Histórico

Histórico dos encontros do BINAC:

—-

Terça: 02/06/2015

Palestrante: Lucas Gallindo

Tema: Detecção de Assembleias Neurais

Resumo: Lucas Gallindo apresenta estudo que desenvolve em seu doutorado, sobre  como detectar assembleias e relações causais entre grupos de neurônios. Nas palavras dele:

Um artigo sobre o problema e abordagem que estou estudando (link).

David Picado-Muiño, Christian Borgelt, Denise Berger, George Gerstein and Sonja Grün (2013). Finding neural assemblies with frequent item set mining. Front. Neuroinform., 31 May 2013 | http://dx.doi.org/10.3389/fninf.2013.00009.
O problema:

  • Tenho N sinais binários de entrada sendo gravados;
  • A maioria destes sinais vem de osciladores com frequencia constante, desacoplados entre si. Estes osciladores estão na parte de baixo do gráfico do Prof. Ranhel;
  • Outros são produzidos por portas lógicas que recebem o sinal dos osciladores como entrada. Estas seriam as assembléias neurais. No gráfico estão da linha R para cima;
  • Queremos, a partir de uma amostra *ruidosa* dos sinais, identificar quais neurônios são osciladores “desacoplados” e quais estão ligados a uma das portas lógicas. No gráfico do Prof. Ranhel, os sinais estão ordenados – osciladores embaixo, funções dos osciladores em cima. Em uma situação real, eles estão desordenados.
A minha proposta é usar uma abordagem conhecida como Indução de Regras, especificamente a variedade Frequent Itemset Mining, para esta tarefa. O artigo acima é meu ponto de partida nesta abordagem. Quando eu comecei a estudar, havia dois papers, de 2008 e 2013,  nesta linha de pesquisa (detecção de assembléias usando regras), porém nos últimos meses houveram mais publicações.
A favor da abordagem do Lucas Gallindo é que em NAC geramos raster-plots cujas relações causais são conhecidas, e todas as situações podem ser controladas. Em outras palavras, podemos gerar um raster parecido com biológico, inserir ruído, alterar ordem de gravação dos sinais, etc.; porém, dentro de uma situação controlada.

—-

Terça: 05/05/2015

Palestrante: Camila Almeida Diniz

Tema: Arquitetura da Subsumção

Resumo: Camila está desenvolvendo em seu doutorado a tese de que comportamento inteligente adaptativo pode ser atingido por meio do uso de arquitetura de subsumção (proposta por Rodney Brooks nos anos 80) implementada em NAC, ou seja, em redes neurais pulsadas utilizando conhecimento de criação de máquinas de estados finitos demonstrados em NAC:

Ranhel (2013) Neural Assemblies and Finite State Automata. 2013 BRICS Congress on Computational Intelligence. (link IEEE Xplorelink)

—-

Terça: 10/03/2015

Palestrante: Prof. João Ranhel

Tema: Papel dos ASTRÓCITOS na computação realizada pelos sistemas nervosos 

Resumo: Há algum tempo vem-se discutindo o papel dos astrócitos na computação realizada pelos sistemas nervosos. Questiona-se se os astrócitos estão ou não diretamente relacionados com a computação nos sistemas nervosos. Astrócitos têm 3 papeis que influenciam na computação neural: (a) Modulação homosináptica, (b) Modulação heterosináptica, e (c) Modulação sináptica territorial. Ver:

Araque A, Carmignoto G, Haydon PG, Oliet SH, Robitaille R, Volterra A. (2014) Gliotransmitters Travel in Time and Space. Neuron. 2014 Feb 19;81(4):728-39. doi: 10.1016/j.neuron.2014.02.007. (link)

Outro artigo importante:

Andrea Volterra,  Nicolas Liaudet  & Iaroslav Savtchouk (2014) Astrocyte Ca2+ signalling: an unexpected complexity. Nature Reviews Neuroscience  15, 327–335 (2014) doi:10.1038/nrn3725. (link Nature)

Vamos discutir neste e em próximos encontros como modelar astrócitos em Neural Assembly Computing (NAC), e o papel dessas células em aprendizado, adaptação e comportamento inteligente, e possíveis desdobramentos em cognição.

