%0 Journal Article %J PeerJ %D 2020 %T Ecosystem antifragility: beyond integrity and resilience %A Equihua, Miguel %A Espinosa Aldama, Mariana %A Gershenson, Carlos %A López-Corona, Oliver %A Munguía, Mariana %A Pérez-Maqueo, Octavio %A Ramírez-Carrillo, Elvia %K Antifragility %K Complexity %K Ecosystem integrity %K Resilience %X We review the concept of ecosystem resilience in its relation to ecosystem integrity from an information theory approach. We summarize the literature on the subject identifying three main narratives: ecosystem properties that enable them to be more resilient; ecosystem response to perturbations; and complexity. We also include original ideas with theoretical and quantitative developments with application examples. The main contribution is a new way to rethink resilience, that is mathematically formal and easy to evaluate heuristically in real-world applications: ecosystem antifragility. An ecosystem is antifragile if it benefits from environmental variability. Antifragility therefore goes beyond robustness or resilience because while resilient/robust systems are merely perturbation-resistant, antifragile structures not only withstand stress but also benefit from it. %B PeerJ %V 8 %P e8533 %G eng %U https://doi.org/10.7717/peerj.8533 %R 10.7717/peerj.8533 %0 Journal Article %J Complexity %D 2019 %T Effects of Antimodularity and Multiscale Influence in Random Boolean Networks %A Escobar, Luis A. %A Kim, Hyobin %A Gershenson, Carlos %B Complexity %V 2019 %P 14 %G eng %U https://doi.org/10.1155/2019/8209146 %9 10.1155/2019/8209146 %0 Journal Article %J PLOS Computational Biology %D 2019 %T Efficient sentinel surveillance strategies for preventing epidemics on networks %A Colman, Ewan %A Holme, Petter %A Sayama, Hiroki %A Gershenson, Carlos %X Author summary In a network of individuals susceptible to some infectious disease, what are the best locations to monitor in order to detect the infection before most damage can be done? In this paper we address this question by considering various heuristic strategies for sentinel placement that can potentially be implemented in real-world situations without requiring excessive amounts of computation, or even having perfect data about the structure of the network. We find that strategies that attempt to distribute sentinels over different regions of the network perform best in highly modular or spatially embedded networks, whereas the strategy of targeting the most well connected individuals works best when there is a considerable amount of contact heterogeneity between individuals. Our results may be used as a guideline to help decide when certain strategies should, or should not, be implemented. %B PLOS Computational Biology %I Public Library of Science %V 15 %P 1-19 %8 11 %G eng %U https://doi.org/10.1371/journal.pcbi.1007517 %R 10.1371/journal.pcbi.1007517 %0 Conference Proceedings %B 8 Congreso Internacional en Ciencias del Deporte %D 2019 %T El Síndrome de los Datos Ricos e Información Pobre en Deportes de Competición: Perspectiva desde las Ciencias Computacionales y Ciencia de Datos %A Nelson Fernández %A Martín Zumaya %A Carlos Gershenson %X La gran capacidad existente de capturar datos, conlleva la subsecuente responsabilidad de producir información confiable, verificable y auditable para la toma de decisiones. En el futbol, la existencia de compañías y plataformas con capacidad de medir un sinnúmero de variables de desempeño, ha generado una explosión de datos de difícil interpretación. En este sentido, las dificultades relativas al análisis y visualización de estos datos, ha derivado en el “Síndrome de los datos ricos e información pobre”. En este contexto, esta plática se centra en evaluar las lecciones aprendidas y las perspectivas futuras en el manejo de datos en el futbol, desde una perspectiva computacional y de ciencia de datos. Nuestro enfoque metodológico, parte de la evaluación de los formatos en que se produce los datos y los tipos de reportes generados para distintos tipos de usuarios. Planteamos una forma adecuada de manejar e interpretar múltiples variables con soporte en técnicas de aprendizaje automático, con técnicas de ordenación y clasificación para discriminar los factores y variables que tienen mayor contribución en el juego. Finalmente, brindamos información sobre perspectivas novedosas para el modelado de los eventos espacio-temporales, que tienen lugar en los partidos, como la aplicación desde la ciencia de redes, redes de latencia y modelos de gravitación para el modelado. Nuestra perspectiva computacional y de ciencia de datos brinda la posibilidad de mejores