Visão e Cognição UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE INFORMÁTICA PROGRAMA DE PÓS-GRADUAÇÃO EM COMPUTAÇÃO EDUARDO WISNIESKI BASSO

Tamanho: px
Começar a partir da página:

Download "Visão e Cognição UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE INFORMÁTICA PROGRAMA DE PÓS-GRADUAÇÃO EM COMPUTAÇÃO EDUARDO WISNIESKI BASSO"

Transcrição

1 UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE INFORMÁTICA PROGRAMA DE PÓS-GRADUAÇÃO EM COMPUTAÇÃO EDUARDO WISNIESKI BASSO Visão e Cognição Trabalho Individual I TI-123 Prof. Dr. Paulo Martins Engel Orientador Porto Alegre, março de 2006

2 SUMÁRIO LISTA DE ABREVIATURAS E SIGLAS LISTA DE FIGURAS LISTA DE TABELAS RESUMO ABSTRACT INTRODUÇÃO PARADIGMA COGNITIVO E OUTROS CONCEITOS Emergência do Conhecimento Abordagens para Implementação A VISÃO PELAS NEUROCIÊNCIAS Retina Núcleo Geniculado Lateral do Tálamo Córtex Visual Primário Além do Córtex Visual Primário Dos Neurônios à Percepção Controle de Atenção Núcleo Pulvinar e Colículos Superiores VISÃO COMPUTACIONAL COGNITIVA Representação de Imagens Codificação por Previsão Reconhecimento de Objetos Controle de Atenção Competição guiada Projetos em Visão Cognitiva CONSIDERAÇÕES E CONCLUSÕES REFERÊNCIAS

3 LISTA DE ABREVIATURAS E SIGLAS FIT Feature integration theory IT Temporal inferior MT Temporal medial MST Temporal superior medial NGL Núcleo geniculado lateral V1 Córtex visual primário VM Visio-motor

4 LISTA DE FIGURAS Figura 2.1: Relação entre percepção/ação e descrição da cena Figura 3.1: Estrutura anatômica do olho humano Figura 3.2: Relações entre células na retina Figura 3.3: Campos receptivos antagônicos centro-periferia Figura 3.4: Passagem pelo Núcleo Geniculado Lateral do Tálamo Figura 3.5: Camadas do Núcleo Geniculado do Tálamo Figura 3.6: Seletividade à forma e ao movimento Figura 3.7: Módulo cortical Figura 3.8: Caminhos dorsal e ventral de processamento visual Figura 3.9: Conexões do núcleo pulvinar do tálamo com diversas áreas do córtex 23 Figura 3.10: Colículos superiores Figura 3.11: Distribuição pela direção do movimento a ser realizado Figura 4.1: Representações centrada no objeto e centrada no ponto de vista Figura 4.2: Espectro de potência da função Gabor 2D Figura 4.3: Exemplo de cena que pode ser descrita com mapas de feições Figura 4.4: Modelo de aprendizado da atenção baseado na tarefa

5 LISTA DE TABELAS Tabela 3.1: Camadas da área V

6 RESUMO Uma das maiores limitações para que seres humanos beneficiem-se ainda mais de sistemas artificiais é a dificuldade na intereção entre homem e máquina, principalmente a não robustez destes sistemas em ambientes não controlados. A visão computacional cognitiva é uma linha de pesquisa que tenta conferir a sistemas artificiais uma capacidade perceptiva apropriada e robusta mesmo nestes ambientes não controlados. Inspirada no sistema visual humano, esta abordagem consiste em aproximar a visão da cognição. Este trabalho consiste no estudo da visão e cognição com o viés da computação, formando a base necessária para o desenvolvimento de sistemas e modelos computacionais de visão cognitiva. Conceitos relacionados à cognição são introduzidos, evidências neurofisiológicas e psicofísicas são apresentadas, e trabalhos em visão cognitiva são investigados. Representação de imagens, atenção visual e reconhecimento de objetos são alguns dos assuntos estudados neste trabalho. Palavras-chave: Visão cognitiva, visão computacional, neurociências, sistemas cognitivos.

7 Vision and Cognition ABSTRACT To human beings be even more benefited by artificial systems, one of the biggest limitations is the difficulty on interaction between humans and machines, mainly the nonrobustness of these systems in non-controlled environments. The cognitive computational vision is a research line that tries to give these artificial systems an appropriate and robust perceptual capacity even in non-controlled environments. Inspired on the human vision system, this approach consists in approximate vision and cognition. This work consists in the study of vision and cognition biased by computer science, making the necessary base for the development of cognitive vision systems and computational models. Concepts related to cognition are introduced, neurophysiological and psychophysical evidences of vision are presented, and works on cognitive vision are investigated. Image representation, visual attention and object recognition are some of the subjects studied in this work. Keywords: cognitive vision, computer vision, cognitive systems, neuroscience, visual attention.

8 8 1 INTRODUÇÃO Os seres vivos são dotados de diversas formas de sensoriamento que os permitem agir adequadamente no meio, garantindo assim a sua sobrevivência. Sem a percepção adequada do ambiente não há como aprender a agir neste ambiente. Dentre as diversas capacidades sensoriais importantes para o desenvolvimento das espécies, a visão é uma das mais importantes. Nos seres humanos, por exemplo, a visão, junto como o tato, ocupa a maior área do córtex cerebral, indicando assim a sua importância. Alguns estudos indicam que é principalmente a partir da visão que desenvolvemos a noção de espaço, servindo também como base para a posterior representação de objetos (Piaget, 1975). Ver é uma atividade complexa que envolve diversas funções, como detectar, localizar, reconhecer e entender objetos, comportamentos, ações ou eventos no ambiente (Vernon, 2004). O ato de ver um objeto não consiste apenas em perceber a presença deste, localizar sua posição no espaço e descobrir qual objeto está sendo visto. É importante também entender este objeto, relacionando-o com o contexto em que está imerso, verificando relações com o cenário, etc. Visão computacional é a área da computação que tenta capacitar as máquinas a ver, aumentando assim o número de tarefas que estas máquinas poderiam realizar. Sistemas e máquinas dotados de visão são interessantes para a indústria e o comércio, que visam aumento de produtividade e qualidade, podendo ser empregados para: reconhecer placas de automóveis em estacionamentos ou ruas e estradas, seja para avaliar o fluxo ou para verificar carros em situações irregulares; monitorar um local, atuando como vigia eletrônico; inspecionar produtos em linhas de produção, contando objetos ou detectando imperfeições; orientar operadores humanos ou robóticos para a montagem de peças com precisão; guiar a navegação de robôs em fábricas ou outros ambientes, evitando colisões. Esta área da computação tem se desenvolvido significativamente, impulsionada principalmente pelos grandes avanços em tecnologias de aquisição de dados e pelo aumento da velocidade de computação. Além de ser possível adquirir imagens cada vez com maior número de detalhes da cena e com maior qualidade, também torna-se possível empregar processos computacionais mais complexos sobre estas imagens, que são constituídas de muitas informações. Sistemas de visão computacional consistem na aquisição, análise e interpretação de informação visual, realizando as ações de detectar, localizar e reconhecer objetos. No

9 9 entanto, estes sistemas não são capazes de "entender" o que estão "vendo", sejam objetos ou comportamentos. Os sistemas de visão computacional têm obtido grande sucesso em reconhecimento de padrões e representação geométrica de cenas, mas são projetados para resolver problemas específicos em domínios muito reduzidos. Isto faz com que se tornem relativamente frágeis, sendo sensíveis a mudanças significativas no ambiente. Mesmo em ambientes relativamente controlados, são muitos os eventos que podem prejudicar um sistema de visão, como a movimentação do sol, a troca do padrão da cena visualizada, a introdução de objetos ou a ocorrência de ações não previstas no campo de visão, etc. Além disto, por ser construído especificamente para uma tarefa em um determinado ambiente controlado, é necessário um esforço significativo para a construção de um novo sistema que execute uma outra tarefa. São muitas as tarefas em que sistemas de visão computacional encontram dificuldade devido ao não controle do ambiente e à alta complexidade da cena. Dentre estas podemos citar: percepção de alteração no padrão de comportamento em ambientes movimentados; detecção e identificação de carros de corrida ou jogadores de futebol através de filmagens de televisão; exploração autônoma de ambientes desconhecidos; e interação eficiente do agente com seres humanos e com o mundo real. Um caminho para o desenvolvimento de sistemas de visão mais capazes e mais robustos consiste na tentativa de imitação da visão humana, inspirando-se no funcionamento desta. Seguindo esta idéia, torna-se importante estudar as evidências psicofísicas e neurofisiológicas que dão pistas da forma como os seres humanos ou outros animais exercem a visão. A visão cognitiva é uma linha de pesquisa que busca tornar os sistemas de visão mais robustos às mudanças nas condições externas, através da capacitação destes a "entender" o que estão vendo (Vernon, 2004). Através do entendimento do que está sendo visto, o sistema seria capaz de assimilar variações nas condições da cena. Pesquisadores que seguem esta linha defendem que a cognição, ou o entendimento, é inerente à visão. Seguindo esta idéia, sistemas de visão cognitiva seriam mais similares ao sistema visual humano, estando mais aptos a se aproximarem de sua capacidade visual. Por envolver diversas áreas da ciência, a visão cognitiva é considerada multidisciplinar. Algumas das áreas relacionadas às pesquisas em visão cognitiva são: visão computacional, inteligência artificial, psicologia perceptiva e neurociência cognitiva. Sistemas de visão computacional cognitiva são mais apropriadamente classificados como sistemas cognitivos que vêem, do que como sistemas de visão computacional com capacidades cognitivas. Um sistema de visão cognitiva é uma especialização dos sistemas de sensoriamento cognitivo, em que o sensoriamento corresponde à aquisição de informações visuais. Por serem classificados desta forma, estes sistemas seguem o paradigma cognitivo, procurando no ambiente as informações que precisam para completar suas suposições. Assim, o grau de complexidade dos dados de entrada é reduzido através de um controle de atenção. No capítulo 2 serão abordados alguns conceitos relacionados ao paradigma cognitivo e à visão cognitiva, como inteligência artificial forte, sinais endógenos, ontogenia,

10 10 construtivismo, simbolismo, emergência, etc, além de serem levantadas formas de combinar alguns destes conceitos. O capítulo 3 consiste no estudo do funcionamento da visão humana, o que é importante para o desenvolvimento de sistemas de visão, tratando dos caminhos parvocelular e magnocelular até o córtex visual, os caminhos ventral e dorsal de reconhecimento após o córtex visual primário, e o controle de atenção. No capítulo 4 sistemas de visão cognitiva são discutidos mais profundamente, sendo apresentados modelos e alguns projetos importantes em visão cognitiva. Por fim, no capítulo 5, são realizadas as considerações sobre o conteúdo mostrado e apresentadas as conclusões do trabalho.

