Comparando algoritmos para conversão de séries temporais em grafos

Vinicius de Paula Silva, Leonardo N. Ferreira, Leonardo B. L. Santos, Vander L. S. Freitas

Resumo


A constante evolução do estudo sobre redes complexas possibilitou seu uso em áreas como biologia, medicina e neurociência [1]. A partir do mapeamento do sistema, e consequentemente do espaço topológico gerado, pode-se utilizar métricas de rede para sua caracterização. Um exemplo de aplicação é a análise de séries temporais via o formalismo de redes [4]. [...]


Texto completo:

PDF

Referências


Albert-László Barabási e Márton Pósfai. Network science. Cambridge: Cambridge University Press, 2016.

Vander L. S. Freitas, Juliana C. Lacerda e Elbert E. N. Macau. “Complex Networks Approach for Dynamical Characterization of Nonlinear Systems”. Em: International Journal of Bifurcation and Chaos 29.13 (2019), p. 1950188. doi: 10.1142/S0218127419501888.

Toni Giorgino. “Computing and Visualizing Dynamic Time Warping Alignments in R: The dtw Package”. Em: Journal of Statistical Software 31.7 (2009), pp. 1–24. doi: 10.18637/ jss.v031.i07.

Lucas Lacasa et al. “From time series to complex networks: The visibility graph”. Em: Proceedings of the National Academy of Sciences 105.13 (2008), pp. 4972–4975. doi: 10.1073/pnas.0709247105.

Mattia Tantardini et al. “Comparing methods for comparing networks”. Em: Scientific Reports 9.1 (nov. de 2019), p. 17557. issn: 2045-2322. doi: 10.1038/s41598-019-53708-y. url: https://doi.org/10.1038/s41598-019-53708-y.


Apontamentos

  • Não há apontamentos.


SBMAC - Sociedade de Matemática Aplicada e Computacional
Edifício Medical Center - Rua Maestro João Seppe, nº. 900, 16º. andar - Sala 163 | São Carlos/SP - CEP: 13561-120
 


Normas para publicação | Contato