Please use this identifier to cite or link to this item: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/338
Title: Análise de similaridade entre classes e padrões de ativação neuronal.
Other Titles: Analysis of similarity between classes and patterns of neuronal activation.
???metadata.dc.creator???: SARAIVA, Eugênio de Carvalho.
???metadata.dc.contributor.advisor1???: GOMES, Herman Martins.
???metadata.dc.contributor.advisor2???: RIBEIRO, Sidarta Tollendal Gomes.
Keywords: Neurociência computacional;Ativação neuronal;Algoritmos de classificação;Experiências sensoriais;Abordagem semi-supervisionada - neurociência;Abordagem supervisionada - neurociência;Computational Neuroscience;Neuronal activation;Classification algorithms;Sensory Experiences;Semi-supervised approach - neuroscience;Supervised approach - neuroscience
Issue Date: 30-Jul-2014
Publisher: Universidade Federal de Campina Grande
Citation: SARAIVA, Eugênio de Carvalho. Análise de similaridade entre classes de padrões de ativação neuronal. 2014. 148f. (Dissertação de Mestrado). Programa de Pós-graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande - Paraiba - Brasil, 2014.
???metadata.dc.description.resumo???: Há um número crescente de tecnologias que fazem uso de algoritmos de classificação para a automação de tarefas. Em particular, em Neurociências, algoritmos de classificação foram usados para testar hipóteses sobre o funcionamento do sistema nervoso central. No entanto, a relação entre as classes de padrões de ativação neuronal de áreas específicas do cérebro, como resultado de experiências sensoriais tem recebido pouca atenção. No contexto da Neurociência Computacional, este trabalho apresenta uma análise do nível de similaridade entre classes de padrões de ativação neuronal, com o uso das abordagens de aprendizagem não supervisionada e semi-supervisionada, em áreas específicas do cérebro de ratos em contato com objetos, obtidos durante um experimento envolvendo exploração livre de objetos pelos animais. As classes foram definidas de acordo com determinados tratamentos construídos com níveis específicos de um conjunto de 8 fatores (Animal, Região do Cérebro, Objeto ou Par de Objeto, Algoritmo de Agrupamento, Métrica, Bin, Janela e Intervalo de Contato). No total foram analisados 327.680 tratamentos. Foram definidas hipóteses quanto à relação de cada um dos fatores para com o nível de similaridade existente entre os tratamentos. As hipóteses foram verificadas por meio de testes estatísticos entre as distribuições que representavam cada uma das classes. Foram realizados testes de normalidade (Shapiro-Wilk, QQ-plot), análise de variância e um teste para diferenças entre tendência central (Kruskal-Wallis). Com base nos resultados encontrados nos estudos utilizando abordagem não supervisionada, foi inferido que os processos de aquisição e de definição dos padrões de ativação por um observador foram sujeitos a uma quantidade não significativa de ruídos causados por motivos não controláveis. Pela abordagem semisupervisionada, foi observado que nem todos os graus de similaridade entre pares de classes de objetos são iguais a um dado tratamento, o que indicou que a similaridade entre classes de padrões de ativação neuronal é sensível a todos os fatores analisados e fornece evidências da complexidade na codificação neuronal.
Keywords: Neurociência computacional
Ativação neuronal
Algoritmos de classificação
Experiências sensoriais
Abordagem semi-supervisionada - neurociência
Abordagem supervisionada - neurociência
Computational Neuroscience
Neuronal activation
Classification algorithms
Sensory Experiences
Semi-supervised approach - neuroscience
Supervised approach - neuroscience
???metadata.dc.subject.cnpq???: Ciência da computação
Neurociência computacional
URI: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/338
Appears in Collections:Mestrado em Ciência da Computação.

Files in This Item:
File Description SizeFormat 
EUGÊNIO DE CARVALHO SARAIVA - DISSERTAÇÃO PPGCC 2014..pdfEugênio de Carvalho Saraiva - Dissertação PPGCC 2014.2.75 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.