visualizaciones, con el propósito de simplificar el gran número de dimensiones y categorías que se inspeccionan en el futbol. De esta forma, nos enfocamos en las interacciones relevantes del juego, que darían soporte a una mejor toma de decisiones por parte de distintos tipos de usuarios, como jugadores, entrenadores y directivos. %B 8 Congreso Internacional en Ciencias del Deporte %C Pachuca, México %G eng %0 Unpublished Work %D 2019 %T Evasión en IVA: Análisis de redes %A Carlos Gershenson %A Gerardo Iñiguez %A Carlos Pineda %A Rita Guerrero %A Eduardo Islas %A Omar Pineda %A Martín Zumaya %G eng %U http://omawww.sat.gob.mx/gobmxtransparencia/Paginas/documentos/estudio_opiniones/Evasion_en_IVA_Analisis_de_Redes.pdf %0 Journal Article %J Research in Computing Science %D 2016 %T Exploring Dynamic Environments Using Stochastic Search Strategies %A C. A. Piña-García %A Dongbing Gu %A Carlos Gershenson %A J. Mario Siqueiros-García %A E. Robles-Belmont %B Research in Computing Science %V 121 %P 43–57 %G eng %U http://rcs.cic.ipn.mx/2016_121/Exploring%20Dynamic%20Environments%20Using%20Stochastic%20Search%20Strategies.pdf %0 Book Section %B Complèxica: cervell, societat i llengua des de la transdisciplinarietat %D 2015 %T Enfrentando a la Complejidad: Predecir vs. Adaptar %A Carlos Gershenson %X Una de las presuposiciones de la ciencia desde los tiempos de Galileo, Newton y Laplace ha sido la previsibilidad del mundo. Esta idea ha influido en los modelos cient{íficos y tecnológicos. Sin embargo, en las últimas décadas, el caos y la complejidad han mostrado que no todos los fenómenos son previsibles, aún siendo éstos deterministas. Si el espacio de un problema es previsible, podemos en teor{ía encontrar una solución por optimización. No obstante, si el espacio de un problema no es previsible, o cambia más rápido de lo que podemos optimizarlo, la optimización probablemente nos dará una solución obsoleta. Esto sucede con frecuencia cuando la solución inmediata afecta el espacio del problema mismo. Una alternativa se encuentra en la adaptación. Si dotamos a un sistema de ésta propiedad, éste mismo podrá encontrar nuevas soluciones para situaciones no previstas. %B Complèxica: cervell, societat i llengua des de la transdisciplinarietat %I Universitat de Barcelona %C Barcelona %P 25–38 %G eng %U http://arxiv.org/abs/0905.4908 %& 1 %0 Book Section %B Complejidad y Lenguaje %D 2011 %T Enfrentando a la Complejidad: Predecir vs. Adaptar %A Carlos Gershenson %E Martorell, X. %E Massip, A. %X Una de las presuposiciones de la ciencia desde los tiempos de Galileo, Newton y Laplace ha sido la previsibilidad del mundo. Esta idea ha influido en los modelos cient{\'ıficos y tecnológicos. Sin embargo, en las últimas décadas, el caos y la complejidad han mostrado que no todos los fenómenos son previsibles, aún siendo éstos deterministas. Si el espacio de un problema es previsible, podemos en teor{\'ıa encontrar una solución por optimización. No obstante, si el espacio de un problema no es previsible, o cambia más rápido de lo que podemos optimizarlo, la optimización probablemente nos dará una solución obsoleta. Esto sucede con frecuencia cuando la solución inmediata afecta el espacio del problema mismo. Una alternativa se encuentra en la adaptación. Si dotamos a un sistema de ésta propiedad, éste mismo podrá encontrar nuevas soluciones para situaciones no previstas. %B Complejidad y Lenguaje %G eng %U http://arxiv.org/abs/0905.4908 %0 Journal Article %J Cirug{\'ıa y Cirujanos %D 2011 %T Epidemiolog{\'ıa y las Redes Sociales %A Carlos Gershenson %B Cirug{\'ıa y Cirujanos %V 79 %P 199-200 %G eng %U http://tinyurl.com/7nmt3p9 %0 Journal Article %J Artificial Life %D 2008 %T Evolution of Complexity %A Carlos Gershenson %A Tom Lenaerts %B Artificial Life %V 14 %P 1–3 %8 Summer %G eng %U http://dx.doi.org/10.1162/artl.2008.14.3.14300 %R 10.1162/artl.2008.14.3.14300 %0 Conference Paper %B {ALife X} Workshop Proceedings %D 2006 %T Evolution of Complexity: Introduction to the Workshop %A Carlos Gershenson %A Tom Lenaerts %B {ALife X} Workshop Proceedings %P 71–72 %G eng %U http://uk.arxiv.org/abs/nlin.AO/0604069 %0 Conference Paper %B Memorias X Congreso Nacional {ANIEI} %D 1997 %T El Juego de la Vida En 3D %A Carlos Gershenson %X Primero se introduce al lector con un poco de la historia del Juego de la Vida. Después se explican sus consecuencias en dos dimensiones, y por último se discuten sus propiedades al llevar el Juego de la Vida a una tercera dimensión, y se muestran algunos ejemplos. %B Memorias X Congreso Nacional {ANIEI} %C Monterrey, México %G eng %U http://tinyurl.com/y9j5ac