11 11 2 PARADIGMA COGNITIVO E OUTROS CONCEITOS O conceito de inteligência artificial forte foi cunhado por Searle (1980), fazendo referência a sistemas em que os estados cognitivos de seres inteligentes, como os humanos, são replicados, ou aproximados, no agente. Não é o comportamento destes que é imitado, mas, sim, os mecanismos internos que tornam possível adequar seu comportamento a novas necessidades. Assim, o agente não é programado para exercer determinada tarefa de forma adequada, mas, sim, capacitado a entendê-la e a aprender como realizá-la de forma adequada, adquirindo conceitos não previstos quando projetado. Por ter forte dependência de suas relações causais internas, o comportamento do agente é heurístico, podendo ter reações significativamente diferentes em condições idênticas do ambiente. Segundo este conceito, o estado da arte em inteligência artificial é classificado como inteligência artificial fraca, uma vez que o comportamento do agente, seja este corporificado ou não, é apenas uma imitação programada do comportamento considerado inteligente para uma determinada situação ou tarefa. Este agente é capaz de executar ações específicas em um determinado ambiente, sejam elas simples ou complexas, em geral, de uma forma algorítmica. No entanto, há dificuldade em aprender como lidar com situações não previstas durante o projeto do sistema. O paradigma cognitivo e o emprego deste na construção de sistemas caminham na direção da inteligência artificial forte, com as ações sendo fortemente dependentes dos estados internos de cognição. O fluxo de informações é principalmente de dentro para fora, onde o agente procura no ambiente o que precisa para completar suas suposições. Isto o diferencia do paradigma reativo, que apresenta forte dependência dos dados de entrada e, no qual, as variáveis que determinam a ação do agente são puramente exógenas. Neste paradigma, o fluxo de informações é de fora para dentro, onde o ambiente apresenta dados ao agente, sendo o comportamento do agente definido pela reação deste aos sinais recebidos do ambiente. Os sinais endógenos em um sistema cognitivo são determinados pelos estados internos do agente. Tais estados internos têm forte dependência do contexto em que o agente está imerso, podendo ser definidos pela tarefa que está sendo executada, a intenção do agente em realizar uma ação específica, a memória obtida por experimentação no ambiente, etc. Os sinais endógenos controlam a aquisição de dados externos, modulando os sinais exógenos, obtidos pelo sensoriamento. O controle de atenção é um importante mecanismo em sistemas de sensoriamento cognitivo que influencia o processamento dos sinais exógenos através de sinais endógenos. Este mecanismo reduz a ordem de complexidade dos dados de entrada, focando a atenção em um conjunto limitado de sensores ou características (McPeek and Keller, 2002). As seções seguintes discutem outros conceitos relacionados ao paradigma cognitivo. Na seção 2.1 é estudada a emergência de conhecimento como um mecanismo importante

12 12 para sistemas cognitivos, assim como conceitos de corporificação, ontogenia, etc. Na seção 2.2 são avaliadas as abordagens simbólica e conexionista para a implementação de sistemas cognitivos. 2.1 Emergência do Conhecimento Ao projetar um sistema cognitivo é necessário fazer um balanceamento entre filogenia e ontogenia. Ou seja, quais as capacidades iniciais do sistema, e quais capacidades este sistema deverá desenvolver autonomamente, em tempo de execução. Ontogenia consiste no aprendizado e desenvolvimento durante a vida. No caso de agentes, o aprendizado ocorre em tempo de execução, agindo no ambiente. Este é dado pela experimentação do mundo e pelas próprias capacidades do agente. Pela ontogenia, o agente não "nasce" com suas regras de comportamento prontas, mas as constrói em tempo real, buscando aprimorar sua capacidade de agir no mundo. Assim, o agente aprende autonomamente a agir apropriadamente. Filogenia refere-se às capacidades iniciais do sistema, que podem evoluir de uma geração para outra. Em geral, a introdução arbitrária, em tempo de projeto, de conhecimento no sistema torna-se um limitador da capacidade adaptativa deste. Assim, para que a adaptação do agente seja máxima, o conhecimento introduzido inicialmente no sistema deve ser mínimo. O agente, no entanto, deve contar com um mecanismo robusto de aprendizado que o capacite a construir seu conhecimento. Esta é a herança filogênica necessária ao agente. O conhecimento do agente deve emergir da interação deste com o ambiente ao tentar obter um comportamento adequado. Através desta interação são formadas associações sensório-motoras, sobre as quais dá-se a representação de conhecimento. Estas associações correspondem ao mapeamento de sinais de sensoriamento (entrada) para sinais de ação (saída). Para que haja experimentação por parte do agente, é necessário que este seja corporificado, ou seja, que o agente tenha um corpo através do qual percebe o ambiente e age sobre ele. A corporificação é a base para a ocorrência do aprendizado ontogênico, sendo inerente à emergência de conhecimento. Sem a exploração corporificada, o sistema não tem base para o desenvolvimento dos comportamentos. Percebe-se, assim, a necessidade de a percepção ser ativa (Granlund, 1999b). As representações internas do conhecimento do agente e das percepções obtidas por este não são diretamente interpretáveis pelo projetista, uma vez que a base destas é gerada de forma autônoma pelo agente, tendo significado apenas para este. A construção da descrição simbólica e interpretável do estado atual do mundo não é necessária para que o agente aja, mas, ao contrário, as associações sensório-motoras (percepção-ação) são necessárias para a descrição da ação ou da cena (Granlund, 2002). Esta relação é ilustrada na Figura 2.1. Figura 2.1: Relação entre percepção/ação e descrição da cena

13 13 A aprendizagem por experimentação e a corporificação são amparadas pela epistemologia genética, onde Piaget (1975), baseado em um longo estudo com crianças, conclui que a inteligência se forma em estágios, sendo que no primeiro se daria o aprendizado sensório-motor, quando a criança começa a aprender como o mundo funciona e como ela pode agir nele. Por esta teoria, nos demais estágios são desenvolvidas maiores capacidades de abstração sobre as relações sensório-motoras construídas durante o primeiro estágio. A teoria construtivista de Piaget baseia-se em esquemas, que são as relações aprendidas, representando o conhecimento obtido; na operação de assimilação, que consiste em ajustar um esquema para que este represente corretamente uma experiência obtida; e na operação de acomodação, que consiste em gerar um novo esquema para representar uma nova experiência que contradiz os esquemas anteriores. 2.2 Abordagens para Implementação Técnicas de inteligência artificial simbólica são as mais comuns em sistemas cognitivos. O processamento é realizado sobre representações simbólicas que empregam a estrutura sintática da linguagem. Este processamento é centralizado, normalmente sendo dado de cima para baixo, primeiro considerando as coisas mais importantes, e depois os detalhes do que mais interessa. Os símbolos podem representar qualquer coisa, desde características concretas do ambiente a conceitos cognitivos abstratos do agente, geralmente sendo construídos de forma hierárquica. Em geral, as representações simbólicas são produto de um projetista humano, de forma que o conhecimento pode ser introduzido diretamente no agente. No entanto, esta vantagem pode ser considerada um problema, pois limita o sistema a estas representações simbólicas. A inteligência artificial conexionista tem inspiração nas neurociências, tentando imitar o sistema neural humano. Em uma rede neural artificial, o conhecimento é representado por todas as conexões sinápticas. Estas conexões são determinadas por treinamento e adaptação ao problema a ser resolvido, sem a interferência direta do projetista. Esta abordagem é de baixo para cima, ou seja, considera todos os detalhes perceptivos com igual importância. Por serem treinados para se adequarem ao contexto da aplicação, sistemas conexionistas são mais robustos e têm maior capacidade adaptativa. No entanto, em geral, as soluções obtidas por estes sistemas são complexas para problemas relativamente simples, enquanto que sistemas simbólicos obtêm soluções mais simples para problemas mais complicados. Para a construção de sistemas realmente inteligentes, capazes de entender tarefas e aprender como realizá-las, é interessante combinar as características de ambas as abordagens. Ao mesmo tempo que é importante manter a robustez e a capacidade de adaptação do conexionismo, assim como a semelhança com o funcionamento do cérebro humano, é necessário que o sistema seja capaz de gerar seus próprios conceitos e símbolos, agindo sobre eles. Dois caminhos são citados para combinar estas características. O primeiro consiste em introduzir módulos conexionistas em um sistema simbólico, aumentando, assim, a capacidade adaptativa deste sistema. Tais módulos podem ser empregados para redução de dimensionalidade, classificação de padrões, identificação de agrupamentos, etc. O segundo caminho consiste em estruturar um sistema conexionista de forma a permi-

14 14 tir a obtenção de representações simbólicas sobre redes neurais. Neste caso, mecanismos conexionistas devem ser construídos para trabalhar com estes símbolos.

15 15 3 A VISÃO PELAS NEUROCIÊNCIAS Uma vez que se tenta dar a uma máquina as habilidades visuais de um ser humano, é importante que, primeiro, seja estudado o sistema visual humano através de evidências psicofísicas e neurofisiológicas do seu funcionamento. A inspiração neste sistema natural pode ser um caminho para o desenvolvimento de sistemas capazes de detectar, localizar, reconhecer e entender objetos e cenas (Colombe, 2003). Conhecendo os processos de interpretação pode-se determinar o que imitar e o que abstrair em um projeto de visão cognitiva. O primeiro órgão do sistema visual humano é o olho, onde a luz entra através da córnea, passando pelas lentes e alcançando a retina, onde os sinais luminosos são transformados em sinais eletroquímicos. O corpo ciliar controla o formato das lentes de forma a focar a imagem projetada na retina, e a íris controla o tamanho da pupila, regulando a passagem de luz. Na retina há uma região central, chamada de mácula, ou fóvea, responsável pela visão mais aguçada, percebendo maiores detalhes, sendo a baixa luminosidade melhor percebida na periferia da retina. A estrutura do olho humano é apresentada na Figura Figura 3.1: Estrutura anatômica do olho humano A luz é projetada na retina de forma que a imagem fica invertida. Assim, no olho 1 Obtido de

16 16 direito a parte nasal da retina representa o campo visual direito, e a parte temporal representa o campo visual esquerdo. O inverso ocorre no olho esquerdo. A maior parte das informações visuais obtidas pelo olho segue pelo nervo óptico para o córtex occiptal, passando antes pelo tálamo. No entanto, parte dos sinais da retina tomam caminhos secundários, não diretamente envolvidos com o processamento da informação visual. Estes sinais alcançam o núcleo supraótico do hipotálamo, influenciando no ciclo de sono pela iluminação do ambiente, e no colículo superior do mesencéfalo, contribuíndo no controle da pupila e no acompanhamento de objetos no campo visual. 3.1 Retina A retina percebe a luz por reações químicas em dois tipos de células fotorreceptoras: bastonetes e cones. Bastonetes são sensíveis à luminância, sendo capazes de perceber baixa intensidade luminosa, ocupando principalmente a periferia da retina. Há três tipos de cones em seres humanos, cada um destinado à percepção de uma determinada cor: vermelho, verde, e azul. Estes são capazes de perceber detalhes espaciais mais finos e estão presentes principalmente na fóvea. Além das células fotorreceptoras, a retina ainda possui células de segunda ordem que efetuam processasmento simples sobre a ativação dos cones e bastonetes, podendo ser células horizontais, bipolares ou amácrinas. As células horizontais recebem sinais de diversos fotorreceptores, têm campo receptivo circular simples, e produzem sinal inibitório. Células bipolares têm campo receptivo antagônico entre centro e periferia, e combinam sinais de múltiplos fotorreceptores e células horizontais. Já as células amácrinas disparam por curto período logo após a mudanças na incidência de luz, seja quando esta começa a ser percebida ou quando cessa. As relações entre essas células na retina podem ser observadas na Figura Figura 3.2: Relações entre células na retina Gânglios são as células nervosas de terceira ordem cuja ativação determina os sinais 2 Figura obtida de (Bear et al., 2002)

