BEGIN:VCALENDAR VERSION:2.0 PRODID:-//jEvents 2.0 for Joomla//EN CALSCALE:GREGORIAN METHOD:PUBLISH BEGIN:VTIMEZONE TZID:America/Bahia BEGIN:STANDARD DTSTART:20200406T180000 RDATE:20380119T001407 TZOFFSETFROM:-0300 TZOFFSETTO:-0300 TZNAME:America/Bahia -03 END:STANDARD END:VTIMEZONE BEGIN:VEVENT UID:cfe2ab8ecbaa2194e78b727492b3daf2 CATEGORIES:Eventos PESC (Palestras, Seminários, etc.) SUMMARY:Seminário: Luciano Dyballa (Yale) DESCRIPTION;ENCODING=QUOTED-PRINTABLE:
O Ciclo de Seminários PESC terá sua co
ntinuidade, no início de abril, com a presença de Luciano Dyballa, ex-aluno
de mestrado do PESC e agora recém-doutor pela Universidade de Yale, EUA. <
br />
Luciano vai apre
sentar parte de seu trabalho de doutorado que misturou neurociência com com
putação. Em particular, o estudo da organização e funcionalidade de circuit
os neuronais no cérebro (no sistema visual) e a comparação entre redes neur
ais biológicas e artificiais. O tema é quente e bem interessante!
Programe-se, participe e ajude na divulgação! Mais detalhes abaixo ou clicando aqui.
Palestran te:
Luciano Dyballa, Recém-d outor pela Universidade de Yale, EUA
Título:
Construindo um mapa funcional de neur ônios do sistema visual
Dia/horário/local:
< p>07/04 (quarta) - 18 horas - Can al do PESC no YouTube.
Resumo:
O rápido dese
nvolvimento de técnicas laboratoriais em neurociência, em particular o regi
stro simultâneo dos sinais de centenas de neurônios, tem levado a uma explo
são na quantidade de dados disponíveis, o que gera a possibilidade de um me
lhor entendimento acerca da organização e funcionalidade de circuitos neuro
nais no cérebro. De particular interesse para o estudo de visão computacion
al é a estrutura do sistema visual. Nesse caso, a necessidade do uso de est
ímulos visuais realísticos aumenta consideravelmente a complexidade dos dad
os obtidos. Isto resulta em um desafio para o aprendizado de máquina: quais
técnicas são adequadas para desvendar padrões neuronais em grande escala?
Neste trabalho, é proposto o uso de aprendizado de variedade ("manifold lea
rning") para tal, e são discutidos algoritmos para sua aplicação neste cená
rio específico. Nosso manifold de neurônios é funcional, no sentido de que
neurônios próximos no "embedding" respondem de forma similar aos mesmos asp
ectos dos estímulos visuais apresentados. Para obtenção de resultados não-t
riviais, entretanto, são necessários estímulos que exercitem suficientement
e o sistema visual. Estímulos artificiais tradicionais resultam em pouca di
ferenciação entre classes de neurônios; por outro lado, imagens naturais sã
o demasiado complexas e tornam a análise dos dados impraticável. Apresentam
os o uso de "flow patterns", uma classe de estímulos visuais situada entre
os dois extremos.
Serão discutidos os resultados da aplicação de nossos estímulos e algorit mos a diferentes partes do sistema visual de camundongos, bem como a "deep convolutional nets", o que nos permite fazer uma comparação entre redes neu rais biológicas e artificiais do ponto de vista de suas arquiteturas funcio nais.
Bio resumida:
Luciano Dyballa obteve seu doutorado em Ciência da Computação na Yale University (2021) sob a orientação de Steven Zucker. Fez mestrado e m Engenharia de Sistemas e Computação no PESC/COPPE/UFRJ (2015) sob orienta ção de Valmir Carneiro Barbosa, e graduação em Engenharia
DTSTAMP:20240328T131830Z DTSTART;TZID=America/Bahia:20210407T180000 DTEND;TZID=America/Bahia:20210407T190000 SEQUENCE:0 TRANSP:OPAQUE END:VEVENT END:VCALENDAR