Esta tese aborda o interrelacionamento entre morfologia, topologia e dinâmica de ativação em redes neuronais morfologicamente realistas, construídas com neurônios da base pública Neuromorpho. Foi desenvolvido um arcabouço computacional capaz de simular a dinâmica de ativação neuronal (através do modelo integra-e-dispara) ao longo do desenvolvimento da conexão das redes tridimensionais respectivas. Tal arcabouço permitiu investigar como aspectos da dinâmica de ativação variam ao longo das épocas de desenvolvimento das redes, incluindo antes, durante e depois da percolação. Em particular, calcularam-se correlações de Pearson entre várias medidas dinâmicas e topológicas ao longo das épocas de evolução, de forma a se quantificar de maneira objetiva os possíveis relacionamentos entre a ativação neuronal e a topologia das redes. Foram considerados três tipos de neurônios piramidais: occipitais e pré-frontais de humanos e células piramidais de macado (macaco Rhesus). Os dois primeiros tipos foram verificados (através de histogramas de médias e análise por componentes principais) possuírem características morfológicas semelhantes, enquanto o grupo de células piramidais do macaco apresentaram substancial diferenciação. Vários resultados foram obtidos respectivamente às correlações entre medidas dinâmicas e topológicas. Em particular, verificou- se que os graus médios de entrada e saída das redes estão significativamente correlacionados com as taxas médias de ativação, convergindo rapidamente após a formação do componente fraco. A correlação do grau de entrada mostrou-se mais elevada do que a obtida para o grau de saída. Além disto, a correlação entre o grau de entrada e a taxa média de disparos tendeu a diminuir ao longo das épocas finais das simulações. Verificou-se também como os perfis de evolução de várias correlações entre dinâmica e topologia implicam na diferenciação dos tipos neuronais considerados. / This thesis addresses the interrelationships between morphology, topology and activation dynamics in morphologically realistic neuronal networks, derived from the public data base Neuromorpho. A computational framework has been developed that is capable of simulating the dynamics of neuronal activation (via the integrate-and-fire dynamics) during the development of the network connection in three-dimensional spaces. This framework allowed to investigate how aspects of the activation dynamics vary over the epochs of network development, including before, during and after the critical event of percolation. In particular, we calculated Pearson correlation coefficients between various topological and dynamical measurements throughout the epochs of evolution, in order to quantify in an objective way how the relationships between neuronal activation and network topology changed along the development of the connectivity. We considered three types of neurons: occipital and prefrontal pyramidal cells of human and diverse pyramidal cells of monkey individuals (monkey Rhesus). The first two types were found (via histograms and principal component analysis) to have mostly similar morphological characteristics, while the group of pyramidal cells from apes showed substantial differentiation. Several results were obtained respectively to the correlations between measurements of dynamics and morphology along the epochs of development. In particular, it was found that the input and output average degrees of the network are significantly correlated with the average rates of activation. After a period of large variation that precedes the formation of the weakly connected component, these correlation values converge rapidly to a regime of smooth decrease which suggests saturation of the activation in the network. The correlation implied by the indegree proved to be clearly higher than that obtained for the outdegree. It was also investigated how the profiles of the various correlations along the development epochs implied in the differentiation between the neuronal types considered.