17 17 de saída da retina. Há dois grupos principais de gânglios, destinados a trabalhar com informação espacial e temporal: parvos e magnos. Gânglios parvos, ou células P, são mais freqüêntes na fóvea, recebem sinais principalmente de células bipolares, e atuam na representação de informação espacial, com clareza de detalhes e maior percepção de cores. Estes também têm campos receptivos centro-periferia, como podem ser vistos na Figura e variam quanto à ativação, podendo sinalizar a percepção da luz ou o término da incidência desta. Gânglios magnos, também chamados de células M, no entanto, são mais freqüentes na periferia da retina, e recebem sinais principalmente de células amácrinas. Estes são destinados à percepção temporal, sendo sensíveis à movimentação, também detectando a direção do deslocamento. Há ainda outros gânglios que não são parvos e nem magnos, designados "não M e não P". Figura 3.3: Campos receptivos antagônicos centro-periferia O nervo óptico é formado pelos axônios dos gânglios, e leva a informação visual até os núcleos geniculados laterais (NGL) do tálamo, onde pouco processamento é realizado, servindo principalmente como retransmissores para o córtex occiptal. Antes de chegar ao tálamo, os lados nasais das retinas cruzam-se. Assim, o núcleo do lado direito recebe o campo visual esquerdo, formado pela parte nasal da retina esquerda e a parte temporal da retina direita, enquanto que o núcleo do lado esquerdo recebe o campo visual direito. Este caminho é representado na Figura Figura 3.4: Passagem pelo Núcleo Geniculado Lateral do Tálamo 3 Figura obtida de (Dowling, 1998)

18 Núcleo Geniculado Lateral do Tálamo O núcleo geniculado lateral do tálamo é dividido em 6 camadas, sendo as camadas 1 e 2 formadas por células do tipo magno, e as demais camadas formadas por células do tipo parvo. Células do tipo magno são maiores e transmitem mais rapidamente, enquanto que células do tipo parvo são menores e mantêm o sinal por mais tempo. As camadas de cada núcleo geniculado lateral são organizadas de forma similar à distribuição de gânglios na retina, ou seja, células vizinhas na retina serão recebidas por células vizinhas em cada camada do NGL. Esta organização é chamada de retinotopia, onde as imagens obtidas pela retina são mapeadas em outra área de neurônios. A organização retinotópica não é linear, uma vez que há mais gânglios na fóvea do que na periferia, de forma que a parte central é super representada. Devido aos campos receptivos, tanto dos gânglios, como das outras células, um ponto de luz pode ativar vários gânglios e ainda mais neurônios no NGL. As conexões dos gânglios da parte temporal da retina ipsilateral (mesmo lado) vão para as camadas 2 (magno), 3 e 5 (parvo), enquanto que os axônios dos gânglios da parte nasal da retina contralateral conectam-se às camadas 1 (magno), 4 e 6 (parvo) do núcleo geniculado do tálamo, como pode ser visto na Figura Os caminhos dos sinais de percepção visual de cada campo visual continuam divididos até o córtex occiptal. Estes caminhos são classificados como sistema magnocelular e sistema parvocelular. Há ainda um terceiro sistema chamado coniocelular, que passa entre as camadas do NGL, recebendo axônios de gânglios "não M e não P". Figura 3.5: Camadas do Núcleo Geniculado do Tálamo Os núcleos geniculados laterais não recebem sinais apenas das retinas. Dos axônios que chegam a cada NGL, 80% vêm do córtex visual primário, mas não há uma explicação funcional para estas conexões de retroalimentação. O NGL ainda recebe conexões do tronco encefálico relacionadas a sinais de atenção e alerta, uma vez que o tronco encefálico está ligado ao comportamento e ao estado atual das sensações da pessoa.

19 Córtex Visual Primário O córtex occiptal é dividido em 5 áreas, sendo que a principal é a área V1, onde chegam os sinais do tálamo. A área V1 também é chamada de córtex visual primário, ou córtex estriado. Esta é a área com maior número de camadas, indicando um maior desenvolvimento evolutivo. São 6 camadas, sendo que a quarta é dividida em 4 partes: IVA, IVB, IVCα e IVCβ. A principal função do córtex visual primário é fazer a decomposição da imagem que chega da retina, obtendo características estruturais das informações visuais, considerando forma, movimento e cor. O processo de interpretação dos sinais visuais é distribuído, sendo processado incrementalmente em vários estágios. À medida que se avança, mais específicos são os sinais percebidos. Quanto à formação dendrítica, os neurônios do córtex visual primário podem ser piramidais, ou estrelados espinhosos. Apenas neurônios piramidais têm axônios que saem da área V1, enquanto que neurônios estrelados têm apenas conexões locais. As camadas da área V1 são apresentadas na Tabela 3.1, que descreve ainda os tipos dos neurônios quanto ao seus campos receptivos, e as conexões destas camadas. A camada I não é citada na Tabela 3.1 pois é formada apenas por axônios e dendritos de neurônios de outras camadas. Tabela 3.1: Camadas da área V1 Camada Neurônios Tipo de células Conexões II Piramidais Complexas e bolhas III Piramidais Complexas binoculares Recepção axônios cônios do NGL e bolhas monoculares IVA Piramidais Simples IVB Piramidais Simples binoculares IVCα Estrelados Simples monoculares Recepção axônios magnos do NGL IVCβ Estrelados Simples monoculares Recepção axônios parvos do NGL V Piramidais Complexas e bolhas Transmissão para o colículo superior e à ponte VI Piramidais Complexas e bolhas Realimentação para o NGL Os axônios do núcleo geniculado lateral chegam principalmente nas camadas IVCα e IVCβ, onde a organização retinotópica se mantém, correspondendo a dois mapas sobrepostos. As células destas camadas são monoculares, havendo regiões de dominância ocular, sendo intercaladas áreas que recebem sinais originados nas retinas direita e esquerda. Os sinais das duas retinas começam a ser combinados nas camadas III e IVB, cujos neurônios têm campos receptivos binoculares. A camada IVCα da área V1 recebe sinais das camadas de neurônios magnos dos NGL, sendo formada por células simples, que têm campos receptivos mais alongados e as regiões excitatórias e inibitórias são bem definidas. Estas células apresentam seletividade à orientação, detectando barras e bordas orientadas na respectiva posição no campo visual. Células da camada IVCα projetam para a camada IVB, cujas células simples, além de serem binoculares, apresentam sensibilidade à direção do movimento do estímulo visual. As respostas de células com campos receptivos com seletividade de forma e seletividade de movimento são exibidos na Figura Sinais das camadas parvocelulares do NGL chegam ao córtex visual primário através da camada IVCβ, sendo então transmitidos para as camadas II e III, onde há a presença de células complexas e de bolhas (blobs). As células complexas da área V1 são maiores,

20 20 Figura 3.6: Seletividade à forma e ao movimento e as regiões de excitação e inibição estão espalhadas em seus campos receptivos. Estas células são pouco sensíveis às cores, mas ainda mais seletivas quanto à orientação que as células simples, permitindo maior detecção de forma. As áreas inter-bolhas das camadas II, III, V e VI são formadas por células complexas. O sistema parvocelular é principalmente percebido em primatas, indicando que este foi desenvolvido mais tarde no processo de evolução. Isto pode ser explicado pois o sistema magnocelular é mais importante para a sobrevivência por tratar principalmente da percepção de movimento. O sistema coniocelular alcança diretamente a camada III, conectando-se às bolhas, que também recebem sinais parvocelulares da camada IVCβ. As bolhas são conjuntos de células em forma de pilares que atravessam as camadas II e III, e V e VI. Estas têm campos receptivos circulares, não sendo sensíveis à orientação, mas apresentam alta seletividade de cor. Além da organização retinotópica e das regiões de dominância ocular, o córtex visual primário apresenta colunas de orientação, onde células sobrepostas respondem a orientações similares, mesmo estando em camadas diferentes. Toda a estrutura necessária para o processamento dos diferentes aspectos de um ponto no campo visual corresponde a 2x2mm do córtex visual primário, sendo chamado de módulo cortical. Esta estrutura é apresentada na Figura Figura 3.7: Módulo cortical

21 Além do Córtex Visual Primário A maior parte dos axônios do córtex visual primário alcança a área V2, que tem uma grande região de contato com a área V1, cercando-a. É na área V2 do córtex visual que começa a ser mais explícita a segregação dos caminhos visuais, sendo dividida em faixas grossas e finas, e regiões entre estas faixas. As faixas grossas recebem conexões da camada IVB da área V1, e fazem parte do processo de percepção e análise de movimentação. As faixas finas recebem os axônios das camadas II e III da área V1, principalmente das bolhas, indicando que teriam maior capacidade de processamento de cores, transmitindo principalmente para a área V4. As regiões intermediárias na área V2 também transmitem em sua maioria para a área V4 e estão conectadas às camadas II e III da área V1, porém recebem os axônios de células inter-bolhas destas camadas, sendo propícia à detecção de forma. Mesmo com maior segregação entre os caminhos de percepção visual, estes não estão totalmente separados na área V2, havendo conexões entre faixas, além da realimentação indireta de uma faixa para a outra. As faixas grossas, por exemplo, que processam o movimento, recebem realimentação da área V4, dedicada ao processamento de cor. A área V2 é seguida por três áreas distintas. A área V3 possui detectores de forma mais complexos que os encontrados nas áreas V2 e V1. A área V4 trata especialmente da percepção de cor, também apresentando seletividade de orientação. A área V5, ou MT (temporal medial), é dedicada à percepção de movimento linear. Esta é organizada retinotopicamente e apresenta colunas de direção do movimento percebido. Depois das áreas V3, V4 e V5, cerca de 25 outras áreas estão envolvidas na percepção e interpretação visual. Estas áreas são responsáveis pela percepção de um ou outro aspecto visual, e formam dois caminhos principais. O caminho dorsal segue para o lobo parietal e está relacionado com a percepção de movimento e localização espacial, sendo chamado de caminho onde. O caminho ventral segue para o lobo temporal e está relacionado com o reconhecimento de formas e cores, sendo chamado de caminho o que. Os caminhos ventral e dorsal podem ser vistos na Figura Figura 3.8: Caminhos dorsal e ventral de processamento visual No caminho ventral merece destaque a área IT (temporal inferior), que está relacionada à percepção e memória visual, sendo que parte desta área seria responsável pelo reconhecimento de faces (Bear et al., 2002). No caminho dorsal pode ser citada a área MST, que detecta não só movimentos lineares, como também movimentos radiais, que vão em direção a um determinado centro, e movimentos circulares. Quanto à segregação dos caminhos de processamento visual, algumas implicações são percebidas. Como o processamento de cor em determinado momento é separado

