Submitted by Isaac Francisco de Souza Dias (isaac.souzadias@ufpe.br) on 2016-04-26T17:47:29Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) DISSERTACAO Jose Rodrigues de Oliveira Neto.pdf: 16621430 bytes, checksum: fb1803a2a724e072379eae9f12089387 (MD5) / Made available in DSpace on 2016-04-26T17:47:29Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) DISSERTACAO Jose Rodrigues de Oliveira Neto.pdf: 16621430 bytes, checksum: fb1803a2a724e072379eae9f12089387 (MD5) Previous issue date: 2015-07-28 / CNPQ / O presente trabalho descreve a investigação e desenvolvimento de soluções para excitação Redes Neurais Pulsadas de tempo real a partir de grandezas físicas transduzidas e sinais simulados. Para isso foi desenvolvido um hardware dedicado de baixo custo capaz de transformar dados em trens de spikes, que são processados por essas redes. O sistema visa converter sinais digitais em spikes de neurônios artificiais, que são pulsos de 1 ms de duração. O sistema ainda pode organizar neurônios que disparam conjuntamente, a fim de gerar os três códigos neurais mais importantes descritos na literatura da neurociência: codificação por taxa de disparos, codificação por populações e codificação temporal. São descritas ainda duas topologias de amostradores (samplers) que discretizam representações na forma de populações neurais, que devem ser processadas segundo a abordagem Computação por Assembleias Neurais. Uma das topologias recolhe amostras na forma de populações de neurônios ativos durante um período definido (codificação por população), enquanto a outra recolhe amostras baseada na diferença temporal entre spikes (codificação temporal). Os sinais resultantes da amostragem podem ser utilizados internamente na rede como representações discretas de informações. Os sinais amostrados podem ainda ser utilizados como entradas de circuitos de tomada de decisão, cuja descrição das características e simulações também é parte deste trabalho. / This work describes the research and development of solutions for excitement of real-time Spiking Neural Networks from transduced physical quantities and simulated signals. For this it developed a dedicated low cost hardware able to turn data into spike trains, which are processed by these networks. The systemaims to convert digital signals into spikes of artificial neurons, which are pulses of 1 ms. The system can even arrange neurons that fire together to generate the three most important neural codes described in the neuroscience literature: rate coding, populations coding and temporal coding. Two topologies of samplers are described; these topologies discretize representations in the form of neural populations that should be processed according to Neural Assembly Computing approach. One of these topologies collects samples as populations of neurons active during a defined period (population coding), while the other topology collects samples based on the time difference between spikes (temporal coding). The signals resulting from the sample can be used internally in the network as discrete representations of information. The sampled signals may also be used as inputs of decision-making circuits, the description of the characteristics and simulation of these circuits is also part of this work.