—-

Terça: 10/02/2015

Palestrante: José Rodrigues de Oliveira Neto

Tema: Apresentação artigo CONIELECOMP

Resumo: Apresentação para o grupo do artigo a ser mostrado no México (oral) no CONIELECOMP-2015.

—-

Terça: 16/09/2014

Palestrante: Prof. Sérgio Francisco Tavares de Oliveira Mendonça

Tema: SIMULAÇÃO DE ENXAMES

Resumo: O que o comportamento de agentes simples, agindo em grupos, como enxames, podem obter de vantagem neste comportamento? Prof. Sérgio fex uma explanação de sistemas de enxames desde comportamento de formigas até comportamento de bandos de pássaros, peixes, etc. Do comportamento emergente dos grupos de indivíduos que agem como agentes reflexivos pode surgir comportamento de inteligência de grupo.

—-

Terça: 03/06/2014

Palestrante: Prof. João Ranhel

Tema: PRINCÍPIOS PARA PROCESSOS COGNITIVOS

Resumo: O que é cognição? Muito se discute, existe inclusive uma área do conhecimento denominada Ciência Cognitiva, porém, ninguém define o que é cognição. Parece um desses termos como “inteligência”, ou “jogo”, que é impossível uma definição estrita. Há algum tempo, prof. Ranhel se dedicou a definir alguns princípios mínimos sobre que levaria ao comportamento cognitivo. O resultado foi um artigo publicado no TECCOGs da PUC-SP (baixar aqui). Neste artigo o professor defende que seis princípios ( significação, retenção, classificação, antecipação, seleção e corporificação) são necessários para levar um agente ao comportamento cognitivo. Polêmica aberta…

A intenção é direcionar o pensamento no sentido de estudarmos agora o que leva um agente a ter comportamento cognitivo, inteligente, etc.

—-

Terça: 27/05/2014

Palestrante: Prof. Hélio Magalhães de Oliveira

Tema: Daltonismo – uma solução mediada por eletrônica

Resumo: Prof. Hélio apresenta uma proposta mediada por dispositivos eletrônicos para auxílio portadores de deficiência de cegueira à alguma cor (color blindness). Apresentou o artigo enviado para a CEBEB 2014: SIMULATION OF COLOR BLINDNESS AND A PROPOSAL FOR USING GOOGLE GLASS AS COLOR-CORRECTING TOOL

—-

Terça:  15/04/2014,  29/04/2014, 13/05/2014

Palestrante: discussão em grupo

Tema: Novos sistemas de simulação neural em hardware

Resumo: Prof. Renato J. Cintra postou um e-mail provocativo no sentido de que novos sistemas de simulação de redes neurais estão surgindo (e.g. Neurogrid – Stanford). Alguns parecem ser mais avançados que o proposto para a NAC. Em três encontros discutimos os novos sistemas neurocomputação em hardware:

Projeto SpiNNaker – The University of Manchester – Array de processadores ARM9, cada core trocando pacotes de 40-72 bits, intenta similar 106 neurônios em tempo real.[1]

Projeto SyNAPSE (GoldenGate chip) – DARPA / IBM / HP – Possui uma estrutura modular neuromórfica (neurosynaptic core), com 256 neurônios (tipo integrate-and-fire I&F) e uma memória sináptica de 1024×256 bits para representar sinapses.[2]

Projeto Neurogrid – Stanford University – Projeto que utiliza abordagem híbrida, parte do circuito que simula neurônio é analógica e a parte relacionada com as conexões é digital. Possui chip de 16 cores que emula 256 neurônios, integrados em uma PCI que se conecta a um array de PCIs, o sistema simula 1.000.000 de neuroides, embora tenha limitado índice de conectividade entre neuroides.[3]