22 22 do reconhecimento de formas, é difícil perceber a forma em imagens sem variação de luminância, ou seja, com cores diferentes, mas com o mesmo brilho. Por outro lado, lesões em apenas uma área podem não causar danos às funções visuais das outras áreas. Jonathan I., por exemplo, teve um derrame que afetou a área V4, responsável pelo processamento visual de cor. As demais partes permaneceram intactas, e ele continuou capaz de ler e ver objetos, porém, sem cores. As cores continuaram sendo percebidas pelos olhos de Jonathan I., mas este não conseguia processá-las. Segundo Jonathan I., ele teria perdido, inclusive, a capacidade de imaginar as cores (Dowling, 1998). 3.5 Dos Neurônios à Percepção As áreas iniciais do córtex visual têm sido bastante estudadas, sendo bem conhecido o processo de ativação de neurônios com campos receptivos sensíveis a formas, cores ou movimento, decompondo assim a imagem visual em descritores especializados. No entanto, a questão da percepção e do entendimento de uma cena ainda é muito especulativa, sendo mais incerta à medida que se avança nos caminhos ventral e dorsal. Mesmo que haja neurônios que são ativados ao detectar faces, como ocorre na área IT, o reconhecimento de uma cena ou um estado perceptivo não seria representado pela ativação de alguns poucos neurônios no final dos caminhos dorsal e ventral, mas, sim, pelo estado geral de ativação de neurônios em um mesmo instante. O cruzamento de informações não seria dado por um neurônio com campo receptivo extremamente complexo, mas pelo sincronismo de ativação dos neurônios, sendo a ligação entre os detalhes percebidos dada por este sincronismo. A representação por esta atividade distribuída torna a percepção do campo visual única. Apesar da capacidade de processamento e representação do cérebro, a quantidade de informações sensoriais que este lida é tão grande que se torna necessário dar maior importância a informações mais relevantes para uma situação qualquer. A atenção é o mecanismo que permite ao cérebro tratar a grande complexidade dos sinais sensoriais levando em consideração apenas um conjunto reduzido de sensações. 3.6 Controle de Atenção Conforme apresentado na teoria de integração de feições (Feature Integration Theory) (Treisman and Gelade, 1980), experimentos psicofísicos indicam que o processo de percepção visual é dividido em dois estágios seqüenciais. O primeiro, chamado de estágio de pré-atenção, consiste no processamento paralelo e distribuído com capacidade ilimitada sobre todo o campo visual, seguindo os caminhos já descritos neste capítulo; neste estágio são verificados alvos potencialmente interessantes. Em um segundo momento, durante o estágio atencional, de capacidade limitada, ocorre o processamento de um desses alvos, integrando as características deste e realizando uma análise com nível cognitivo mais alto. A atenção é o processo que faz o elo entre essas duas etapas, decidindo qual objeto, detalhe ou região do campo visual será focado, sendo decisivo para a percepção visual. O controle de atenção não é um mecanismo puramente cognitivo ou puramente reativo. A decisão de qual alvo receberá atenção é realizada combinando sinais endógenos, referentes ao estado cognitivo, e sinais exógenos, dados por detalhes marcantes no campo visual. A atenção se dá sobre os sinais exógenos de forma reativa, aparentemente tendo forte ligação com o caminho dorsal do processamento visual. Já os sinais endógenos, ou

23 23 cognitivos, guiam a atenção considerando o contexto da situação, cena ou objeto a serem percebidos. O fluxo dos sinais exógenos é dito de baixo para cima (bottom-up), enquanto que o fluxo de sinais endógenos é de cima para baixo (top-down). Estes referem-se ao nível de cognição, sendo que sinais em níveis mais baixos representam detalhes locais no campo visual com maior resolução, e sinais em níveis mais altos representam informações mais complexas, realizando integração espacial e temporal. A atenção dá-se de forma explícita ou de forma disfarçada. A atenção explícita (overt attention) é dada principalmente pelos movimentos sacádicos dos olhos, alterando o foco da fóvea de forma a obter maior resolução no alvo de interesse no campo visual. A atenção disfarçada (covert attention), no entanto, é mais fina, podendo ser considerada como um segundo nível de atenção, mudando o foco sem a necessidade de movimentar os olhos. A imagem retinotópica definida pela ativação dos gânglios depende do foco da fóvea (atenção explícita), mas o centro de interesse pode ser deslocado sobre esta imagem (atenção disfarçada). Experimentos psicofísicos são realizados para analisar o deslocamento do foco de atenção pela verificação dos movimentos sacádicos realizados durante a tarefa de procura visual. Segundo (Gilchrist et al., 1999), dois tipos de informações são combinadas para guiar o controle de atenção: a codificação espacial da presença de objetos no campo visual, e a codificação de características desses objetos. A codificação espacial leva o controle de atenção a quase sempre direcionar o foco para objetos, evitando intervalos entre eles no campo visual. Além disso, devido à codificação de características, o deslocamento de atenção tende a alcançar o alvo da procura visual ou algum distrator próximo a ele. Aparentemente, a informação do movimento sacádico anterior não interfere no próximo deslocamento de atenção (Findlay et al., 2001) Núcleo Pulvinar e Colículos Superiores Os efeitos da atenção são percebidos no nível sensorial. O controle de atenção visual modula a ativação de neurônios responsáveis pela percepção de forma principalmente espacial. Por exemplo, a presença de determinado estímulo em uma dada posição no campo visual causa a forte ativação dos neurônios relacionados a este na área V4 quando o foco de atenção incide nele, mas este é fracamente ativado quando o foco de atenção é movido para outro estímulo. Figura 3.9: Conexões do núcleo pulvinar do tálamo com diversas áreas do córtex Acredita-se que o núcleo Pulvinar do Tálamo tenha grande participação no controle de atenção. Este é o maior núcleo do Tálamo e tem conexões com diversas áreas do córtex

24 24 cerebral, como os lobos occiptal, parietal e temporal, indicando que exerceria influência na atenção visual, auditiva e outras. Estas conexões são ilustradas na Figura As múltiplas conexões do núcleo Pulvinar podem também indicar que o controle de atenção de um sentido poderia influenciar em outros, como, por exemplo, um sinal sonoro guiar a atenção visual. Figura 3.10: Colículos superiores Parte dos axônios que partem dos gânglios, em vez de seguirem para o NGL, alcançam os colículos superiores, como ilustrado na Figura Em vertebrados não mamíferos, os colículos superiores recebem a maior parte dos axônios dos gânglios. Além de controlarem o tamanho das pupilas, estes colículos são os responsáveis diretos pelos movimentos sacádicos acurados, que direcionam a fóvea para alvos de atenção no campo visual, definindo para onde o foco de atenção deve ser deslocado, e quando o deslocamento deve ocorrer (Schall, 1995). Figura 3.11: Distribuição pela direção do movimento a ser realizado Há dois grupos principais de neurônios visio-motores nos colículos superiores: neurônios de prelúdio (VM prelude neurons), responsáveis pela seleção do alvo e correlaciona-

25 dos com a prontidão de resposta; e neurônios de rajada (VM burst neurons), que disparam as ações que realizam os movimentos sacádicos. Estes neurônios têm campos receptivos relativamente grandes e são organizados retinotopicamente. Neste mapa retinotópico a posição de ativação indica a direção do movimento sacádico a ser realizado. Para cada alvo visual um conjunto de neurônios vizinhos é ativado e o movimento do olho é dado pela média dos vetores que estes neurônios representam. Este processo é exemplificado na Figura , onde há dois alvos visuais. Estudos de McPeek e Keller (2002) apontam para a ocorrência de inibição lateral nos neurônios dos colículos superiores, de forma que a ativação máxima dos neurônios é menor à medida que mais objetos estão presentes no campo visual. Outros estudos citam que a ativação nos neurônios visio-motores também são modulados por sinais endógenos, podendo representar variação na probabilidade de seleção do alvo, variação da probabilidade de escolha de movimentos, ou outras instruções relativas à tarefa que está sendo realizada. 25

26 26 4 VISÃO COMPUTACIONAL COGNITIVA A visão computacional cognitiva quebra o paradigma de sistemas de visão computacional, pelo qual as imagens são processadas tentando-se obter a descrição geométrica dos objetos nelas presentes. Neste novo paradigma a visão está mais próxima da cognição, considerando não só informações visuais em um dado instante, mas também o contexto em que está imerso. O sistema de visão não é construído para descrever o ambiente, mas para interpretar os sinais visuais de forma a permitir que um comportamento apropriado seja desempenhado. Um sistema de visão cognitiva deve ser capaz de adaptar-se a situações diferentes daquelas ao qual foi projetado, reconhecendo e adaptando-se a variações no ambiente em que está imerso, e assimilando novos contextos. Este também deve ter a capacidade de informar a outros sistemas a interpretação do ambiente. Um ponto importante a ser definido ao desenvolver sistemas de visão é a representação em alto nível da cena, podendo ser dada pela descrição centrada no objeto e a percepção centrada no ponto de vista (Granlund, 1999a). A descrição centrada no objeto consiste em construir um modelo do objeto que seja invariante ao ponto de vista. Esta contrução é dada pela percepção do objeto por vários pontos de vista e requer o conhecimento deste para a integração do modelo. Na percepção centrada no ponto de vista, no entanto, diferentes percepções visuais de um mesmo objeto permanecem separadas, sendo a associação destas dada através de estados do sistema, como a relação das percepções diferentes com ações similares. Enquanto que a descrição centrada no objeto foca a construção de um modelo geométrico, a percepção centrada no ponto de vista é voltada para a interpretação da cena. Figura 4.1: Representações centrada no objeto e centrada no ponto de vista Em visão computacional cognitiva a representação deve ser centrada no ponto de vista, analisando objetos e cenas por sua funcionalidade, sendo percebidas possíveis transformações de um ponto de vista para outro. As representações de objetos e cenas centrada

27 27 no objeto e centrada no ponto de vista são apresentadas na Figura Alguns dos pontos mais importantes para sistemas de visão computacional cognitiva são a representação das imagens, o reconhecimento de objetos e cenas e, em especial, o controle de atenção. Estes pontos são discutidos nas seções a seguir. 4.1 Representação de Imagens Muitas estratégias de visão computacional, especialmente em visão cognitiva, realizam a transformação da representação das imagens, seja quanto à estrutura espacial ou quanto ao domínio dos dados. Uma forma de transformação espacial consiste em empregar a representação retinotópica, que imita a função da fóvea (foveating), convertendo a imagem de coordenadas cartesianas para polares e empregando escala logarítmica (logpolar). A transformação no domínio dos dados pode ser dada, por exemplo, pela análise de componentes principais, reduzindo a dimensionalidade de dados e considerando apenas as informações mais relevantes. De forma similar ao que ocorre no córtex visual, uma alternativa interessante para a representação de uma imagem é a extração de características visuais desta. A transformação por ondeletas (wavelets) realiza esta extração, obtendo informações de freqüência e mantendo características espaciais. Funções Gabor 2D são bastante utilizadas como base de transformação por ondeletas para representar o campo receptivo de neurônios pois aproximam bem o comportamento de ativação das células simples da área V1. Nestes casos estas funções são normalmente empregadas de forma simplificada, com quatro graus de liberdade: posição no campo visual (bidimensional), orientação da feição à qual o neurônio é sensível, e resolução das feições a serem detectadas (freqüência da sensibilidade). Como as respostas destas funções são números complexos, dois neurônios são empregados para cada valor de resposta; a ativação de um correspondendo à parte real e a do outro à parte imaginária (Deco and Schürmann, 2000, 2001; Deco and Rolls, 2002; Sun and Fischer, 2002). A Figura 4.2 apresenta o espectro de potência de uma função Gabor 2D qualquer, onde pode-se perceber sua sensibilidade à orientação e à freqüência (resolução) da feição a ser detectada. Figura 4.2: Espectro de potência da função Gabor 2D Embora aproximem os campos receptivos de neurônios da área V1, funções Gabor 2D são empregadas sobre imagens uni-espectrais. Em (Sun and Fischer, 2002), além da transformação por ondeletas com base na Gabor 2D para a detecção de feições de bordas orientadas, 5 outras estruturas são empregadas para a representação da presença 1 Obtido de (Granlund, 1999a)

28 28 de vermelho, verde, azul, amarelo e brilho na imagem. Cada uma das estruturas consiste em um mapa em múltiplas escalas. Uma abordagem para a representação de imagens por decomposição em mapas de feições consiste em atribuir valor simbólico às feições (Van de Laar et al., 1997; Deco and Zihl, 2000; Corchs and Deco, 2001b,a). Nesta abordagem a distribuição dos objetos no campo visual é normalmemte arbritária, de forma que cada célula dos mapas de feições é responsável pela detecção da respectiva característica visual de um objeto inteiro. O campo receptivo destas células é previamente configurado para realizar a detecção de características visuais como o tamanho de um objeto na cena, sua cor, orientação, etc. Um exemplo de imagem empregada em tarefas de procura visual em que mapas de feições podem ser empregados é apresentado na Figura Os objetos deste exemplo são classificados em 6 mapas de feições: grande, pequeno, branco, preto, horizontal e vertical. Figura 4.3: Exemplo de cena que pode ser descrita com mapas de feições Apesar de todo o caminho magnocelular conduzir vasta informação de movimentação de feições no campo visual, estas informações são em geral ignoradas por modelos computacionais de representação de imagens. Mesmo que tais informações existam desde a retina, tendo um papel importante na percepção da cena, os modelos computacionais costumam representar imagens estáticas, privilegiando a resolução, sendo voltados para o reconhecimento de objetos. Outro aspecto pouco convencional ao representar imagens é a previsão do que será percebido, buscando assim otimizar a representação. Este aspecto, que é fortemente dependente de sinais endógenos, é discutido na seção a seguir Codificação por Previsão A codificação por previsão é uma estratégia eficiente de codificação de sinais em que padrões previstos são suprimidos da entrada, sendo transmitidos adiante apenas sinais não esperados, ou seja, o desvio da média. Apesar desta codificação ser constatada em diversos sistemas sensoriais, normalmente não é adotada para explicar o córtex visual (Koch and Poggio, 1999). Rao e Ballard (1999), no entanto, apresentam um modelo de codificação por previsão que explica alguns efeitos de campos receptivos extra-clássicos constatados em neurônios do córtex visual, como a inibição no final (endstopping), e a dependência de contexto. O modelo é hierárquico, e cada neurônio considera o sinal previsto, dado pelo nó seguinte, e o sinal percebido, dado pelos nós anteriores, transmitindo adiante apenas o resíduo do sinal. 2 Obtido de (Van de Laar et al., 1997)

Psicofisiologia da visão

Psicofisiologia da visão Psicologia Percepção Visual 1º Ano, Design de Comunicação 1º Ano, Imagem Animada Psicofisiologia da visão O olho A retina O nervo óptico O núcleo geniculado lateral O córtex visual Dos neurónios à percepção

Leia mais

Modelo neural hierárquico para obtenção de comportamento adaptativo em um agente robótico

Modelo neural hierárquico para obtenção de comportamento adaptativo em um agente robótico Modelo neural hierárquico para obtenção de comportamento adaptativo em um agente robótico Eduardo W. Basso ewbasso@inf.ufrgs.br Semana Acadêmica 2005 PPGC UFRGS Motivação Desenvolvendo sistemas inteligentes

Leia mais

FISIOLOGIA DA RETINA MORENO-CARMONA, FM

FISIOLOGIA DA RETINA MORENO-CARMONA, FM FISIOLOGIA DA RETINA Percepção Sistemas Sensoriais A sensação tem sido o ponto de partida para o estudo dos processos mentais Filósofos do século XIX (Auguste Comte) influenciados por empiricistas britânicos

Leia mais

SENTIDOS ESPECIAIS: VISÃO. - Metade de todo o córtex cerebral esta de alguma forma envolvido com a visão.

SENTIDOS ESPECIAIS: VISÃO. - Metade de todo o córtex cerebral esta de alguma forma envolvido com a visão. SENTIDOS ESPECIAIS: VISÃO - Metade de todo o córtex cerebral esta de alguma forma envolvido com a visão. - O fundo do olho contém a retina que, por sua vez, possui fotorreceptores com capacidade de converter

Leia mais

FISIOLOGIA DA VISÃO PERCEPÇÃO VISUAL. Le2cia Veras Costa- Lotufo

FISIOLOGIA DA VISÃO PERCEPÇÃO VISUAL. Le2cia Veras Costa- Lotufo FISIOLOGIA DA VISÃO Le2cia Veras Costa- Lotufo PERCEPÇÃO VISUAL Localização Espacial Medida de Intensidade Discriminação das Formas Detecção do Movimento Visão a Cores 1 9/22/10 FUNÇÃO RECEPTORA E NEURAL

Leia mais

VISÃO SISTEMA NERVOSO SENSORIAL. A visão é o processo pelo qual a luz refletida dos objetos no nosso meio é traduzida em uma imagem mental.

VISÃO SISTEMA NERVOSO SENSORIAL. A visão é o processo pelo qual a luz refletida dos objetos no nosso meio é traduzida em uma imagem mental. SISTEMA NERVOSO SENSORIAL Sunol Alvar A visão é o processo pelo qual a luz refletida dos objetos no nosso meio é traduzida em uma imagem mental. 1 OLHOS Os olhos são órgãos complexos dos sentidos. Cada

Leia mais

2. Redes Neurais Artificiais

2. Redes Neurais Artificiais Computação Bioinspirada - 5955010-1 2. Redes Neurais Artificiais Prof. Renato Tinós Depto. de Computação e Matemática (FFCLRP/USP) 1 2.1. Introdução às Redes Neurais Artificiais (RNAs) 2.1.1. Motivação

Leia mais

O CONTROLE DO COMPORTAMENTO. Papel do Sistema Nervoso

O CONTROLE DO COMPORTAMENTO. Papel do Sistema Nervoso O CONTROLE DO COMPORTAMENTO Papel do Sistema Nervoso Alcock cap. 4 Scott cap. 2 Platt cap. 21 Os comportamentos são geralmente expressos como movimento, e por isso são a exteriorização das porções motoras

Leia mais

Inteligência Artificial

Inteligência Artificial Universidade Federal de Campina Grande Departamento de Sistemas e Computação Pós-Graduação em Ciência da Computação Inteligência Artificial Aprendizagem (Redes Neurais - Complementar) Prof. a Joseana Macêdo

Leia mais

Elementos do córtex cerebral

Elementos do córtex cerebral Elementos do córtex cerebral Antonio C. Roque Universidade de São Paulo Ribeirão Preto, SP Baseado no capítulo 1 do livro de Moshe Abeles, Corticonics: Neural Circuits of the Cerebral Cortex, Cambridge

Leia mais

O encéfalo é o centro da razão e da inteligência: cognição, percepção, atenção, memória e emoção. Também é responsável pelo.

O encéfalo é o centro da razão e da inteligência: cognição, percepção, atenção, memória e emoção. Também é responsável pelo. Sistemanervoso O encéfalo é o centro da razão e da inteligência: cognição, percepção, atenção, memória e emoção Também é responsável pelo controle da postura e movimentos Permite o aprendizado cognitivo,

Leia mais

Plano de Pesquisa. Emprego das Funções de Gabor Sintonizadas para a Análise de Sinais e a Modelagem Neuronal

Plano de Pesquisa. Emprego das Funções de Gabor Sintonizadas para a Análise de Sinais e a Modelagem Neuronal Plano de Pesquisa Emprego das Funções de Gabor Sintonizadas para a Análise de Sinais e a Modelagem Neuronal Sílvia Mara da Costa Campos Victer Instituto de Computação, UFF 17 de março de 2014 Plano de

Leia mais

Determinação de vícios refrativos oculares utilizando Support Vector Machines

Determinação de vícios refrativos oculares utilizando Support Vector Machines Determinação de vícios refrativos oculares utilizando Support Vector Machines Giampaolo Luiz Libralão, André Ponce de Leon F. de Carvalho, Antonio Valerio Netto, Maria Cristina Ferreira de Oliveira Instituto

Leia mais

Self Organizing Maps - Redes de Kohonen

Self Organizing Maps - Redes de Kohonen Self Organizing Maps - Redes de Kohonen 1. Redes auto organizáveis Existe uma classe de redes neurais artificias que possuem a capacidade de auto organização, sendo por isto chamadas de redes auto organizáveis.

Leia mais

COMPARAÇÃO ENTRE DIFERENTES ESTRUTURAS DE REDES NEURAIS NO PROBLEMA PRESA-PREDADOR 1

COMPARAÇÃO ENTRE DIFERENTES ESTRUTURAS DE REDES NEURAIS NO PROBLEMA PRESA-PREDADOR 1 COMPARAÇÃO ENTRE DIFERENTES ESTRUTURAS DE REDES NEURAIS NO PROBLEMA PRESA-PREDADOR 1 Márcia Da Silva 2, Eldair Fabricio Dornelles 3, Rogério S. M. Martins 4, Édson L. Padoin 5. 1 Pesquisa desenvolvida

Leia mais

VISÃO COMPUTACIONAL. Nielsen Castelo Damasceno

VISÃO COMPUTACIONAL. Nielsen Castelo Damasceno VISÃO COMPUTACIONAL Nielsen Castelo Damasceno Visão Computacional A visão computacional lida com o desenvolvimento de bases teóricas e algorítmicas para as quais informações úteis do mundo real 3D podem

Leia mais

Inteligência Artificial. Conceitos Gerais

Inteligência Artificial. Conceitos Gerais Inteligência Artificial Conceitos Gerais Inteligência Artificial - IA IA é um campo de estudo multidisciplinar e interdisciplinar, que se apóia no conhecimento e evolução de outras áreas do conhecimento.

Leia mais

REDES NEURAIS ARTIFICIAIS

REDES NEURAIS ARTIFICIAIS REDES NEURAIS ARTIFICIAIS REDES NEURAIS ARTIFICIAIS O QUE É UMA REDE NEURAL NEURÔNIOS BIOLÓGICOS CÉREBRO HUMANO E CAPACIDADE DE GENERALIZAÇÃO. Modelo McCulloch e Pitts FUNÇÕES DE ATIVAÇÃO APRENDIZADO APRENDIZADO

Leia mais

Processamento de Imagens: fundamentos. Julio C. S. Jacques Junior

Processamento de Imagens: fundamentos. Julio C. S. Jacques Junior Processamento de Imagens: fundamentos Julio C. S. Jacques Junior juliojj@gmail.com Fronteiras do Processamento de Imagens Processamento de dados Dados / Informação Visão Computacional Computação Gráfica

Leia mais

PRINCÍPIOS DE NEUROCOMPUTAÇÃO

PRINCÍPIOS DE NEUROCOMPUTAÇÃO PRINCÍPIOS DE NEUROCOMPUTAÇÃO Neurocomputação Funcionamento do cérebro humano e os neurônios Formação das conexões e como se concebe teoricamente a aquisição do conhecimento, formalizando-os em procedimentos

Leia mais

Estímulo Visual Luz Física da cor, visão humana e círculo cromático

Estímulo Visual Luz Física da cor, visão humana e círculo cromático Estímulo Visual Luz Física da cor, visão humana e círculo cromático Física da cor Representação da decomposição da luz branca. Experimento de Isaac Newton, 1666 que mostra que um raio de luz branca se

Leia mais

CEREBELO JOSÉ C. B. GALEGO

CEREBELO JOSÉ C. B. GALEGO CEREBELO JOSÉ C. B. GALEGO ASPECTOS ANATÔMICOS O cerebelo localiza-se na fossa craniana posterior. Posiciona-se dorsalmente à ponte e medula oblonga. Limita-se na porção superior com o lobo occipital dos

Leia mais

Representação de cores. Computação Gráfica Cores. O que é luz. Distribuição espectral da iluminação 11/12/12

Representação de cores. Computação Gráfica Cores. O que é luz. Distribuição espectral da iluminação 11/12/12 Representação de cores Computação Gráfica Cores Renato Ferreira Tratados de maneira geral como triplas RGB Um parâmetro alpha opcional Quase todas operações separadas por componente Mas usualmente tratadas

Leia mais

Filtros de Gabor Da Teoria à Aplicação

Filtros de Gabor Da Teoria à Aplicação Filtros de Gabor Da Teoria à Aplicação Ricardo J. Ferrari, Ph.D. rferrari@icmc.usp.br Instituto de Ciências Matemáticas e de Computação Universidade de São Paulo São Carlos, Brasil Introdução Sumário Sistema

Leia mais

A ciência da cognição

A ciência da cognição A ciência da cognição A Psicologia Cognitiva Cognição As pessoas pensam. Psicologia cognitiva Os cientistas pensam a respeito de como as pessoas pensam. Estudantes de psicologia cognitiva As pessoas pensam

Leia mais

Estrutura e Funções do. Telencéfalo PROF. MUSSE JEREISSATI

Estrutura e Funções do. Telencéfalo PROF. MUSSE JEREISSATI EURO ANATOMIA Estrutura e Funções do Telencéfalo PROF. MUSSE JEREISSATI mussejereissati@hotmail.com website: www.mussejereissati.com Feito com Apple Keynote AGORA, NÃO! 3 O Cérebro (Encéfalo) Está dividido

Leia mais

Visão Computacional. Prof. Leandro Augusto Frata Fernandes TCC Introdução à Ciência da Computação (2012.

Visão Computacional. Prof. Leandro Augusto Frata Fernandes TCC Introdução à Ciência da Computação (2012. Visão Computacional Prof. Leandro Augusto Frata Fernandes laffernandes@ic.uff.br TCC-00.169 Introdução à Ciência da Computação (2012.1) Visão Humana Responsável por cerca de 75% de nossa percepção O ato

Leia mais

Introdução e Classificação das Habilidades Motoras. Prof.ª Luciana Castilho Weinert

Introdução e Classificação das Habilidades Motoras. Prof.ª Luciana Castilho Weinert Introdução e Classificação das Habilidades Motoras Prof.ª Luciana Castilho Weinert Conceitos Habilidade: tarefa com finalidade específica; Habilidade motora: habilidade que exige movimentos voluntários

Leia mais

CONTROLE MOTOR: DA ATIVIDADE REFLEXA AOS MOVIMENTOS VOLUNTÁRIOS I - TRONCO CEREBRAL -

CONTROLE MOTOR: DA ATIVIDADE REFLEXA AOS MOVIMENTOS VOLUNTÁRIOS I - TRONCO CEREBRAL - CURSO DE ESPECIALIZAÇÃO EM FISIOLOGIA HUMANA TURMA 11-2014 CONTROLE MOTOR: DA ATIVIDADE REFLEXA AOS MOVIMENTOS VOLUNTÁRIOS I - TRONCO CEREBRAL - PROFª DRª VILMA G. 2. NÍVEL DE CONTROLE INTERMEDIÁRIO O

Leia mais

Nossos olhos detectam a presença de luz - Comprimento de onda 380 e 760nm- Visível para nós

Nossos olhos detectam a presença de luz - Comprimento de onda 380 e 760nm- Visível para nós Curso - Psicologia Disciplina: Bases Biológicas do Comportamento Resumo Aula 3- Órgãos do Sentido-Parte 1 Estímulo - Visão Nossos olhos detectam a presença de luz - Comprimento de onda 380 e 760nm- Visível

Leia mais

Realidade Virtual e Interfaces Modernas

Realidade Virtual e Interfaces Modernas Realidade Virtual e Interfaces Modernas Prof. Carlos Henrique Q. Forster IEC-ITA ITA Julho/2005 Percepção Visual Tópicos Introdução Fisiologia do olho Índices de profundidade Visão binocular Movimento

Leia mais

Processamento de Imagens e Aplicações

Processamento de Imagens e Aplicações Processamento de Imagens e Aplicações João do E. S. Batista Neto Instituto de Ciências Matemáticas e de Computação ICMC-USP Domício Pinheiro Agência Estado fica á r G o utaçã p m o C Vis ão Co mp u t ac

Leia mais

Sistema Vestibular Equilíbrio (movimento e posição)

Sistema Vestibular Equilíbrio (movimento e posição) Sistema Vestibular Equilíbrio (movimento e posição) Qual a relevância do tema no curso de Medicina? Principais sinais e sintomas decorrentes de alterações do sistema vestibular. Tontura Desequilíbrio Nistagmo

Leia mais

Paradigma Simbólico. Sistemas de Informação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 2)

Paradigma Simbólico. Sistemas de Informação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 2) Paradigma Simbólico Sistemas de Informação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 2) Revisão da aula anterior: definição de IA Podemos associar o termo IA com: Parte da ciência da computação

Leia mais

Fisiologia Animal. Sistema Nervoso. Professor: Fernando Stuchi

Fisiologia Animal. Sistema Nervoso. Professor: Fernando Stuchi Fisiologia Animal Sistema Nervoso Professor: Fernando Stuchi Sistema Nervoso Exclusivo dos animais, vale-se de mensagens elétricas que caminham pelos nervos mais rapidamente que os hormônios pelo sangue.

Leia mais

HP UFCG Analytics Abril-Maio Um curso sobre Reconhecimento de Padrões e Redes Neurais. Por Herman Martins Gomes.

HP UFCG Analytics Abril-Maio Um curso sobre Reconhecimento de Padrões e Redes Neurais. Por Herman Martins Gomes. HP UFCG Analytics Abril-Maio 2012 Um curso sobre Reconhecimento de Padrões e Redes Neurais Por Herman Martins Gomes hmg@dsc.ufcg.edu.br Programa Visão Geral (2H) Reconhecimento Estatístico de Padrões (3H)

Leia mais

A evolução natural deu ao cérebro humano muitas características desejáveis que não estão presentes na máquina de von Neumann:

A evolução natural deu ao cérebro humano muitas características desejáveis que não estão presentes na máquina de von Neumann: Faculdade de Engenharia de Computação Centro de Ciências Exatas, Ambientais e de Tecnologias PUC-Campinas João Luís Garcia Rosa 2004 2 A evolução natural deu ao cérebro humano muitas características desejáveis

Leia mais

Redes Neurais. Conexionismo. Redes Neurais, IA e IC. Abordagem Simbólica. Apresentação da disciplina Inteligência Computacional e conexionismo

Redes Neurais. Conexionismo. Redes Neurais, IA e IC. Abordagem Simbólica. Apresentação da disciplina Inteligência Computacional e conexionismo Redes Neurais, IA e IC Redes Neurais Apresentação da disciplina Inteligência Computacional e conexionismo No âmbito da Ciência da Computação, as Redes Neurais são estudadas na grande área de Inteligência

Leia mais

Visão Computacional e Aplicações

Visão Computacional e Aplicações Visão Computacional e Aplicações João do E. S. Batista Neto Instituto de Ciências Matemáticas e de Computação ICMC-USP Domício Pinheiro Agência Estado fica á r G o utaçã p m o C Vis ã oc om pu t ac ion

Leia mais

INE 5101 Simulação Discreta. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE

INE 5101 Simulação Discreta. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE INE 5101 Simulação Discreta 1 Objetivos do curso Ao final deste curso você deverá saber: O que é modelagem e simulação de sistemas; Como funcionam programas de simulação; Como utilizar corretamente uma

Leia mais

Introdução à Redes Neurais. Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana

Introdução à Redes Neurais. Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana Introdução à Redes Neurais Artificiais Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana 2 Introdução Redes Neurais Artificiais (RNAs)

Leia mais

Porto Alegre, Agosto 2012.

Porto Alegre, Agosto 2012. UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE INFORMÁTICA PROGRAMA DE PÓS-GRADUAÇÃO EM COMPUTAÇÃO Pesquisa individual Aberração Cromática no Olho Humano Augusto Luengo Pereira Nunes Aluno de Mestrado

Leia mais

Interface Humano-Computador

Interface Humano-Computador Interface Humano-Computador Aula 1.7 - Abordagens Teóricas em IHC Psicologia Cognitiva Bruno Neiva Moreno Instituto Federal do Rio Grande do Norte Campus Nova Cruz bruno.moreno@ifrn.edu.br 1/41 Conteúdo

Leia mais

Mestrado Profissional em Ensino de Ciências

Mestrado Profissional em Ensino de Ciências Mestrado Profissional em Ensino de Ciências Teorias da aprendizagem Professor: Oscar Tintorer Delgado Universidade Estadual de Roraima Necessidade da teoria Toda ciência tem como base teorias e a pedagogia

Leia mais

Nossos cães são nossos espelhos. Você tem olhado para o seu?

Nossos cães são nossos espelhos. Você tem olhado para o seu? Nossos cães são nossos espelhos. Você tem olhado para o seu? Bem-estar de Cães e Gatos Conceitos Básicos II Senciência Senciência animal Um ser senciente - tem emoções, como medo e raiva Senciência animal

Leia mais

Inteligência Artificial Agentes Inteligentes

Inteligência Artificial Agentes Inteligentes Inteligência Artificial Jarley P. Nóbrega, Dr. Faculdade Nova Roma Bacharelado em Ciência da Computação jpn@jarley.com Semestre 2018.2 Jarley P. Nóbrega, Dr. (Nova Roma) Inteligência Artificial Semestre

Leia mais

(CURSO DE ESPECIALIZAÇÃO EM BIOMECÂNICA) CONTROLE MOTOR

(CURSO DE ESPECIALIZAÇÃO EM BIOMECÂNICA) CONTROLE MOTOR Escola de Educação Física e Desporto (CURSO DE ESPECIALIZAÇÃO EM BIOMECÂNICA) CONTROLE MOTOR Prof. PAULO JOSÉ GUIMARÃES DA SILVA www.peb.ufrj.br Lab. Proc. Sinais Engenharia Neural EMENTA DA DISCIPLINA

Leia mais

Redes Neurais. Motivação. Componentes do neurônio. Cérebro humano. Criar máquinas capazes de operar independentemente do homem:

Redes Neurais. Motivação. Componentes do neurônio. Cérebro humano. Criar máquinas capazes de operar independentemente do homem: Motivação M. Sc. Luiz Alberto lasf.bel@gmail.com Redes Neurais Criar máquinas capazes de operar independentemente do homem: Aprenda sozinha; Interagir com ambientes desconhecidos; Possa ser chamada de

Leia mais

Neurofisiologia. Profa. Dra. Eliane Comoli Depto de Fisiologia da FMRP

Neurofisiologia. Profa. Dra. Eliane Comoli Depto de Fisiologia da FMRP Neurofisiologia Profa. Dra. Eliane Comoli Depto de Fisiologia da FMRP ROTEIRO DE AULA TEÓRICA: SENSIBILIDADE SOMÁTICA 1. Codificação da informação sensorial: a. transdução, modalidade sensorial, receptores

Leia mais

3 Aprendizado por reforço

3 Aprendizado por reforço 3 Aprendizado por reforço Aprendizado por reforço é um ramo estudado em estatística, psicologia, neurociência e ciência da computação. Atraiu o interesse de pesquisadores ligados a aprendizado de máquina

Leia mais

LCS E P U S P. Percepção Visual. PTC2547 Princípios de Televisão Digital. Guido Stolfi 8/2017. Guido Stolfi 1 / 108

LCS E P U S P. Percepção Visual. PTC2547 Princípios de Televisão Digital. Guido Stolfi 8/2017. Guido Stolfi 1 / 108 Guido Stolfi 1 / 108 Percepção Visual PTC2547 Princípios de Televisão Digital Guido Stolfi 8/2017 Tópicos Abordados Guido Stolfi 2 / 108 Elementos de Neurologia: impulsos nervosos Fisiologia do Olho Humano

Leia mais

Inteligência Artificial. Algoritmos Genéticos. Aula I Introdução

Inteligência Artificial. Algoritmos Genéticos. Aula I Introdução Universidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação Inteligência Artificial Algoritmos Genéticos Aula I Introdução Roteiro Introdução Computação Evolutiva Algoritmos

Leia mais

SISTEMA NERVOSO HUMANO

SISTEMA NERVOSO HUMANO SISTEMA NERVOSO Consiste de células que processam e transmitem a informação Células sensoriais: transduzem a informação proveniente do meio ambiente e do corpo e enviam comandos para os efetores,como os

Leia mais

O CÉREBRO: SUAS PARTES E SEU FUNCIONAMENTO. Carolina Cruz de Melo Gabrielle Cardoso Colman Rafaela Moreira Francisco

O CÉREBRO: SUAS PARTES E SEU FUNCIONAMENTO. Carolina Cruz de Melo Gabrielle Cardoso Colman Rafaela Moreira Francisco O CÉREBRO: SUAS PARTES E SEU FUNCIONAMENTO Carolina Cruz de Melo Gabrielle Cardoso Colman Rafaela Moreira Francisco Professor Orientador: Guy Barcellos Sapucaia do Sul, abril de 2015 1 SUMÁRIO 1. TEMA

Leia mais

Redes Neurais e Sistemas Fuzzy

Redes Neurais e Sistemas Fuzzy 1. Inteligência Computacional Redes Neurais e Sistemas Fuzzy Apresentação da disciplina Conceitos básicos A chamada Inteligência Computacional (IC) reúne uma série de abordagens e técnicas que tentam modelar

Leia mais

MIGRAÇÃO. Movimento persistente e muito direto que leva indivíduos de um local para outro claramente definido, e geralmente para um habitat diferente.

MIGRAÇÃO. Movimento persistente e muito direto que leva indivíduos de um local para outro claramente definido, e geralmente para um habitat diferente. MIGRAÇÃO Movimento persistente e muito direto que leva indivíduos de um local para outro claramente definido, e geralmente para um habitat diferente. Vantagens: -térmicas -reprodutivas -alimentares Desvantagens:

Leia mais

INF 1771 Inteligência Artificial

INF 1771 Inteligência Artificial INF 1771 Inteligência Artificial Aula 22 Redes Neurais Edirlei Soares de Lima Formas de Aprendizado Aprendizado Supervisionado Árvores de decisão. K-Nearest Neighbor (KNN). Support

Leia mais

REGULAÇÃO E COORDENAÇÃO

REGULAÇÃO E COORDENAÇÃO SISTEMA NERVOSO REGULAÇÃO E COORDENAÇÃO Sistema nervoso x Sistema hormonal Interpretar estímulos e gerar respostas Percepção das variações do meio (interno e externo) Homeostase = equilíbrio Tecido nervoso

Leia mais

5 RNA para Diagnóstico de Falhas em Turbinas a Gás

5 RNA para Diagnóstico de Falhas em Turbinas a Gás 5 RNA para Diagnóstico de Falhas em Turbinas a Gás 5.1. Introdução Neste capítulo, a aplicação de RNAs para diagnosticar as falhas no caminho do gás de turbinas a gás foi investigada. As redes neurais

Leia mais

INTELIGÊNCIA COMPUTACIONAL

INTELIGÊNCIA COMPUTACIONAL Rafael D. Ribeiro, M.Sc. rafaeldiasribeiro@gmail.com http://www.rafaeldiasribeiro.com.br A Inteligência Computacional (IC), denominada originalmente de Inteligência Artificial (IA), é uma das ciências

Leia mais

16/09/2010 CÓRTEX CEREBRAL

16/09/2010 CÓRTEX CEREBRAL CÓRTEX CEREBRAL CÓRTEX CEREBRAL córtex = casca composto por substância cinzenta (2 a 4mm) e substância branca adjacente (que une diferentes áreas) uma das mais importantes áreas do SN é a mais recente

Leia mais

Todos os animais têm direito ao respeito e à proteção do homem

Todos os animais têm direito ao respeito e à proteção do homem Todos os animais têm direito ao respeito e à proteção do homem Comportamento animal Conceitos básicos Conceitos básicos Comportamento é uma reação exibida pelo indivíduo como resultado de estímulos internos

Leia mais

Profª Maúcha Sifuentes dos Santos

Profª Maúcha Sifuentes dos Santos Desenvolvimento cognitivo Profª Maúcha Sifuentes dos Santos Desenvolvimento cognitivo: o que é? Desenvolvimento cognitivo: mudanças na capacidade mental (aprendizagem, memória, raciocínio, pensamento e

Leia mais

Inteligência Computacional

Inteligência Computacional Inteligência Computacional INTRODUÇÃO ÀS REDES NEURAIS ARTIFICIAIS Renato Dourado Maia Faculdade de Ciência e Tecnologia de Montes Claros Fundação Educacional Montes Claros Na Aula Passada... O que é uma

Leia mais

CONTROLE MOTOR: DA ATIVIDADE REFLEXA AOS MOVIMENTOS VOLUNTÁRIOS II - CEREBELO e NÚCLEOS BASAIS -

CONTROLE MOTOR: DA ATIVIDADE REFLEXA AOS MOVIMENTOS VOLUNTÁRIOS II - CEREBELO e NÚCLEOS BASAIS - CURSO DE ESPECIALIZAÇÃO EM FISIOLOGIA HUMANA TURMA 11-2014 CONTROLE MOTOR: DA ATIVIDADE REFLEXA AOS MOVIMENTOS VOLUNTÁRIOS II - CEREBELO e NÚCLEOS BASAIS - PROFª DRª VILMA G. Controle do Movimento: Geradores:

Leia mais

3 Redes Neurais Artificiais

3 Redes Neurais Artificiais 3 Redes Neurais Artificiais 3.1. Introdução A capacidade de implementar computacionalmente versões simplificadas de neurônios biológicos deu origem a uma subespecialidade da inteligência artificial, conhecida

Leia mais

O Perceptron de Rosenblatt foi desenvolvido para lidar com o problema de

O Perceptron de Rosenblatt foi desenvolvido para lidar com o problema de O Perceptron de Rosenblatt Nas décadas de 1950 e 1960, vários pesquisadores estavam propondo modelos de redes neurais contendo modificações no modelo original de McCulloch e Pitts e regras de modificação

Leia mais

CARTOGRAFIA TEMÁTICA Teoria das cores. Prof. Luciene S. Delazari Departamento de Geomática Curso de Engenharia Cartográfica e de Agrimensura

CARTOGRAFIA TEMÁTICA Teoria das cores. Prof. Luciene S. Delazari Departamento de Geomática Curso de Engenharia Cartográfica e de Agrimensura CARTOGRAFIA TEMÁTICA Teoria das cores Prof. Luciene S. Delazari Departamento de Geomática Curso de Engenharia Cartográfica e de Agrimensura - 2018 Projeto cartográfico Teoria das Cores Percepção da cor

Leia mais

serotonina (humor) dopamina (Parkinson) serotonina (humor) dopamina (Parkinson) Prozac inibe a recaptação da serotonina

serotonina (humor) dopamina (Parkinson) serotonina (humor) dopamina (Parkinson) Prozac inibe a recaptação da serotonina Redes Neurais O modelo biológico O cérebro humano possui cerca 100 bilhões de neurônios O neurônio é composto por um corpo celular chamado soma, ramificações chamadas dendritos (que recebem as entradas)

Leia mais

Sistema Óptico do Olho

Sistema Óptico do Olho Sistema Óptico do Olho Óptica Visual Departamento de Física Universidade da Beira Interior 2018 / 19 1 refractivos do 2 O como sistema óptico do Profundidade de foco e profundidade de campo 3 esquemáticos

Leia mais

Fisiologia. Vias aferentes. Sistema Nervoso

Fisiologia. Vias aferentes. Sistema Nervoso Fisiologia 2 Sistema Nervoso Vias aferentes Os sistemas sensoriais Os sistemas sensoriais compõem parte das vias aferentes do sistema nervoso periférico e podem ser classificados em três funções principais:

Leia mais

Aprendizagem e Neurodiversidade. Por André Luiz de Sousa

Aprendizagem e Neurodiversidade. Por André Luiz de Sousa Aprendizagem e Neurodiversidade Por André Luiz de Sousa Você provavelmente já se perguntou: o que é a aprendizagem? Como aprendemos? Neste breve texto, falaremos um pouco sobre este assunto. A aprendizagem

Leia mais

Centro Universitário Maurício de Nassau Curso de Psicologia Disciplina de Neurofisiologia

Centro Universitário Maurício de Nassau Curso de Psicologia Disciplina de Neurofisiologia Centro Universitário Maurício de Nassau Curso de Psicologia Disciplina de Neurofisiologia Bases neurofisiológicas da atenção Profª Maria da Soledade Recife - 2015 Introdução Cérebro humano é confrontado

Leia mais

NEURO UR PLA S ICI C DA D DE cére r bro br é um sis i t s e t ma m ab a e b rto t, o que est s á cons con t s a t n a t n e i t n e t ra r ç a ã ç o

NEURO UR PLA S ICI C DA D DE cére r bro br é um sis i t s e t ma m ab a e b rto t, o que est s á cons con t s a t n a t n e i t n e t ra r ç a ã ç o NEUROPLASTICIDADE O cérebro é um sistema aberto, que está em constante interação com o meio e que transforma suas estruturas e mecanismos de funcionamento ao longo do processo de interação. Aprende atuando!

