Busca avançada
Ano de início
Entree

Aprendizagem estrutural de redes Bayesianas dinâmicas não-estacionárias

Processo: 12/24272-7
Linha de fomento:Bolsas no Brasil - Doutorado Direto
Vigência (Início): 01 de maio de 2013
Vigência (Término): 31 de março de 2017
Área do conhecimento:Engenharias - Engenharia Elétrica
Pesquisador responsável:Carlos Dias Maciel
Beneficiário:Fernando Pasquini Santos
Instituição-sede: Escola de Engenharia de São Carlos (EESC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Bolsa(s) vinculada(s):16/02621-0 - Redes bayesianas dinâmicas em imagens cerebrais multimodais, BE.EP.DD
Assunto(s):Processamento de sinais   Eletrofisiologia   Neurobiologia

Resumo

Na medida em que cresce o uso de abordagens Bayesianas para pesquisas em processamento de sinais e eletrofisiologia, há a necessidade de estudo e desenvolvimento de técnicas de otimização e aprendizado de máquina para a elaboração de estruturas de modelos probabilísticos conhecidos como redes Bayesianas dinâmicas. Alguns domínios de aplicação podem revelar limitações nestes modelos, o que exige tanto adaptações dos conceitos originais, quanto técnicas que garantem um custo computacional baixo para os algoritmos de aprendizado. Este é o caso de sistemas com sinais não-estacionários e contínuos, que serão tratados em detalhe no presente trabalho. Destaca-se que o paradigma evolutivo, na área de aprendizado de máquina, constitui um caminho promissor, devido à sua ampla utilização e qualidade dos resultados obtidos (tanto em precisão como rapidez). Uma aplicação específica onde o aprendizado estrutural de uma rede Bayesiana dinâmica não-estacionária (nsDBN) se torna útil é a pesquisa do caminho percorrido por sinais neurais em gânglios de controle motor de gafanhotos, o que possibilita a descoberta do funcionamento da rede de neurônios e sua posterior aplicação em sistemas robóticos bioinspirados. (AU)

Publicações científicas
(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)
SANTOS, FERNANDO P.; MACIEL, CARLOS D.; NEWLAND, PHILIP L. Pre-processing and transfer entropy measures in motor neurons controlling limb movements. Journal of Computational Neuroscience, v. 43, n. 2, p. 159-171, OCT 2017. Citações Web of Science: 1.
Publicações acadêmicas
(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)
SANTOS, Fernando Pasquini. Identicação de sistemas neurais com redes bayesianas dinâmicas e transferência de entropia. 2017. Tese de Doutorado - Universidade de São Paulo (USP). Escola de Engenharia de São Carlos São Carlos.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.