Projeto HICANN – Heidelberg University – Abordagem que utiliza circuito analógico para simular neurônios. Um pouco diferente da nossa abordagem, eles criam no momento circuitos integrados para processar neurônios. “The central functional block of the HICANN chip is the Analog Neural Network Core (ANNCORE) containing 128k synapses and 512 membrane circuits which can be grouped together to form neurons with up to 16k synapses.” [4]

Nenhum dos projetos acima destacados simula atraso de propagação dos spikes, o que é requisito em NAC. Propagation delay (observado em sistemas nervosos reais) é fundamental para surgimento de grupos de neurônios disparando em conjunto e de forma esparsa. Atraso associado aos pesos sinápticos é o que cria condições para surgimento de assembleias de neurônios pulsantes. De qualquer forma, isso mostra que o BINAC está deixando o linha metodológica de simulação de redes neurais em computadores para adentrar a linha de pesquisa de criação de circuitos eletrônicos em hardware – também chamada computação neuromórfica (neuromorphic computing).

—-
Terça: 01/04/2014

Palestrante: João Paulo Cerquinho Cajueiro

Tema: Simulação de Computação por Assembleias Neurais (NAC) em Python

Resumo: Prof. João Paulo criou o mesmo sistema de simulação da Neural Assembly Computing (NAC) em Python, com algumas vantagens. Até então usávamos apenas o ambiente Matlab para simulações – que possui certas vantagens, como geração de gráficos, etc. Em Python, da forma como Prof. J.P. o fez, podemos analisar o que acontece com a tensão de membrana dos neurônios individualmente. Isso pode ser fundamental na compreensão de certos fenômenos, como observamos; mais precisamente, quando tentamos entender o que acontece no período refratário dos neurônios.

—-

Fevereiro/Março – 2014

Tivemos uma série de reuniões internas semanais para discussão do projeto de um sistema digital que simula uma rede neural pulsada com retardo na propagação dos spikes.

—-

Janeiro – 2014

Curso de redes neurais artificiais ministrado pelo prof. João Ranhel propõe um desafio para os estudantes: criar um “sampler” para tomar valores discretos em uma assembleia neural analógica, que varia a quantidade de membros ativos no tempo. Mais ainda, uma vez sampleado, esse valor deveria passar por um ‘circuito’ de assembleias neurais e gerar um sistema de decisão. Resultado: um artigo para o IJCNN-2014. Parabéns aos alunos autores que fizeram um excelente trabalho.

Título do paper: Magnitude Comparison in Analog Spiking Neural Assemblies

Autores: José Rodrigues de Oliveira-Neto, Felipe Duque Belfort, Rafael Cavalcanti-Neto, e João Ranhel

Página do evento: IEEE WCCI 2014

—-
Terça: 17/12/2013

Palestrante: Prof. Fernando J. Ribeiro Sales

Tema: Biomimética e Engenharia Biomédica

Resumo: Prof. Fernando apresentou uma visão geral da Engenharia Biomédica no Brasil, situando e relacionando seu trabalho com tratamento de imagens. Apontou vários pontos em que biomimética pode ser utilizada para auxiliar a Engenharia Biomédica, desde a criação de materiais (e.g. pele artificial, material auto limpantes, estéril etc) , de estruturas (para próteses),  até comportamental, por exemplo, no auxílio à interpretação de imagens médicas.

—-
Terça: 03/12/2013

Palestrante: Prof. João Ranhel

Tema: Tomada de decisão: uma visão da neurociência e da psico-biologia

Leitura: (sugestão)

Andrei R. Teodorescu and Marius Usher. Disentangling Decision Models: From Independence to Competition. Psychological Review,2013 American Psychological Association 2013, Vol. 120, No. 1, 1-38.

Kristan, W.B.- Neuronal Decision-Making Circuits. Current Biology 18, R928-R932, October 14, 2008 – Elsevier

Wang – X-J. Decision Making in Recurrent Neuronal Circuits. Neuron, 60, oct 2008.

