12/12/25 - Manhã Temática do PIPGEs: Conectividade e Incerteza - Novas Perspectivas em Aprendizado de Máquina e Grafos
Caros,
Gostaríamos de convidá-los para a Manhã Temática do PIPGEs: Conectividade e Incerteza - Novas Perspectivas em Aprendizado de Máquina e Grafos, que será realizada no CINA–UFSCar, em São Carlos. Será uma tarde de palestras e discussões sobre detecção de comunidades, predição conforme e conectividade cerebral.
Palestrantes Confirmados:
Inés Armendáriz (Universidad de Buenos Aires, IME, Universidad de São Paulo – visitante)
Título: Semisupervised community detection with random walks
Resumo: In this talk we will discuss a method to identify communities in the stochastic block model (SPB) with supervised nodes. SBMs are generalizations of Erdős–Rényi graphs that include a community structure, in which different subsets of nodes (called communities) exhibit similar behavior in terms of their connections; in the assortative case, which is our focus, nodes within the same community are more likely to connect to each other than to nodes in other communities. The community detection problem consists of providing estimators that recover the underlying partition of one of these graphs from the observation of the graph of connections. In the semi-supervised case, one also has access to the community labels of a small number of nodes in the graph, which can be used to aid the estimation. There are several approaches to this problem: by minimizing an energy functional, spectral methods, and algorithms that use eigenfunctions of the p-Laplacian. In our work, we use random walks to determine, for each node, the community whose superpervised nodes are more easily accessible from the given node. We provide consistency results (asymptotic accuracy for our estimators) and efficiency guarantees for computing them. Joint work with Nicolás Agote, Pablo Ferrari and Florencia Leonardi.
Helton Graziadei de Carvalho (DEs-UFSCar)
Título: Predição Conforme: Um passeio por fundamentos, aplicações e novidades
Resumo: Neste seminário, discutirei a predição conforme e seu papel na quantificação de incerteza em modelos preditivos. Abordarei os princípios que garantem as propriedades de cobertura, ilustrando com aplicações em que tenho trabalhado recentemente. Comentarei ainda avanços recentes da área, incluindo extensões para dados não permutáveis e métodos que dispensam a necessidade de conjuntos de calibração.
Loriz Francisco Sallum (PIPGEs-UFSCar/USP)
Título: Integração entre Redes Complexas e Aprendizado de Máquina na Análise da Conectividade Funcional Cerebral
Resumo: Os transtornos mentais estão entre os maiores desafios da neurociência, especialmente quando buscamos diagnósticos precisos e também compreender como alterações sutis na dinâmica cerebral podem influenciar comportamento e cognição. Nesta palestra, exploraremos como métodos de aprendizado de máquina e de redes complexas têm transformado a forma de analisar a conectividade funcional do cérebro a partir de dados de neuroimagem. Discutiremos como a modelagem de redes cerebrais permite investigar padrões de organização e identificar assinaturas funcionais relacionadas a diferentes condições clínicas. Serão apresentados exemplos de como métricas de conectividade e técnicas computacionais podem revelar alterações em processos cognitivos, sociais e motores, contribuindo para diagnósticos mais precisos, acompanhamento de progressão de doenças e possível desenvolvimento de abordagens mais personalizadas. O tema apresentado destaca como a integração entre teoria de redes complexas e métodos de aprendizado de máquina pode ampliar a capacidade de interpretação de dados de neuroimagem, oferecendo novas perspectivas sobre a organização funcional do cérebro, tanto em condições típicas quanto em diferentes transtornos mentais e neurodegenerativos.
Haverá também um espaço para troca de ideias durante o coffee break.
Esperamos vocês!
Atenciosamente,
PIPGEs