Made available in DSpace on 2017-07-21T19:25:53Z (GMT). No. of bitstreams: 1 Lameu, Ewandson Luiz.pdf: 7848775 bytes, checksum: 6554423cbb845e57ef8b0353b78352c9 (MD5) Previous issue date: 2016-10-25 / Fundação Araucária de Apoio ao Desenvolvimento Científico e Tecnológico do Paraná / In this thesis we present a theoretical model of a neural network based on real anatomical structure of connections between cat’s cerebral cortex areas. This anatomical network contains 65 cortical areas organized into four regions called visual, auditory, somatosensory-motor and frontolimbic. We analize for which probabilities of connections the proposed network approaches with greater fidelity the real anatomical network. To describe the neuron dynamics we use a system known as Rulkov bidimensional map, which is a phenomenological model that simulates the changes in the neuronal membrane potential. For the coupling between neurons we consider electrical and chemical synapses. Then, we study the phenomenon of synchronization of neuronal firing due to its relationship with some neurological disorders such as Parkinson’s disease and epilepsy. In addition to seeking the cause of these disorders, the study of effective techniques to prevent such behavior becomes indispensable. In light of this, we propose three methods of applying external perturbations over the system with the aim of suppress synchronization. The first of these disorders simulates a stimulus by light that is capable of inducing a neuron to have a spike, the second perturbation used was the introduction of a periodic electrical current on the network, and the third was based on reinjection of an electric signal collected from the system itself. We show the coupling intervals where disturbances are able to suppress the synchrony and evaluate which of them has higher efficiency. / Nesta tese apresentamos um modelo teórico de uma rede neuronal baseado na estrutura anatõmica real das conexões entre áreas do córtex cerebral do gato. Esta rede anatômica contém 65 áreas corticais que estão organizadas em quatro regiões denominadas visual, auditiva, somatosensorialmotora e frontolımbica. Analisamos para quais probabilidades de conexões a rede modelada se aproxima com maior fidelidade da rede real anatomica. Para descrever a dinãmica neuronal consideramos um sistema bidimensional conhecido como mapa de Rulkov, sendo este um modelo fenomenol´ogico que simula as variações do potencial de membrana neuronal. Para o acoplamento entre os neuronios consideramos sinapses eletricas e quımicas. Entao, estudamos o fenomeno da sincronização dos disparos neuronais devido a sua relação com algumas desordens neurológicas, como Parkinson e epilepsia. Além de buscar compreender a causa destas desordens, o estudo de tecnicas eficazes para evitar tais comportamentos torna-se imprescindıvel. Com isso em mente, propomos tres métodos de aplicações de perturbações externas sobre o sistema com a finalidade de suprimir a sincronizaçãoo. A primeira destas perturbaçoes simula um estımulo por luz que é capaz de induzir um neuronio a ter um pico de potencial, a segunda perturbação utilizada foi a introdução de uma corrente eletrica periodica sobre a rede e a terceira baseou-se na reinjeção de uma sinal eletrico coletado do proprio sistema. Mostramos os intervalos de acoplamento onde as perturbacoes sao capazes de suprimir a sincronia e avaliamos qual delas apresenta maior eficiencia.

Made available in DSpace on 2017-07-21T19:25:54Z (GMT). No. of bitstreams: 1 Fernando da Silva Borges.pdf: 3003505 bytes, checksum: c77a390868c21644a0396314c4bf4e0e (MD5) Previous issue date: 2016-11-22 / Fundação Araucária de Apoio ao Desenvolvimento Científico e Tecnológico do Paraná / In this thesis, we use mathematical models to study the dynamic range of neural networks. The dynamic range is the difference between maximum and minimum levels of sensation produced by known stimuli. Using cellular automata to model neuronal dynamics and different network topologies with different types of synapses, we investigate for which conditions the dynamic range is enhanced. In a network where local connections represent the electrical synapses and nonlocal connections the chemical synapses, we analyze the dynamic range in function of the number of nonlocal connections and time delay between these connections. We find that the dynamic range is enhanced for neural networks with low time delay when the number of nonlocal connections increases. Furthermore, we propose a neural network model separated into two layers, where one layer corresponds to inhibitory and the other to excitatory neurons. We randomly distribute electrical and chemical synapses in the network in order to analyse the effects on the dynamic range. In our proposed model, the chemical synapses, that are directed, can be excitatory or inhibitory, while the electrical synapses are bidirectional. Through the mean-field approximation, we analytically calculate the dynamic range as a function of the model parameters. The values that we find are very close to the results obtained from simulations. We verify that electrical synapses have a complementary effect on the enhancement of the dynamic range. Finally, we found that electrical synapses on excitatory layer are responsible for this complementary effect, while the electrical synapses in inhibitory layer promote a small increase in the dynamic range value. / Nesta tese usamos modelos matemáticos para estudar a faixa dinâmica de redes neuronais. A faixa dinâmica é a diferença entre a resposta máxima e mínima produzida por um determinado estímulo. Utilizando autômatos celulares para modelar a dinamica neuronal e diversas topologias de redes com diferentes tipos de sinapses, investigamos para quais configurações a faixa dinamica ´e maximizada. Em uma rede onde conexões locais representam sinapses elétricas e conexões não locais as sinapses químicas, analisamos o que ocorre com a faixa dinamica quando varia-se a quantidade de conexões não locais ou um tempo de atraso entre essas conexões é considerado. Neste caso, verificamos que a faixa dinamica é maior para redes neuronais com valores baixos de atraso e aumenta com o acréscimo de conexões não locais. Além disso, propomos um modelo de rede de neurônios dispostos em duas camadas, uma excitatória e outra inibitótira, com sinapses química e elétricas distribuidas aleatoriamente. Neste modelo, as sinapses quimicas são direcionadas e podem ser excitatorias ou inibitórias, enquanto as sinapses elétricas são bidirecionais e apresentam apenas carater excitatorio. Fazendo aproximações de campo médio, calculamos analiticamente a faixa dinamica em função dos parametros do modelo. Os valores encontrados estão muito próximos dos obtidos por simulações e mostram que a faixa dinãmica é maximizada em pontos que dependem complementarmente das sinapses quimicas e elétricas. Finalmente, verificamos que as sinapses eletricas na camada excitatória sao responsaveis por esse efeito complementar, enquanto as sinapses elétricas na camada inibitoria promovem um pequeno acrescimo no valor da faixa dinamica.

