Computação Evolutiva e Cognitiva Simulação de Vida Artificial e Cognição

Transcrição

1 Computação Evolutiva e Cognitiva Simulação de Vida Artificial e Cognição PROVA DIDÁTICA Tema 01 Neurônios ESCOLA POLITÉCNICA DA USP Engenharia de Sistemas Eletrônicos Especialidade 1

2 PROVA DIDÁTICA Tema 01: Neurônios Uma impressionante diversidade de tipos de neurônios é responsável nela riqueza dos circuitos neurais 2

3 PROVA DIDÁTICA Tema 01: Neurônios Neurônios: visão do elemento (artificial e biológico) Potenciais de ação, estruturas dendríticas e sinápticas Potencial de ação e sua interpretação freqüencial Conceitos em neurofisiologia e sua relação com conceitos em redes de neurônios artificiais Processamento neural e neurodinâmica Motivações biológicas para cada classe de modelos Neurônios biológicos e sua relação com neurônios artificiais Modelos neurais: sigmoidais, pulsados, com bifurcação 3

4 Neurônios Artificiais 4

5 Neurônios Artificiais: visão do elemento Neurônio artificial e 1 w 1 bias e 2 w 2 v ψ y e 3 w 3 y Ψ v = e 1 w 1 + e 2 w 2 + e 3 w 3 + b 5

6 Neurônios Artificiais: visão do elemento Neurônio Artificial Diversidade de estruturas topológicas Diversidade de arquiteturas de circuitos neurais Malha Interna Malha de Realimentação Sinapses Rede Dendrital Núcleo Axônio Pesos função moduladora Topologia função combinatória Computação função integradora não linear Propagação função comunicadora Vetor Entrada Malha Direta Vetor Saída Neurônio Rede neural 6

7 Neurônios Artificiais: visão do elemento Neurônio Artificial Melhor compreensão requer estudo do neurônio biológico Esta aula tem seu foco no neurônio biológico para dar sustentação ao desenvolvimento de neurônios artificiais e suas redes 7

8 Neurônios Artificiais: visão do elemento O que se tem Redes neurais em diversos níveis de complexidade com neurônios artificiais elementares Redes neurais com neurônios artificiais mais refinados Lausanne Simulação do neo-cortex avaliando processos bio-químicos dos neurônios envolvidos Estudo de neurônio isolado Biofísica da computação 8

9 Neurônios Biológicos 9

10 Neurônios Biológicos: visão do elemento Neurônio Biológico Diversidade e complexidade de estruturas topológicas 10

11 Neurônios Biológicos: visão do elemento Redes de Neurônios Biológicos Diversidade e complexidade de arquiteturas de circuitos neurais 11

12 Neurônios Biológicos: visão do elemento Descrição estrutural do elemento Conexões Sinápticas Dendritos Núcleo Axônio 12

13 Neurônios Biológicos: visão do elemento Descrição funcional do elemento Junções Sinápticas Neurotransmissores Primeiro mensageiro => alteração bioquímica de neuroreceptores Conseqüente alteração no índice de aceitação/rejeição Mecanismo de aprendizagem» Temporário» Dependente da freqüência e intensidade do sinal (Hebbiano) 13

14 Neurônios Biológicos: visão do elemento Descrição funcional do elemento Dendritos Comprimento morfoeletrotônico Alteração de características bioquímicas / elétricas Em decorrência do que é alterada a conformação espaço-tempo» alteração na composição de sinais e conseqüentemente na função do neurônio Modificada topologicamente a árvore de dendritos e assim sua função combinatória» No encaminhamento dos sinais ao núcleo 14

15 Neurônios Biológicos: visão do elemento Descrição funcional do elemento Núcleo Integração dos sinais provenientes dos dendritos Função não linear (sigmoide) Segundo mensageiro => alteração genética Ao ser recebido pelo núcleo desencadeia um processo em decorrência do qual há modificação na junção sináptica nos dendritos» adição (reforço) ou remoção (atenuação) de canais Memorização de caráter permanente 15

16 Neurônios Biológicos: visão do elemento Descrição funcional do elemento Axônio Potencial de ação Propagação de trens de pulsos Codificação em freqüência Diferentes padrões» Pulsos isolados» Trens de pulso» Em diferentes combinações (freqüências) 16