Joshua I. Gold and Michael N. Shadlen. The Neural Basis of Decision Making – Annu. Rev. Neurosci. 2007.30:535-574.

Daeyeol Lee, Hyojung Seo, and Min Whan Jung. Neural Basis of Reinforcement Learning and Decision Making. Annu. Rev. Neurosci. 2012.35:287-308.

Outras sugestões de leituras sobre como a psicologia, a neuropsicologia, a neurociência e a neurocomputação estuda o assunto “tomada de decisão” serão bem vindas.

—-

2013 – novembro:

Palestrante: Prof. João Paulo Cerquinho Cajueiro

Tema: Análise de Componentes Principais

Resumo: Uma visão global do procedimento matemático “Análise de Componentes Principais” – em inglês: principal component analysis (PCA). O PCA utiliza uma transformação ortogonal para converter um conjunto de observações de variáveis possivelmente correlacionadas a um conjunto de valores de variáveis linearmente descorrelacionadas chamadas componentes principais. A PCA é utilizada por exemplo  em análise de vários sinais gravados em sistemas neurais por matrizes de eletrodos.

—-

2013 – outubro:

Palestrante: Felipe Duque Belfort

Tema: Redes Neurais Artificiais

Resumo: Uma visão global das redes neurais tradicionais, começando pelos modelos de McCulloch e Pitts, perceptron, backpropagation, Hopfield, até o início da terceira geração de redes neurais artificiais – as redes neurais pulsadas.

—-

2013 – setembro:

Palestrante: Fernanda  M. Ribeiro de Alencar 

Tema: Sistemas Multi-agentes

—-

2013 – agosto:

Palestrante: Cacilda Vilela de Lima

Tema: Cognição Situada:

Resumo: mostrou uma visão geral sobre as várias áreas que estudam “cognição”, e destacou a visão da cognição situada e/ou corporificada. Por esta visão, a cognição não existe em um local central no corpo dos animais, mas está distribuída (ou corporificada). Exemplos: um tenista ou um musicista não “pensa ou raciocina” enquanto joga ou executa seu instrumento, porque o conhecimento necessário para executar aquelas tarefas foram corporificadas, ou fazem parte dos processos motores daquela pessoa. Esse raciocínio serve também para outros organismos.

—-

2013 – julho:

Palestrante: Prof. Renato Cintra

Tema:  brainstorm sobre projetos e pesquisas no grupo BINAC

Resumo: houve discussão em torno de projetos existentes que podem servir de inspiração para pesquisas desenvolvidas pelos participantes do BINAC. Alguns exemplos são: projetos de veículos auto-guiados, controle por meio de eletroencefalogramas, eletro-miogramas, projetos de interface homem-máquina, etc.

—-

2013 – julho:

Palestrante: Prof. Fernando Campello

Tema:  Sistemas evolutivos e algoritmos genéticos

—-

2013 – junho:

Palestrante: Profa. Patrícia Lessa

Tema: Neurônios Biológicos

—-

2013 – maio:

Palestrante: Prof. João Ranhel

Tema: Biomimética e a proposta do grupo BINAC

Resumo: Apresentou-se a proposta do grupo BINAC, que é aproveitar a sinergia do conhecimento de seus vários participantes. O intuito é conhecer o estado da arte em teremos de desenvolvimento de projetos em biomimética no mundo, trazendo exemplos para o grupo. Ao mesmo tempo, aplicar estes conhecimentos adquiridos em nossos próprios projetos de pesquisas. O grupo tem o foco em: biomecânica (como animais se locomovem, para aplicação em pesquisas em robótica), processamento de informação (como animais sentem, percebem, representam, computam e transformam impulsos eletrônicos em comportamento – ou seja, neurocomputação), em comportamento( os animais como agentes, as  sociedades de animais e suas formas de interação, as tomadas de decisão individuais e em grupos de multi-agentes), e em inteligência e cognição (como agentes individuais ou em grupos modificam seus comportamentos para responderem a um ambiente em constante modificação).

Leave a Reply