A teoria de redes complexas se consolidou nos últimos anos, graças ao seu potencial como ferramenta versátil no estudo de diversos sistemas discretos. É possível enumerar aplicações em áreas tão distintas como engenharia, sociologia, computação, linguística e biologia. Tem merecido atenção, por exemplo, o estudo da organização estrutural do cérebro, tanto em nível microscópico (em nível de neurônios) como regional (regiões corticais). Acredita-se que tal organização visa otimizar a dinâmica, favorecendo processos como sincronização e processamento paralelo. Estrutura e funcionamento, portanto, estão relacionados. Tal relação é abordada pela teoria de redes complexas nos mais diversos sistemas, sendo possivelmente seu principal objeto de estudo. Neste trabalho exploramos as relações entre aspectos estruturais de redes neuronais e corticais e a atividade nas mesmas. Especificamente, estudamos como a interconectividade entre o córtex e o tálamo pode interferir em estados de ativação do último, considerando-se o sistema tálamo-cortical do gato bem como alguns modelos para geração de rede encontrados na literatura. Também abordamos a relação entre a morfologia individual de neurônios e a conectividade em redes neuronais, e consequentemente o impacto da forma neuronal em dinâmicas atuando sobre tais redes e a eficiência das mesmas no transporte de informação. Como tal eficiência pode ter como consequência a facilitação de processos maléficos às redes, como por exemplo, ataques causados por vírus neurotrópicos, também exploramos possíveis correlações entre características individuais dos elementos que formam as redes complexas e danos causados por processos infecciosos iniciados nos mesmos. / Complex network theory has been consolidated along the last years, owing to its potential as a versatile framework for the study of diverse discrete systems. It is possible to enumerate applications in fields as distinct as Engineering, Sociology, Computing, Linguistics and Biology, to name a few. For instance, the study of the structural organization of the brain at the microscopic level (neurons), as well as at regional level (cortical areas), has deserved attention. It is believed that such organization aims at optimizing the dynamics, supporting processes like synchronization and parallel processing. Structure and functioning are thus interrelated. Such relation has been addressed by complex network theory in diverse systems, possibly being its main subject. In this thesis we explore the relations between structural aspects and the activity in cortical and neuronal networks. Specifically, we study how the interconnectivity between the cortex and thalamus can interfere in activation states of the latter, taking into consideration the thalamocortical system of the cat, along with networks generated through models found in literature. We also address the relation between the individual morphology of the neurons and the connectivity in neuronal networks, and consequently the effect of the neuronal shape on dynamic processes actuating over such networks and on their efficiency on information transport. As such efficiency can consequently facilitate prejudicial processes on the networks, e.g. attacks promoted by neurotropic viruses, we also explore possible correlations between individual characteristics of the elements forming such systems and the damage caused by infectious processes started at these elements.