Leia mais

INF Fundamentos da Computação Gráfica Professor: Marcelo Gattass Aluno: Rogério Pinheiro de Souza

INF Fundamentos da Computação Gráfica Professor: Marcelo Gattass Aluno: Rogério Pinheiro de Souza INF2608 - Fundamentos da Computação Gráfica Professor: Marcelo Gattass Aluno: Rogério Pinheiro de Souza Trabalho 02 Visualização de Imagens Sísmicas e Detecção Automática de Horizonte Resumo Este trabalho

Leia mais

Piaget. A epistemologia genética de Jean Piaget

Piaget. A epistemologia genética de Jean Piaget + Piaget A epistemologia genética de Jean Piaget Jean Piaget (1896-1980) n Posição filosófica: o conhecimento humano é uma construção do próprio homem à CONSTRUTIVISMO n Cada pessoa constrói ativamente

Leia mais

Desafios da inclusão escolar e

Desafios da inclusão escolar e Desafios da inclusão escolar e dificuldades de aprendizagens das pessoas com deficiência Profa. Dra Nadia Aparecida Bossa Profa. Dra. Nadia Aparecida Bossa Autora dos Livros: - Fracasso Escolar: um olhar

Leia mais

ÁREAS CORTICAIS ENVOLVIDAS NO CONTROLE DE MOVIMENTOS: Areas de Brodmann

ÁREAS CORTICAIS ENVOLVIDAS NO CONTROLE DE MOVIMENTOS: Areas de Brodmann ÁREAS CORTICAIS ENVOLVIDAS NO CONTROLE DE MOVIMENTOS: Areas de Brodmann COMANDO MOTOR SUPERIOR: CÓRTEX Planejamento e comando motor. Experimentos de estimulação elétrica de áreas cerebrais estabeleceram

Leia mais

Todos os animais têm direito ao respeito e à proteção do homem

Todos os animais têm direito ao respeito e à proteção do homem Todos os animais têm direito ao respeito e à proteção do homem Comportamento animal Conceitos básicos Conceitos básicos Comportamento é uma reação exibida pelo indivíduo como resultado de estímulos internos

Leia mais

Aprendizado de Máquina

Aprendizado de Máquina Aprendizado de Máquina A necessidade de inserir aprendizado nas máquinas surgiu após a construção dos Sistemas Especialistas (SEs). Os primeiros SEs não possuíam mecanismo de aprendizado e tornavam-se

Leia mais

INSTITUTO DE PÓS GRADUAÇÃO ICPG GESTÃO DA TECNOLOGIA DA INFORMAÇÃO

INSTITUTO DE PÓS GRADUAÇÃO ICPG GESTÃO DA TECNOLOGIA DA INFORMAÇÃO INSTITUTO DE PÓS GRADUAÇÃO ICPG GESTÃO DA TECNOLOGIA DA INFORMAÇÃO Prof. Msc. Saulo Popov Zambiasi (saulopz@gmail.com) 12/07/08 08:09 Informação - ICPG - Criciuma - SC 1 Fundamentação Biológica, O Neurônio

Leia mais

- Engenharia Reversa - Evolução de Sofware. Desenvolvimento como. Requisitos o que. Sistema porque. Profa. Dra. Sandra Fabbri. operacional.

- Engenharia Reversa - Evolução de Sofware. Desenvolvimento como. Requisitos o que. Sistema porque. Profa. Dra. Sandra Fabbri. operacional. Unidade V Evolução de Sofware - Engenharia Reversa - Profa. Dra. Sandra Fabbri Fases Genéricas do Ciclo de Vida Engenharia Sistemas Análise Projeto Codificação Manutenção Teste Sistema Requisitos Desenvolvimento

Leia mais

psicologia da percepção visual D E S I G N D E C O M U N I C A Ç Ã O, I M A G E M A N I M A D A

psicologia da percepção visual D E S I G N D E C O M U N I C A Ç Ã O, I M A G E M A N I M A D A psicologia da percepção visual D E S I G N D E C O M U N I C A Ç Ã O, I M A G E M A N I M A D A QUESTÕES DE REVISÃO ASPECTOS BÁSICOS: Defina sucintamente percepção visual. Indique e caracterize sucintamente

Leia mais

UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica

UNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica REDES NEURAIS ARTIFICIAIS AULA 03 Prof. Dr. André A. P. Biscaro 1º Semestre de 2017 INTRODUÇÃO Aprendizagem é um processo pelo qual os parâmetros livres de uma rede neural são adaptados através de um processo

Leia mais

Instituto Tecnológico de Aeronáutica. Prof. Carlos Henrique Q. Forster. ramal Sala 121 IEC

Instituto Tecnológico de Aeronáutica. Prof. Carlos Henrique Q. Forster. ramal Sala 121 IEC CCI-36 Computação Gráfica Cores e Sistema Visual Instituto Tecnológico de Aeronáutica Prof. Carlos Henrique Q. Forster ramal 5981 - Sala 121 IEC Tópicos da aula Olho humano Teoria de cor Ajustes de pixel

Leia mais

INTELIGÊNCIA ARTIFICIAL

INTELIGÊNCIA ARTIFICIAL INTELIGÊNCIA ARTIFICIAL REDES NEURAIS Caracterização Intuitiva: Em termos intuitivos, Redes Neurais Artificiais (RNAs) são modelos matemáticos inspirados nos princípios de funcionamento dos neurônios biológicos

Leia mais

IV - SISTEMA NERVOSO

IV - SISTEMA NERVOSO Capítulo 3: Parte 1 1 IV - SISTEMA NERVOSO HISTOFISIOLOGIA DAS CÉLULAS NERVOSAS INTRODUÇÃO A capacidade de um organismo sobreviver e se manter em equilíbrio depende de sua habilidade em responder à variações

Leia mais

Classificação Linear. André Tavares da Silva.

Classificação Linear. André Tavares da Silva. Classificação Linear André Tavares da Silva andre.silva@udesc.br Roteiro Introduzir os o conceito de classificação linear. LDA (Linear Discriminant Analysis) Funções Discriminantes Lineares Perceptron

Leia mais

Aspectos Anatômicos: CÉREBRO E TDAH

Aspectos Anatômicos: CÉREBRO E TDAH Entendendo o Transtorno de Déficit de Atenção e Hiperatividade (TDAH) Parte I Aspectos Anatômicos: CÉREBRO E TDAH Ft. Alline Camargo Fisioterapeuta graduada pela Universidade de Sorocaba (UNISO) (CREFITO-3/228939-F)

Leia mais

Dra Nadia Bossa PALESTRA DISTÚRBIOS DE ATENÇÃO E DIFICULDADES DE APRENDIZAGEM

Dra Nadia Bossa  PALESTRA DISTÚRBIOS DE ATENÇÃO E DIFICULDADES DE APRENDIZAGEM Dra Nadia Bossa PALESTRA DISTÚRBIOS DE ATENÇÃO E DIFICULDADES DE APRENDIZAGEM Dra Nadia Bossa O cérebro é constituído de vários circuitos neuronais, denominados sistemas funcionais. Esses sistemas são

Leia mais

Engenharia Software. Ení Berbert Camilo Contaiffer

Engenharia Software. Ení Berbert Camilo Contaiffer Engenharia Software Ení Berbert Camilo Contaiffer Características do Software Software não é um elemento físico, é um elemento lógico; Software é desenvolvido ou projetado por engenharia, não manufaturado

Leia mais

PEDAGOGIA. Aspecto Psicológico Brasileiro. Psicologia Genética (Piaget) Professora: Nathália Bastos

PEDAGOGIA. Aspecto Psicológico Brasileiro. Psicologia Genética (Piaget) Professora: Nathália Bastos PEDAGOGIA Aspecto Psicológico Brasileiro Professora: Nathália Bastos JEAN PIAGET. Teoria da Epistemologia genética ou psicogenética. Concepção construtivista da inteligência. Processo de aprendizagem.

Leia mais

Aprendizado de Máquina

Aprendizado de Máquina Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCENS UFES Departamento de Computação Aprendizado de Máquina Inteligência Artificial Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com

Leia mais

Redes Neurais INTELIGÊNCIA ARTIFICIAL

Redes Neurais INTELIGÊNCIA ARTIFICIAL Redes Neurais INTELIGÊNCIA ARTIFICIAL 1 2 Introdução As redes neurais são um tema da computação altamente inspirada na natureza que nos cerca. Durante anos e anos os homens trabalharam para fazer computadores

Leia mais

Funções do Córtex Cerebral. Profª Viviane Marques

Funções do Córtex Cerebral. Profª Viviane Marques Funções do Córtex Cerebral Profª Viviane Marques Profª Viviane Marques Classificação das Áreas Corticais Classificação Anatômica Classificação Filogenética Classificação Estrutural Classificação Funcional

Leia mais

5 Testes e Resultados

5 Testes e Resultados 5 Testes e Resultados Neste capítulo serão apresentados experimentos que ilustram as implementações desenvolvidas e propostas no capítulo anterior. São mostrados experimentos que investigam o algoritmo

Leia mais

5 Exemplos e testes 5.1 Exemplos de uso da Biblioteca Simula ao de um radar rodovi ario de monitoramento de velocidade automotiva

5 Exemplos e testes 5.1 Exemplos de uso da Biblioteca Simula ao de um radar rodovi ario de monitoramento de velocidade automotiva 5 Exemplos e testes Com o objetivo de experimentar a aplicação deste trabalho em simulações de radares, foram desenvolvidos exemplos de simulações de cenários realistas. Cinco simulações foram experimentadas:

Leia mais

O Homem e suas necessidades lumínicas. O Olho Humano Visão das Cores e Percepção

O Homem e suas necessidades lumínicas. O Olho Humano Visão das Cores e Percepção O Homem e suas necessidades lumínicas O Olho Humano Visão das Cores e Percepção O olho é o órgão através do qual se torna possível perceber as sensações de luz e cor e interpretar, por meio da imagem,

Leia mais