyzed network. Therefore, in this work, we propose alternative sources of information that can be used as descriptors for the classification task, which we refer as Density Time-Evolution Pattern (D-TEP) and State Density Time-Evolution Pattern (SD-TEP). We examine the density of alive neighbors of each node, which is a continuous value, and compute feature vectors based on histograms of TEPs. Our results demonstrate significant improvement over previous studies on five synthetic network datasets, as well as seven real datasets. Our proposed method is not only a promising approach for pattern recognition in networks, but also shows considerable potential for other types of data that can be transformed into network. | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | São Carlos Institute of Physics University of São Paulo, SP | - |
Descrição: dc.description | Institute of Biosciences Humanities and Exact Sciences São Paulo State University, SP | - |
Descrição: dc.description | Computer Engineering Department Polytechnic School of the University of São Paulo, SP | - |
Descrição: dc.description | Institute of Biosciences Humanities and Exact Sciences São Paulo State University, SP | - |
Descrição: dc.description | CNPq: #05610/2022-8 | - |
Descrição: dc.description | FAPESP: #2018/22214-6 | - |
Descrição: dc.description | FAPESP: #2020/03514-9 | - |
Descrição: dc.description | FAPESP: #2021/07289-2 | - |
Descrição: dc.description | FAPESP: #2021/08325-2 | - |
Descrição: dc.description | FAPESP: #2022/03668-1 | - |
Descrição: dc.description | FAPESP: #2023/04583-2 | - |
Descrição: dc.description | CAPES: #88887. 631085/2021-00 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Pattern Recognition | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Cellular automata | - |
Palavras-chave: dc.subject | Complex networks | - |
Palavras-chave: dc.subject | Network automata | - |
Palavras-chave: dc.subject | Pattern recognition | - |
Título: dc.title | A network classification method based on density time evolution patterns extracted from network automata | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: