Aprendizado relacional por um modelo neural

As técnicas que formam o campo da Descoberta de Conhecimento em Bases de Dados (DCBD) surgiram devido à necessidade de se tratar grandes volumes de dados. O processo completo de DCBD envolve um elevado grau de subjetividade e de trabalho não totalmente automatizado. Podemos dizer que a fase mais automatizada é a de Mineração de Dados (MD). Uma importante técnica para extração de conhecimentosa partir de dados é a Programação Lógica Indutiva (PLI), que se aplica a tarefas de classificação, induzindo conhecimento na forma da lógica de primeira ordem. A PLI tem demonstrado as vantagens de seu aparato de aprendizado em relação a outras abordagens, como por exemplo, aquelas baseadas em aprendizado proposicional Os seus algorítmos de aprendizado apresentam alta expressividade, porém sofrem com a grande complexidade de seus processos, principalmente o teste de corbertura das variáveis. Por outro lado, as Redes Neurais Artificiais (RNs) introduzem um ótimo desempenho devido à sua natureza paralela. às RNs é que geralmente são "caixas pretas", o que torna difícil a obtenção de um interpretação razoável da estrutura geral da rede na forma de construções lógicas de fácil compreensão Várias abordagens híbridas simbólico-conexionistas (por exemplo, o MNC MAC 890 , KBANN SHA 94 , TOW 94 e o sistema INSS OSO 98 têm sido apresentadas para lidar com este problema, permitindo o aprendizado de conhecimento simbólico através d euma RN. Entretanto, estas abordagens ainda lidam com representações atributo-valor. Neste trabalho é apresentado um modelo que combina a expressividade obtida pela PLI com o desempenho de uma rede neural: A FOLONET (First Order Neural Network).

Avaliação funcional e morfométrica da regeneração neural em modelo experimental com nervo mediano em ratos

O processo de regeneração neural do modelo experimental em nervo mediano foi estudado em 34 ratos da raça Wistar, os quais foram submetidos à micro-neurorrafia término-terminal, sendo analisada a força de preensão do membro anterior e realizada a biópsia para análise morfométrica dos pós-operatórios 10° (8 ratos), 20° (5), 30° (5), 45° (8) e grupo controle não operado (8). Foi aferida a força negativa de preensão com o membro anterior e morfometricamente analisadas a contagem do número de fibras mielinizadas, seu diâmetro, períme-tro e área bem como espessura da bainha de mielina. O teste paramétrico de análise de variância foi utilizado para avaliação do número de fibras, diâmetro, perímetro e área bem como para as comparações de força e espessura da bainha de mielina entre os diferentes grupos. Uma média de 16,62 g (10°); 45,80 g (20°); 91,20 g (30°) e 106,75 g (45°) demonstrou haver um aumento progres-sivo da força de preensão em cada grupo paralelamente à evolução no tempo (p < 0,05), exceto entre o 45° e grupo controle com média de 116,25 g, o que denota regeneração com resultados similares à normalidade no final do período considerado. Não foram detectadas fibras regeneradas no coto distal do 10o dia pós-operatório e a totalidade das fibras mielinizadas presentes foi desconsiderada por apresentar sinais degenerativos. Embora sem significância, o número de fibras aumentou progressivamente até o 30° dia, reduzindo-se no 45°. Quanto à espessura, diâmetro, perímetro e área, verificou-se diminuição sig-nificativa no 20o dia e progressivo aumento nos grupos posteriores. Embora a força e o número de fibras tenham apresentado correlação fortemente negativa pelo coeficiente de Spearman (r = − 0,87) no grupo controle, não foi possível obter correlação entre os dados morfométricos e teste funcional nos demais gru-pos. Conclui-se que o modelo experimental do nervo mediano é válido para o estudo evolutivo da regeneração neural, no período considerado de 45 dias pós-operatórios, porém os dados morfométricos apenas refletem a evolução morfológica e cronológica do processo de regeneração do modelo experimental, não apresentando correlação direta com a função.

Análise morfológica neural e da densidade de espinhos dendríticos da amígdala medial de ratas durante o ciclo estral

A amígdala medial (AMe) é um núcleo superficial do complexo amigdalói-de, ocupando seu aspecto rostromedial. A AMe modula uma série de comportamen-tos, além de modular a memória e o aprendizado associado a estímulos olfativos e visuais. Em ratos, é uma estrutura sexualmente dimórfica e está dividida em quatro subnúcleos: ântero-dorsal (AMeAD), ântero-ventral (AMeAV), póstero-dorsal (AMePD) e póstero-ventral (AMePV). A AMe apresenta células com características morfológicas variadas e receptores para hormônios gonadais amplamente e heterogeneamente distribuídos entre todos os seus subnúcleos. O presente trabalho teve como obje-tivos caracterizar a morfologia dos neurônios dos subnúcleos AMeAD, AMeAV, AMePD e AMePV de ratas na fase de diestro e verificar a densidade de espinhos dendríticos de neurônios dos subnúcleos AMeAD, AMePD e AMePV de ratas nas fa-ses de diestro, pró-estro, estro e metaestro. Para tal, foram utilizadas ratas Wistar (N=24) que, após a identificação da fase do ciclo estral, foram anestesiadas e per-fundidas, tiveram seus encéfalos retirados e seccionados (cortes coronais de espes-sura de 100 e 200 µm), submetidos à técnica de Golgi. A seguir, os neurônios foram selecionados e desenhados com auxílio de câmara clara acoplada a um fotomicroscópio. Na avaliação da morfologia dos neurônios, observou-se que eles são do tipo multipolar, células estreladas e bitufted, sendo encontrados em todos os subnúcleos da AMe de ratas na fase de diestro além de células com corpos celulares arredondados, fusiformes, piriformes, ovais e com características piramidais. Para a quanti-ficação da densidade de espinhos dendríticos, foram desenhados os primeiros 40 µm de 8 ramos dendríticos de 6 fêmeas por fase do ciclo estral e por subregião da AMe. Os resultados da contagem dos espinhos dendríticos foram submetidos a ANOVA de uma via e ao teste de Newman-Keuls. Verificou-se que, em diestro, a densidade de espinhos nas regiões AMeAD, AMePD e AMePV, foi maior quando comparada às demais fases do ciclo estral. Além disso, em diestro, a AMePD apresentou a maior densidade quando comparada com as regiões AMeAD e AMePV. O estudo mostrou que os neurônios da AMe de ratas estudadas na fase de diestro apresentaram morfologia variada e a densidade de espinhos dendríticos va-riou na AMeAD, AMePD e AMePV durante o ciclo estral de ratas, especialmente na AMePD. Os resultados obtidos sugerem a plasticidade induzida por esteróides se-xuais na morfologia e na fisiologia da AMe de ratas.

Metabolismo da homocisteína e defeitos do tubo neural : um estudo bioquímico e molecular no sul do Brasil

Os defeitos de fechamento de tubo neural constituem uma das malformações mais freqüentes na espécie humana, apresentando alta morbi-mortalidade. Sua etiologia é considerada multifatorial, estando envolvidos fatores genéticos e ambientais. Estes fatores estão relacionados principalmente com o metabolismo da homocisteína. Realizamos um estudo de caso-controle com o objetivo de estudar os fatores bioquímicos e genéticos relacionados ao DTN na nossa população. Em pares de afetados com DTN e suas mães e pares de pacientes normais e suas mães foram avaliados dosagem de folato, vitamina B12, homocisteína e polimorfismos da enzima metileno tetraidrofolato redutase (MTHFR), C677T e A1298C. A dosagem de folato nos casos foi 11,37 ng/mL(±6,72) e nos controles 5,64 ng/mL(±4,16) (p<0,001). O folato sérico das mães foi 7,27 ng/mL (±4,48) e 3,90 ng/mL (±1,77) nas mães controles (p<0,001). A média de dosagem de vitamina B12 foi de 641,88 pg/mL ((±262,21) nos casos e 743,27 pg/mL (±433,52) nos controles (p= 0,205). A média de dosagem de vitamina B12 nas mães dos casos foi 354,75 pg/mL (±142,06) e 465,25 pg/mL (±194,91) nas mães controles (p=0,004). O nível de homocisteína plasmático médio foi 6,89 μmol/L(±4,48) para os casos e 5,41 μmol/L (±2,55) para os controles (p=0,099). Nas mães dos casos a dosagem média de homocisteína foi 7,23 μmol/L (±2,64) e 7,00 μmol/L (±2,24) nas mães controles (p=0,666). Não houve diferença entre a freqüência dos genótipos C677T e A1298C da MTHFR nos casos e controles e suas mães. Para o polimorfismo C677T as freqüências dos alelo C e T foram respectivamente 0,6585 e 0,3414 nos pacientes com DTN; 0,6590 e 0,3410 nos controles; 0,6460 e 0,3540 nas mães dos casos e 0,6136 e 0,3860 nas mães controles. Para o polimorfismo A1298C as freqüências dos alelos A e C foram respectivamente 0,7436 e 0,2564 nos pacientes com DTN; 0,7610 e 0,2390 nos controles; 0,8055 e 0,1945 nas mães dos casos e 0,8065 e 0,1935 nas mães controles. Identificamos que indivíduos homozigotos 677TT apresentam um maior nível de homocisteína e este é inversamente relacionado com os níveis de vitamina B12. Estes achados sugerem que uma alteração metabólica relacionada ao metabolismo da homocisteína e principalmente devido à diminuição da vitamina B12 seja um fator de risco para DTN na nossa população.

ONNIS-GI: uma rede neural oscilatória para segmentação de imagens implementada em arquitetura maciçamente paralela

A presente tese apresenta a concepção de uma rede neural oscilatória e sua realização em arquitetura maciçamente paralela, a qual é adequada à implementação de chips de visão digitais para segmentação de imagens. A rede proposta, em sua versão final, foi denominada ONNIS-GI (Oscillatory Neural Network for Image Segmentation with Global Inhibition) e foi inspirada em uma rede denominada LEGION (Locally Excitatory Globally Inhibitory Oscillator Network), também de concepção recente. Inicialmente, é apresentada uma introdução aos procedimentos de segmentação de imagens, cujo objetivo é o de situar e enfatizar a importância do tema abordado dentro de um contexto abrangente, o qual inclui aplicações de visão artificial em geral. Outro aspecto abordado diz respeito à utilização de redes neurais artificiais em segmentação de imagens, enfatizando as denominadas redes neurais oscilatórias, as quais têm apresentado resultados estimulantes nesta área. A implementação de chips de visão, integrando sensores de imagens e redes maciçamente paralelas de processadores, é também abordada no texto, ressaltando o objetivo prático da nova rede neural proposta. No estudo da rede LEGION, são apresentados resultados de aplicações originais desenvolvidas em segmentação de imagens, nos quais é verificada sua propriedade de separação temporal dos segmentos. A versão contínua da rede, um arranjo paralelo de neurônios baseados em equações diferenciais, apresenta elevada complexidade computacional para implementação em hardware digital e muitos parâmetros, com procedimento de ajuste pouco prático. Por outro lado, sua arquitetura maciçamente paralela apresenta-se particularmente adequada à implementação de chips de visão analógicos com capacidade de segmentação de imagens. Com base nos bons resultados obtidos nas aplicações desenvolvidas, é proposta uma nova rede neural, em duas versões, ONNIS e ONNIS-GI, as quais suplantam a rede LEGION em diversos aspectos relativos à implementação prática. A estrutura dos elementos de processamento das duas versões da rede, sua implementação em arquitetura maciçamente paralela e resultados de simulações e implementações em FPGA são apresentados, demonstrando a viabilidade da proposta. Como resultado final, conclui-se que a rede ONNIS-GI apresenta maior apelo de ordem prática, sendo uma abordagem inovadora e promissora na solução de problemas de segmentação de imagens, possuindo capacidade para separar temporalmente os segmentos encontrados e facilitando a posterior identificação dos mesmos. Sob o ponto de vista prático, a nova rede pode ser utilizada para implementar chips de visão digitais com arquitetura maciçamente paralela, explorando a velocidade de tais topologias e apresentando também flexibilidade para implementação de procedimentos de segmentação de imagens mais sofisticados.

Relação entre tensão neural adversa e estudos de condução nervosa em pacientes com sintomas da Síndrome do Túnel do Carpo

Resumo não disponível.

Estudo da vascularização e da barreira hemolinfa-neural do sistema nervoso de Megalobulimus abbreviatus (Gastropoda, pulmonata)

A maioria dos gastrópodes apresenta um sistema nervoso central razoavelmente simples, com um número de neurônios que varia entre 50.000 a 200.000. O comportamento das espécies desse grupo apresenta complexidade intermediaria, sendo mais simples do que o de vertebrados e artrópodes, contudo mais complexo e elaborado do que os invertebrados tais como equinodermas e anelídeos. Essas características comportamentais associadas a um sistema nervoso que apresenta neurônios de grande tamanho e de fácil identificação, tornam os componentes desse grupo muito atraentes para a resolução de problemas relacionadas às neurociências. O pulmonado, terrestre da espécie Megalobulimus abbreviatus se enquadra nessas características e tem sido usado como modelo para estudos neurobiológicos. O objetivo desse trabalho foi o de estudar as interações entre o sistema nervoso central e o sistema circulatório dessa espécie. Com o propósito de estabelecer quais são as relações funcionais e anatômicas entre os dois sistemas foram feitos estudos anatômicos, histoquímicos e ultra-estruturais com um traçador eletron-denso. Para o estudo dos componentes vasculares responsáveis pelo aporte sangüíneo do sistema nervoso central foi injetada, na árvore vascular, um mistura de carmim-gelatina e, para identificação dos endotélios, foi usada a técnica histoquímica para a detecção da atividade fosfatase alcalina. O estudo da ultra-estrutura foi realizado por meio de técnica para microscopia eletrônica de transmissão e a permeabilidade foi, testada utilizando lantânio como traçador elétron-denso ou solução de azul tripán. O sistema nervoso central do caracol é irrigado pela aorta anterior, da qual se originam uma série de finas artérias que irrigam os gânglios constituintes do complexo ganglionar subesfogiano. A extremidade distal da aorta anterior origina artérias que irrigam o bulbo bucal, a porção anterior do pé, os gânglios cerebrais, a glândula corpo dorsal e a porção anterior do sistema reprodutor. Não há vasos no tecido nervoso, esses restringem-se à bainha de tecido conjuntivo perigânglionar, onde se arranjam formando alças vasculares que se alojam em interdigitações e imbricações existentes na região limítrofe entre o tecido nervoso e a bainha que envolve os gânglios. Esse arranjo permite um aumento da superfície de contato, reduzindo a distância entre as porções mais profundas dos gânglios e os vasos, otimizando assim, a área de troca. O azul tripán injetado no pé alcançou a bainha que envolve os gânglios nervosos, contudo não penetrou no tecido nervoso. O endotélio vascular, a lâmina basal de espessura variável que envolve o tecido nervoso, e os prolongamentos das células gliais constituem a zona de interface entre a hemolinfa e os neurônios. O lantânio injetado no pé alcançou o tecido conjuntivo da cápsula perineural, entretanto não penetrou no tecido nervoso parando, sua difusão, ao nível da lâmina basal. Nos gânglios preparados por imersão em solução com lantânio coloidal o traçador foi encontrado entre os processos gliais, junto ao lado neural da lamina basal. Esses achados, associados aos resultados obtidos com as injeções de azul tripan, indicam que lâmina basal presente entre a cápsula perineural e o tecido nervoso, limita o tráfego das substâncias em direção ao sistema nervoso central deste caracol.

The combination of neural estimates in prediction and decision problems

In this dissertation, different ways of combining neural predictive models or neural-based forecasts are discussed. The proposed approaches consider mostly Gaussian radial basis function networks, which can be efficiently identified and estimated through recursive/adaptive methods. Two different ways of combining are explored to get a final estimate – model mixing and model synthesis –, with the aim of obtaining improvements both in terms of efficiency and effectiveness. In the context of model mixing, the usual framework for linearly combining estimates from different models is extended, to deal with the case where the forecast errors from those models are correlated. In the context of model synthesis, and to address the problems raised by heavily nonstationary time series, we propose hybrid dynamic models for more advanced time series forecasting, composed of a dynamic trend regressive model (or, even, a dynamic harmonic regressive model), and a Gaussian radial basis function network. Additionally, using the model mixing procedure, two approaches for decision-making from forecasting models are discussed and compared: either inferring decisions from combined predictive estimates, or combining prescriptive solutions derived from different forecasting models. Finally, the application of some of the models and methods proposed previously is illustrated with two case studies, based on time series from finance and from tourism.

Application of multivariable control using artificial neural networks in a debutanizer distillation column

LOPES, Jose Soares Batista et al. Application of multivariable control using artificial neural networks in a debutanizer distillation column.In: INTERNATIONAL CONGRESS OF MECHANICAL ENGINEERING - COBEM, 19, 5-9 nov. 2007, Brasilia. Anais... Brasilia, 2007

Controle preditivo neural aplicado à processos petroquímicos

A pesquisa tem como objetivo desenvolver uma estrutura de controle preditivo neural, com o intuito de controlar um processo de pH, caracterizado por ser um sistema SISO (Single Input - Single Output). O controle de pH é um processo de grande importância na indústria petroquímica, onde se deseja manter constante o nível de acidez de um produto ou neutralizar o afluente de uma planta de tratamento de fluidos. O processo de controle de pH exige robustez do sistema de controle, pois este processo pode ter ganho estático e dinâmica nãolineares. O controlador preditivo neural envolve duas outras teorias para o seu desenvolvimento, a primeira referente ao controle preditivo e a outra a redes neurais artificiais (RNA s). Este controlador pode ser dividido em dois blocos, um responsável pela identificação e outro pelo o cálculo do sinal de controle. Para realizar a identificação neural é utilizada uma RNA com arquitetura feedforward multicamadas com aprendizagem baseada na metodologia da Propagação Retroativa do Erro (Error Back Propagation). A partir de dados de entrada e saída da planta é iniciado o treinamento offline da rede. Dessa forma, os pesos sinápticos são ajustados e a rede está apta para representar o sistema com a máxima precisão possível. O modelo neural gerado é usado para predizer as saídas futuras do sistema, com isso o otimizador calcula uma série de ações de controle, através da minimização de uma função objetivo quadrática, fazendo com que a saída do processo siga um sinal de referência desejado. Foram desenvolvidos dois aplicativos, ambos na plataforma Builder C++, o primeiro realiza a identificação, via redes neurais e o segundo é responsável pelo controle do processo. As ferramentas aqui implementadas e aplicadas são genéricas, ambas permitem a aplicação da estrutura de controle a qualquer novo processo

A Learning Function for Parameter Reduction in Spiking Neural Networks with Radial Basis Function

Spiking neural networks - networks that encode information in the timing of spikes - are arising as a new approach in the artificial neural networks paradigm, emergent from cognitive science. One of these new models is the pulsed neural network with radial basis function, a network able to store information in the axonal propagation delay of neurons. Learning algorithms have been proposed to this model looking for mapping input pulses into output pulses. Recently, a new method was proposed to encode constant data into a temporal sequence of spikes, stimulating deeper studies in order to establish abilities and frontiers of this new approach. However, a well known problem of this kind of network is the high number of free parameters - more that 15 - to be properly configured or tuned in order to allow network convergence. This work presents for the first time a new learning function for this network training that allow the automatic configuration of one of the key network parameters: the synaptic weight decreasing factor.

Comparison of logistic and neural network models to fit to the egg production curve of White Leghorn hens

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Controle vetorial de velocidade de uma máquina de indução sem mancais trifásica com bobinado dividido utilizando estimação neural de fluxo

This work describes the study and the implementation of the vector speed control for a three-phase Bearingless induction machine with divided winding of 4 poles and 1,1 kW using the neural rotor flux estimation. The vector speed control operates together with the radial positioning controllers and with the winding currents controllers of the stator phases. For the radial positioning, the forces controlled by the internal machine magnetic fields are used. For the radial forces optimization , a special rotor winding with independent circuits which allows a low rotational torque influence was used. The neural flux estimation applied to the vector speed controls has the objective of compensating the parameter dependences of the conventional estimators in relation to the parameter machine s variations due to the temperature increases or due to the rotor magnetic saturation. The implemented control system allows a direct comparison between the respective responses of the speed and radial positioning controllers to the machine oriented by the neural rotor flux estimator in relation to the conventional flux estimator. All the system control is executed by a program developed in the ANSI C language. The DSP resources used by the system are: the Analog/Digital channels converters, the PWM outputs and the parallel and RS-232 serial interfaces, which are responsible, respectively, by the DSP programming and the data capture through the supervisory system