Tese de Mestrado Integrado. Engenharia Electrotécnica e de Computadores (Área de Especialização de Energia). Faculdade de Engenharia. Universidade do Porto. 2012

Dissertação apresentada para obtenção do grau de Mestre em Engenharia Electrotécnica e de Computadores (área de especialização de Sistemas de Energia), na Faculdade de Engenharia da Universidade do Porto, sob a orientaçãp do Professor Doutor Abel Peças Lopes

Esta tese aborda o interrelacionamento entre morfologia, topologia e dinâmica de ativação em redes neuronais morfologicamente realistas, construídas com neurônios da base pública Neuromorpho. Foi desenvolvido um arcabouço computacional capaz de simular a dinâmica de ativação neuronal (através do modelo integra-e-dispara) ao longo do desenvolvimento da conexão das redes tridimensionais respectivas. Tal arcabouço permitiu investigar como aspectos da dinâmica de ativação variam ao longo das épocas de desenvolvimento das redes, incluindo antes, durante e depois da percolação. Em particular, calcularam-se correlações de Pearson entre várias medidas dinâmicas e topológicas ao longo das épocas de evolução, de forma a se quantificar de maneira objetiva os possíveis relacionamentos entre a ativação neuronal e a topologia das redes. Foram considerados três tipos de neurônios piramidais: occipitais e pré-frontais de humanos e células piramidais de macado (macaco Rhesus). Os dois primeiros tipos foram verificados (através de histogramas de médias e análise por componentes principais) possuírem características morfológicas semelhantes, enquanto o grupo de células piramidais do macaco apresentaram substancial diferenciação. Vários resultados foram obtidos respectivamente às correlações entre medidas dinâmicas e topológicas. Em particular, verificou- se que os graus médios de entrada e saída das redes estão significativamente correlacionados com as taxas médias de ativação, convergindo rapidamente após a formação do componente fraco. A correlação do grau de entrada mostrou-se mais elevada do que a obtida para o grau de saída. Além disto, a correlação entre o grau de entrada e a taxa média de disparos tendeu a diminuir ao longo das épocas finais das simulações. Verificou-se também como os perfis de evolução de várias correlações entre dinâmica e topologia implicam na diferenciação dos tipos neuronais considerados. / This thesis addresses the interrelationships between morphology, topology and activation dynamics in morphologically realistic neuronal networks, derived from the public data base Neuromorpho. A computational framework has been developed that is capable of simulating the dynamics of neuronal activation (via the integrate-and-fire dynamics) during the development of the network connection in three-dimensional spaces. This framework allowed to investigate how aspects of the activation dynamics vary over the epochs of network development, including before, during and after the critical event of percolation. In particular, we calculated Pearson correlation coefficients between various topological and dynamical measurements throughout the epochs of evolution, in order to quantify in an objective way how the relationships between neuronal activation and network topology changed along the development of the connectivity. We considered three types of neurons: occipital and prefrontal pyramidal cells of human and diverse pyramidal cells of monkey individuals (monkey Rhesus). The first two types were found (via histograms and principal component analysis) to have mostly similar morphological characteristics, while the group of pyramidal cells from apes showed substantial differentiation. Several results were obtained respectively to the correlations between measurements of dynamics and morphology along the epochs of development. In particular, it was found that the input and output average degrees of the network are significantly correlated with the average rates of activation. After a period of large variation that precedes the formation of the weakly connected component, these correlation values converge rapidly to a regime of smooth decrease which suggests saturation of the activation in the network. The correlation implied by the indegree proved to be clearly higher than that obtained for the outdegree. It was also investigated how the profiles of the various correlations along the development epochs implied in the differentiation between the neuronal types considered.

Submitted by Maria Aparecida (cidazen@gmail.com) on 2017-08-16T13:36:27Z No. of bitstreams: 1 Nagem.pdf: 4780552 bytes, checksum: b5eb1b41dce8fc9e855f1bb49bfad2fa (MD5) / Made available in DSpace on 2017-08-16T13:36:27Z (GMT). No. of bitstreams: 1 Nagem.pdf: 4780552 bytes, checksum: b5eb1b41dce8fc9e855f1bb49bfad2fa (MD5) Previous issue date: 2009-02-06 / Nowadays the regulatory restrictions and global concern with the environment are leading the aluminum industry to develop a sustainable model production, with propose to reduce the environmental impacts of its economic activity. Thus, becomes necessary improvements in the operational and control standards for the aluminium production. These needs have major objectives, decrease green house gases (GHG) energy consumption and increase in productive. As technological alternatives such as smart feeders for Point Feeders pots and the development of new control for automatic adjust of the number of manifolds to be broke in the next cycle for Side Break pots will help to improve the decrease of Green Houses Gases. The smart feeders had a significant decrease in the anode effect frequency and consequently a decrease in anode effect time too. For the VSS Side Break pots were possible to create a decision matrix using the Least Square estimation (LS) of the resistance slope and curvature to adjust the number of manifolds. Another approach that showed promising results in the simulation was the neuronal networks for pattern recognition, especial class knows by probabilistic neural network. / Atualmente a maior regulamentação e preocupação mundial com o ambiente estão levando as indústrias de alumínio ao desenvolvimento de um modelo sustentável de produção, com o escopo de reduzir os impactos ambientais de sua atividade econômica. Assim, tornam-se imprescindíveis melhorias nas práticas operacionais e de controle de sua produção. Tais necessidades têm como foco principal a redução dos gases de efeito estufa (Green Houses Gases - GHG), redução do consumo de energia e aumento de produtividade. Como alternativas tecnológicas para mitigar o problema ambiental de Green Houses Gases, os “alimentadores inteligentes” para as cubas com alimentação Point Feeder e o desenvolvimento de novos controles para o ajuste automático da quantidade de “manifolds” a serem quebrados durante a alimentação para cubas Side Break são soluções viáveis. Os alimentadores “inteligentes” mostram uma redução da freqüência de efeito anódico e conseqüentemente no tempo em que a cuba fica em efeito anódico. Para as cubas VSS Side Break foi possível criar uma matriz de decisão através dos valores dos estimadores MQ utilizando a inclinação e curvatura da resistência para o ajuste de “manifolds”. Outra abordagem foi a utilização de redes neuronais para determinar a forma da curva de resistência, com a utilização de redes neuronais probabilísticas.

[pt] O desmatamento é uma das principais causas de redução da biodiversidade, mudança climática e outros fenômenos destrutivos. Assim, a detecção antecipada de desmatamento é de suma importância. Técnicas baseadas em imagens de satélite são uma das opções mais iteresantes para esta aplicação. No entanto, muitos trabalhos desenvolvidos incluem algumas operações manuais ou dependência de um limiar para identificar regiões que sofrem desmatamento ou não. Motivado por este cenário, a presente dissertação apresenta uma avaliação de métodos para detecção automática de desmatamento, especificamente de Early Fusion (EF) Convolutional Network, Siamese Convolutional Network (SN), Convolutional Support Vector Machine (CSVM) e Support Vector Machine (SVM), o último tomado como baseline. Todos os métodos foram avaliados em regiões dos biomas brasileiros Amazônia e Cerrado. Duas imagens Landsat 8 adquiridas em diferentes datas foram utilizadas nos experimentos, e também o impacto do tamanho do conjunto de treinamento foi analisado. Os resultados demonstraram que as abordagens baseadas no Deep Learning superaram claramente o baseline SVM em termos de pontuação F1-score e Overrall Accuracy, com uma superioridade de SN e EF sobre CSVM e SVM. Da mesma forma, uma redução do efeito sal e pimenta nos mapas de mudança gerados foi notada devido, principalmente ao aumento de amostras nos conjuntos de treinamento. Finalmente, realizou-se uma análise visando avaliar como os métodos podem reduzir o esforço humano na inspeção visual das áreas desmatadas. / [en] Deforestation is one of the main causes of biodiversity reduction, climate change, among other destructive phenomena. Thus, early detection of deforestation processes is of paramount importance. Techniques based on satellite images are one of the most attractive options for this application. However, many works developed include some manual operations or dependency on a threshold to identify regions that suffer deforestation or not. Motivated by this scenario, the present dissertation presents an evaluation of methods for automatic deforestation detection, specifically Early Fusion (EF) Convolutional Network, Siamese Convolutional Network (SN), Convolutional Support Vector Machine (CSVM) and Support Vector Machine (SVM), taken as the baseline. These methods were evaluated in regions of Brazilian Amazon and Cerrado Biomes. Two Landsat 8 images acquired at different dates were used in the experiments, and the impact of training set size was also analyzed. The results demonstrated that Deep Learning-based approaches clearly outperformed the SVM baseline in our approaches, both in terms of F1-score and Overall Accuracy, with the superiority of SN and EF over CSVM and SVM. In the same way, a reduction of the salt-and-pepper effect in the generated probabilistic change maps was noticed due, mainly, to the increase of samples in the training sets. Finally, an analysis was carried out to assess how the methods can reduce the time invested in the visual inspection of deforested areas.