17 Biofísica da Computação 17

18 Conceitos em neurofisiologia: relação com conceitos em redes de neurônios artificiais Neurônios e suas conexões Junções sinápticas Topologias 18

19 Biofísica da Computação Neurônio biológico membrana Membrana celular Interface bioquímica elétrica da sinalização neural Geração de sinais elétricos a partir de neurotransmissores (químicos) Propagação de sinais elétricos Geração de sinais químicos a partir de pulsos elétricos 19

20 Biofísica da Computação Neurônio biológico membrana Membrana do neurônio Relação bioquímica elétrica Membrana com canais iônicos Desequilíbrios entre íons e conseqüente propagação de sinal corrente elétrica ou pulsos de tensão Modelo da membrana 20

21 Biofísica da Computação Neurônio biológico membrana Junção sináptica do neurônio Modelo da junção pós-sináptica Modelo elétrico equivalente Geração do sinal elétrico 21

22 Biofísica da Computação Neurônio biológico membrana Propagação de sinais Teoria de cabos lineares Modelo elétrico Resposta ao impulso 22

23 Biofísica da Computação Neurônio biológico sinapses Junção sináptica 23

24 Biofísica da Computação Neurônio biológico sinapses Junção sináptica 24

25 Biofísica da Computação Neurônio biológico sinapses Junção sináptica do neurônio Relação bioquímica elétrica Axônio (pré-sináptica) Chegada do potencial de ação dispara troca iônicas (Ca +2 ) que acabam por abrir as vesículas liberando neurotransmissores Dendrito (pós-sináptica) Neuro-receptoresrecebem os neuro-transmissoresem decorrência do que se abrem canais ionicos Fluxo de ions(na + ) geram sinal que se propaga pelo dendrito em direção ao núcleo 25

26 Biofísica da Computação Neurônio biológico sinapses Junção sináptica do neurônio Modelo da junção Modelo biológico 26

27 Biofísica da Computação Neurônio biológico sinapses Junção pré-sináptica (axônio) Neurotransmissores Produzidos em decorrência da chegada dos potenciais de ação à terminação sináptica (axônial) Refletem o padrão deste sinal Diferentes para diferentes tipos de neurônio Assinatura do tipo de neurônio que o produziu 27

28 Biofísica da Computação Neurônio biológico sinapses Junção pós-sináptica (dendrito) Neuroreceptores Ativados pela chegada dos neurotransmissores à terminação sináptica (dendrítica) Refletem o padrão deste sinal Diferentes para diferentes tipos de neurotransmissores Casamento entre neurônios 28

29 Biofísica da Computação Neurônio biológico sinapses Junção sináptica Comportamento probabilístico Peso sináptico: R Composição da quantidade de neuro-transmissoresliberados e de sua real atuação no receptor R = npq n: número de quantalsites que podem ser liberados p: probabilidade de liberação (dependente do potencial de ação) q: probabilidade de efeito no receptor 29

30 Biofísica da Computação Neurônio biológico sinapses Junção sináptica Diversidade de efeitos Excitatórios/ Inibitórios Diversidade de pares neurotransmissores-receptores 30

31 Biofísica da Computação Neurônio biológico sinapses Junção sináptica Mecanismos ionotrópicos Já mencionados Primeiro mensageiro Dizem respeito aos efeitos locais da sinalização Pós-sináptico:» Chegada dos neurotransmissores produz correntes que fluem pelo dendrito em direção ao corpo celular» Podem desencadear modificações estruturais locais Mecanismo de memorização de curto/médio prazo Alteração nos canais iônicos e vesículas 31

32 Biofísica da Computação Neurônio biológico sinapses Junção sináptica Mecanismos metabotrópicos Segundo mensageiro Sinalização intracelular Informação propagada até o núcleo da célula Em decorrência do que há sinalização reversa para síntese protéica para alteração da conformação da junção sináptica» Inclusão ou remoção Mecanismo de memorização de longo prazo Alteração estrutural do neurônio» conformação topológica» Perfil de canais e vesículas na sinapse 32

33 Biofísica da Computação Neurônio biológico dendritos Dendrito Árvore dendrital Estrutura define a composição de sinais de entrada que atinge o núcleo Modulação de comprimento morfoeletrotônico Alteração de propriedades bio-elétricasdos ramos da árvore dendrital permitindo sua modificação topológica Através da alteração diferenciada da velocidade de propagação entre os ramos da árvore dendrital 33

34 Biofísica da Computação Neurônio biológico dendritos Árvores dendríticas passivas Diversidade de estruturas (topologias) 34

35 Biofísica da Computação Neurônio biológico dendritos Árvores dendríticas passivas Transformações morfoeletrotônicas Modificações topológicas em função de ajustes espaçotemporais Variações nos tempos de propagação 35

36 Biofísica da Computação Neurônio biológico dendritos Árvores dendríticas passivas Transformações morfoeletrotônicas Alterações topológicas 36

37 Biofísica da Computação Neurônio biológico dendritos Árvores dendríticas passivas Transformações morfoeletrotônicas Com conseqüentes efeitos nos atrasos de propagação 37

38 Biofísica da Computação Neurônio biológico dendritos Interações sinápticas numa árvore dendrítica passiva Interações sinápticas Inibitórias e excitatórias Geral Detalhe Diferentes conformações topológicas levam a diferentes operações lógicas (composições) 38

39 Biofísica da Computação Neurônio biológico dendritos Interações sinápticas numa árvore dendrítica passiva Interações sinápticas Inibitórias e excitatórias Modelo lógico equivalente 39

40 Biofísica da Computação Neurônio biológico corpo Corpo / Núcleo Processamento integrativo Ao ultrapassar um limiar, a composição dos sinais de entrada dispara pulsos transmitidos pelo axônio (potenciais de ação) Alteração genética (memória) Segundo mensageiro AMP +??? VERIFICAR 40

41 Biofísica da Computação Neurônio biológico axônio Axônio Potencial de ação e codificação em freqüencia 41

42 Biofísica da Computação Neurônio biológico axônio Modelo de Hodgkin-Huxley para geração do potencial de ação Equação do sinal propagado pelo axônio Segundo o seguinte modelo elétrico 42

43 Biofísica da Computação Neurônio biológico axônio Potencial de ação Sinalização: pulso propagando no axônio Diferentes padrões de disparo em função da corrente integrada pelo núcleo Modelo de Hodgkin-Huxley para geração do potencial de ação 43

44 Potencial de ação interpretação freqüencial Informação codificada em freqüência Trens de pulsos (burstmode) a quantidade de pulsos num determinado período influencia a liberação de neurotransmissores com o que se reforça mais ou menos o receptor do neurônio seguinte 44

45 Potencial de ação interpretação freqüencial Caráter estocástico do potencial de ação Disparo contínuo com padrão estocástico Distribuição de Poison(ruído branco) Alterações deste padrão carregam consigo a informação transmitida pelo axônio 45

46 Plasticidade Neural Auto equilíbrio bioquímico da célula neural Plasticidade sináptica Equilíbrio homeostático Do neurônio no meio em que se encontra Define seu ponto de operação Potenciação de longo e curto prazo 46

47 Plasticidade Neural Auto equilíbrio bioquímico da célula neural Serve ao propósito de evitar saturações do sistema Mecanismo de auto-regulação Uma rede alimentada a diante tende a ter suas saídas saturadas ou anuladas 47

48 Plasticidade Neural Auto equilíbrio bioquímico da célula neural Diferentes mecanismos e modelos para a plasticidade sináptica Intrínseca Por escalabilidade Por reforço 48

49 Plasticidade Neural Auto equilíbrio bioquímico da célula neural Plasticidade sináptica Intrínseca Ocorre devido a modificações na própria estrutura do neurônio Possível explicação: aumento dos canais de cálcio no corpo celular Realimentação negativa Aumento de sensibilidade quando há redução na atividade Diminuição da sensibilidade quando há aumento da atividade 49

50 Plasticidade Neural Auto equilíbrio bioquímico da célula neural FALTA REVISAR Plasticidade sináptica Intrínseca Potenciação de longo prazo (LTP) 50

51 Plasticidade Neural Auto equilíbrio bioquímico da célula neural Plasticidade sináptica Escalabilidade sináptica Manifestada como aumento (multiplicação) ou diminuição (divisão) da eficácia da junção Proporcionalidade no aumento ou redução desta eficácia 51

52 Plasticidade Neural Auto equilíbrio bioquímico da célula neural Plasticidade sináptica Escalabilidade sináptica Não se sabe ao certo o que ocorre Se variação no número de canais Se aumento na difusão do transmissor Se aumento na eficácia do acoplamento 52

