Sobre a estacionariedade de redes neurais sob o regime de pequeno mundo

Detalhes bibliográficos
Autor(a) principal: Budzinski Neto, Roberto Cesar
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/54867
Resumo: Orientador : Prof. Dr. Sergio Roberto Lopes
id UFPR_472a7680e446a8b37fd604956919878a
oai_identifier_str oai:acervodigital.ufpr.br:1884/54867
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Budzinski Neto, Roberto CesarUniversidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduaçao em FísicaLopes, Sergio Roberto, 1967-2018-10-26T16:09:42Z2018-10-26T16:09:42Z2018https://hdl.handle.net/1884/54867Orientador : Prof. Dr. Sergio Roberto LopesDissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Exatas, Programa de Pós-Graduação em Física. Defesa : Curitiba, 26/02/2018Inclui referênciasResumo: O cérebro talvez seja o órgão mais complexo do corpo humano e mesmo nos dias atuais existem muitas questões abertas no que diz respeito ao mesmo. Dessa forma, existem grandes esforços a nível mundial para o desenvolvimento de pesquisas que tornem possível uma melhor compreensão sobre este que é um objeto fundamental à vida. O presente trabalho tem por objetivo o estudo do comportamento dinâmico de redes neurais com acoplamento fraco, especificamente, com relação à sincronização, (não)estacionariedade e estabilidade da mesmas. Para tal, simula-se o comportamento de 1024 neurônios termicamente sensíveis, sob o regime de pequeno mundo, por meio do modelo desenvolvido por Braun et. al., o qual é baseado nas ideias originais de Hodgkin e Huxley, considerando também a dependência do sistema em relação à temperatura. Como ferramenta de análise do problema, utilizam-se os conceitos de análise de recorrência (RQA), especificamente, o quantificador chamado de determinismo, o qual expressa ideias sobre a densidade de pontos recorrentes em estruturas diagonais no espaço de recorrência, uma vez que estas estruturas estão ligadas à dinâmica (temporal) do sistema de interesse. Como análise complementar do método adotado, compara-se os resultados obtidos por meio da análise de recorrência (determinismo), a qual utiliza dados de campo médio local da rede, com os resultados obtidos através de um parâmetro de ordem de Kuramoto, o qual necessita da informação individual dos neurônios. Por fim, pode-se concluir que uma rede de 1024 neurônios termicamente sensíveis, sob topologia de pequeno mundo, apresenta sincronização anômala, não estacionariedade relacionada a intermitência de dois estados e multiestabilidade para região de acoplamento fraco e para transição para sincronização, sendo que tais características podem estar associadas à doenças neuronais. No que diz respeito a metodologia utilizada, pode-se concluir que a análise de recorrência (RQA) é mais eficaz para avaliar (não)estacionariedade, se comparada ao parâmetro de ordem de Kuramoto, além do fato de utilizar dados de campo médio, os quais podem ser facilmente obtidos experimentalmente. Palavras-chave: Redes Neurais, Análise de Recorrência, Modelo de Hodgkin-Huxley, Análise de Dados.Abstract: The brain may be the most complex organ in the human body, and even nowadays there are many notanswered questions about it. In this way, there are great efforts in the world for the development of researches to possible a better understanding about its, which is a fundamental object of life. The present work has the objective of studying the dynamic behavior of neural networks with weak coupling, specifically, with respect to the synchronization, (non) stationarity and stability of the same. In this way, simulation of 1024 thermally sensitive neurons under the small world regime are performed by the model developed by Braun et al, which is based on the original ideas of Hodgkin and Huxley, also considering the system's dependence on temperature. As a tool for analyzing the problem, we use the concepts of recurrence analysis (RQA), specifically, the quantifier called determinism, which expresses ideas about the density of recurrent points in diagonal structures in the space of recurrence, once these structures are associated to the (temporal) dynamics of the system. As a complementary analyses of the adopted method, we compare the results obtained through the recurrence analysis (determinism), which uses local mean field data from network, with the results obtained through Kuramoto order parameter, which requires individual neuron information. Finally, it can be concluded that a network of 1024 thermally sensitive neurons, under small-world topology, presents anomalous synchronization, non-stationarity related to two-state intermittence and multistability, for weak coupling region and for transition to synchronization, such characteristics may be associated with neuronal diseases. Regarding the methodology used, it can be concluded that the recurrence analysis (RQA) is more efficient to evaluate (non) stationarity compared to the Kuramoto order parameter, besides, RQA use data of local field potential, which can be easily obtained experimentally. Keywords: Neural Networks, Recurrence Analysis, Hodgkin-Huxley Model, Data Analysis103 p. : il. (algumas color.).application/pdfNeuroniosFisicaRedes neurais (Computação)SincronizaçãoTesesSobre a estacionariedade de redes neurais sob o regime de pequeno mundoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - ROBERTO CESAR BUDZINSKI NETO.pdfapplication/pdf22286464https://acervodigital.ufpr.br/bitstream/1884/54867/1/R%20-%20D%20-%20ROBERTO%20CESAR%20BUDZINSKI%20NETO.pdfbed88a0691f709f2c97938d7cff1c5edMD51open access1884/548672018-10-26 13:09:42.719open accessoai:acervodigital.ufpr.br:1884/54867Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082018-10-26T16:09:42Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Sobre a estacionariedade de redes neurais sob o regime de pequeno mundo
title Sobre a estacionariedade de redes neurais sob o regime de pequeno mundo
spellingShingle Sobre a estacionariedade de redes neurais sob o regime de pequeno mundo
Budzinski Neto, Roberto Cesar
Neuronios
Fisica
Redes neurais (Computação)
Sincronização
Teses
title_short Sobre a estacionariedade de redes neurais sob o regime de pequeno mundo
title_full Sobre a estacionariedade de redes neurais sob o regime de pequeno mundo
title_fullStr Sobre a estacionariedade de redes neurais sob o regime de pequeno mundo
title_full_unstemmed Sobre a estacionariedade de redes neurais sob o regime de pequeno mundo
title_sort Sobre a estacionariedade de redes neurais sob o regime de pequeno mundo
author Budzinski Neto, Roberto Cesar
author_facet Budzinski Neto, Roberto Cesar
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduaçao em Física
dc.contributor.author.fl_str_mv Budzinski Neto, Roberto Cesar
dc.contributor.advisor1.fl_str_mv Lopes, Sergio Roberto, 1967-
contributor_str_mv Lopes, Sergio Roberto, 1967-
dc.subject.por.fl_str_mv Neuronios
Fisica
Redes neurais (Computação)
Sincronização
Teses
topic Neuronios
Fisica
Redes neurais (Computação)
Sincronização
Teses
description Orientador : Prof. Dr. Sergio Roberto Lopes
publishDate 2018
dc.date.accessioned.fl_str_mv 2018-10-26T16:09:42Z
dc.date.available.fl_str_mv 2018-10-26T16:09:42Z
dc.date.issued.fl_str_mv 2018
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/54867
url https://hdl.handle.net/1884/54867
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 103 p. : il. (algumas color.).
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/54867/1/R%20-%20D%20-%20ROBERTO%20CESAR%20BUDZINSKI%20NETO.pdf
bitstream.checksum.fl_str_mv bed88a0691f709f2c97938d7cff1c5ed
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1813898899400687616