Busca avançada
Ano de início
Entree

Estudo e Desenvolvimento de Modelos Computacionais Inteligentes Biologicamente Plausíveis

Processo: 23/10823-6
Modalidade de apoio:Bolsas no Brasil - Programa Fixação de Jovens Doutores
Data de Início da vigência: 01 de agosto de 2023
Data de Término da vigência: 30 de junho de 2025
Área de conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Acordo de Cooperação: CNPq
Pesquisador responsável:João Paulo Papa
Beneficiário:Leandro Aparecido Passos Junior
Instituição Sede: Faculdade de Ciências (FC). Universidade Estadual Paulista (UNESP). Campus de Bauru. Bauru , SP, Brasil
Vinculado ao auxílio:23/01374-3 - Estudo e desenvolvimento de modelos computacionais inteligentes biologicamente plausíveis, AP.R
Assunto(s):Aprendizado computacional   Reconhecimento de padrões
Palavra(s)-Chave do Pesquisador:Aprendizado de Máquina | Reconhecimento de Padrões | Sistemas biologicamente plausíveis | Aprendizado de máquina

Resumo

Descobertas neurológicas relacionadas a diferentes regiões do cérebro sugerem novos esclarecimentos sobre as células piramidais, uma arquitetura neuronal composta de cinco camadas, cuja interação é responsével pelos fluxos de entrada e resposta das informações e integração entre contexto e memória, dentre outras tarefas. Tais descobertas inspiraram o desenvolvimento de modelos computacionais inteligentes mais plausíveis do ponto de vista biológico, os quais geralmente implicam em modelos mais eficientes e precisos. Com relação a esses modelos de aprendizagem de máquina (do inglês Machine Learning - ML), podemos citar abordagens guiadas por contexto, as quais utilizam informação contextual para lidar com ambiguidade, inclusive implementando mecanismos para lidar com informações temporais e simular memória. Outros trabalhos vão além, tratando o problema de atribuição de crédito, isto é, atribuir o ajuste relativo ao seu desempenho à cada conexão em uma rede neural, pelos princípios primários dos neurônios piramidais. Nesse contexto, burst-dependent learning ou Burstpropagation proporciona um paradigma baseado nesses princípios que pode ser implementado em diversos tipos de redes neurais. Sendo assim, esta proposta visa implementar modelos existentes e desenvolver novas arquiteturas de aprendizagem de máquinas mais biologicamente plausíveis, bem como utilizar tais modelos para solução de problemas em diversas áreas de pesquisa, como medicina e engenharia.

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas (5)
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
OLIVEIRA, GUILHERME C.; NGO, QUOC C.; PASSOS, LEANDRO A.; OLIVEIRA, LEONARDO S.; PAPA, JOAO P.; KUMAR, DINESH. Facial expressions to identify post-stroke: A pilot study. COMPUTER METHODS AND PROGRAMS IN BIOMEDICINE, v. 250, p. 7-pg., . (23/10823-6, 23/14427-8, 19/07665-4, 23/14197-2, 13/07375-0)
OLIVEIRA, GUILHERME C.; ROSA, GUSTAVO H.; PEDRONETTE, DANIEL C. G.; PAPA, JOAO P.; KUMAR, HIMEESH; PASSOS, LEANDRO A.; KUMAR, DINESH. Robust deep learning for eye fundus images: Bridging real and synthetic data for enhancing generalization. Biomedical Signal Processing and Control, v. 94, p. 9-pg., . (19/02205-5, 19/00585-5, 23/10823-6, 14/12236-1, 18/15597-6, 19/07665-4, 13/07375-0)
DE ROSA, GUSTAVO H.; RODER, MATEUS; PASSOS, LEANDRO A.; PAPA, JOAO PAULO. A comprehensive study among distance measures on supervised optimum-path forest classification. APPLIED SOFT COMPUTING, v. 164, p. 10-pg., . (20/12101-0, 19/02205-5, 23/10823-6, 14/12236-1, 19/07665-4, 13/07375-0)
TMAMNA, JIHENE; FOURATI, RAHMA; BEN AYED, EMNA; PASSOS, LEANDRO A.; PAPA, JOAO P.; BEN AYED, MOUNIR; HUSSAIN, AMIR. A binary particle swarm optimization-based pruning approach for environmentally sustainable and robust CNNs. Neurocomputing, v. 608, p. 16-pg., . (23/10823-6)
PASSOS, LEANDRO A.; JODAS, DANILO; COSTA, KELTON A. P.; SOUZA, LUIS A.; RODRIGUES, DOUGLAS; DEL SER, JAVIER; CAMACHO, DAVID; PAPA, JOAO PAULO. A review of deep learning-based approaches for deepfake content detection. EXPERT SYSTEMS, v. 41, n. 8, p. 34-pg., . (21/05516-1, 23/10823-6, 14/12236-1, 19/07665-4, 13/07375-0)