53 Plasticidade Neural Auto equilíbrio bioquímico da célula neural Plasticidade sináptica Reforço sináptico Dependente do intervalo de pulsos O tempo entre a chegada de um pulso em uma sinapse e o potencial de ação na saída do neurônio reforça (LTP) ou enfraquece (LTD) a conexão sináptica 53

54 Plasticidade Neural Auto equilíbrio bioquímico da célula neural FALTA REVISAR Plasticidade sináptica Reforço sináptico 54

55 Plasticidade Neural Auto equilíbrio bioquímico da célula neural Plasticidade sináptica Falta identificar se qual o domínio espacial deste processo no neurônio Se ocorre localmente Se ocorre globalmente 55

56 Comportamento neurônio biológico disparo FALTA REVISAR Modelo neural integração e disparo Padrão de disparo Fig

57 Comportamento neurônio biológico disparo FALTA REVISAR Modelo neural integração e disparo Modelo estocástico Distribuição de Poison(aleatoriedade no padrão) Dispara continuamente quando em repouso (ruído branco) Dispara com certos padrões quando excitado Fig15.1 e 15.2 Diversidade de modos Fig

58 Comportamento neurônio biológico disparo FALTA REVISAR Neurônios e padrões de disparo Fig

59 Motivação Biológica 59

60 Motivações biológicas para cada classe de modelos Redes de neurônios servem como Classificadores Estimadores Reconhecedores Identificadores Em todos os casos está presente o elemento adaptação e aprendizagem 60

61 Relações entre Neurônios Biológicos e Artificiais 61

62 Relações entre Neurônios Biológicos e Artificiais Neurônio biológico Sinapse: nível de aceitação ou inibição Elemento de registro do aprendizado (memória) Neurônio artificial Sinapse: peso associado à conexão Elemento de registro do aprendizado (memória) 62

63 Relações entre Neurônios Biológicos e Artificiais Neurônio biológico Dendrito: conformação morfoeletrotonica Elemento de ajuste da função neuronal (processamento) Neurônio artificial Dendrito: sem equivalência nos modelos tradicionais 63

64 Relações entre Neurônios Biológicos e Artificiais Neurônio biológico Núcleo: segundo mensageiro Elemento de registro permanente do aprendizado (memória) Núcleo: função de integração do sinal processado e avaliação de limiar Núcleo: disparo de trem de pulsos Neurônio artificial Núcleo: segundo mensageiro sem equivalência Elemento de registro permanente do aprendizado (memória) Núcleo: função de integração (somatória) e avaliação de limiar (sigmoide) para disparo do sinal de saída Elemento Núcleo: disparo de trem de pulsos Usado em arquiteturas de redes pulsadas 64

65 Relações entre Neurônios Biológicos e Artificiais Neurônio biológico Axônio: propagação do sinal para o próximo neurônio (cabo coaxial) Elemento de propagação de sinal (cabo coaxial) Propriedades de cabo Neurônio artificial Axônio: encaminhamento do sinal para o próximo neurônio Conexão direta (sem considerar propriedades do tipo das existentes em cabos) 65

66 Conclusão 66

67 Conclusão Neurônios biológicos são dispositivos de alta complexidade e diversidade Redes neurais naturais são também extremamente complexas e diversificadas 67

68 Conclusão O sucessivo aprimoramento no conhecimento de ambos tem propiciado o aprimoramento das redes neurais artificiais E modelos artificiais que pretendam simular melhor o SNC deverão incorporar ainda muitas das especificidades dos elementos e arquiteturas naturais 68

69 Conclusão Por fim, as redes neurais artificiais levam este nome por alguma semelhança com as naturais, mas sua efetiva utilização tem sido para implementar modelos matemáticos que servem em áreas em que as redes naturais agem com primazia Identificadores Classificadores E tem sido eficientes (de modo diferenciado) na realização destas tarefas 69

70 Obrigado 70

71 Extras 71

72 Modelos neurais: sigmoidais, pulsados, com bifurcação Modelos sigmoidais 72

73 Modelos neurais: sigmoidais, pulsados, com bifurcação Modelos pulsados 73

74 Modelos neurais: sigmoidais, pulsados, com bifurcação Modelos com bifurcação 74