.png)
.png)
Accessibility Tools
Os Seminários PESC têm como objetivo trazer palestras acessíveis a um público mais amplo, ministradas por pesquisadores e professores mais experientes (tanto do PESC como de instituições externas). Ao longo do ano, teremos temas e focos variados, podendo ser mais específicos ou mais abrangentes.
A apresentação e discussão de ideias novas e antigas de diferentes temas contribui de maneira fundamental para a formação e pesquisa desenvolvida por alunos e professores, sendo muitas vezes de interesse de um público mais amplo.
Os Seminários que são on-line ou híbridos ficam gravados no Canal do PESC no YouTube, que apresenta muitas outras gravações importantes sobre o que acontece no PESC.
 Construindo um mapa funcional de neurônios do sistema visualLuciano Dyballa, Recém-doutor pela Universidade de Yale, EUA 7 de abril (quarta), 18h Transmissão ao vivo no canal do PESC no YouTube OO rápido desenvolvimento de técnicas laboratoriais em neurociência, em particular o registro simultâneo dos sinais de centenas de neurônios, tem levado a uma explosão na quantidade de dados disponíveis, o que gera a possibilidade de um melhor entendimento acerca da organização e funcionalidade de circuitos neuronais no cérebro. De particular interesse para o estudo de visão computacional é a estrutura do sistema visual. Nesse caso, a necessidade do uso de estímulos visuais realísticos aumenta consideravelmente a complexidade dos dados obtidos. Isto resulta em um desafio para o aprendizado de máquina: quais técnicas são adequadas para desvendar padrões neuronais em grande escala? Neste trabalho, é proposto o uso de aprendizado de variedade ("manifold learning") para tal, e são discutidos algoritmos para sua aplicação neste cenário específico. Nosso manifold de neurônios é funcional, no sentido de que neurônios próximos no "embedding" respondem de forma similar aos mesmos aspectos dos estímulos visuais apresentados. Para obtenção de resultados não-triviais, entretanto, são necessários estímulos que exercitem suficientemente o sistema visual. Estímulos artificiais tradicionais resultam em pouca diferenciação entre classes de neurônios; por outro lado, imagens naturais são demasiado complexas e tornam a análise dos dados impraticável. Apresentamos o uso de "flow patterns", uma classe de estímulos visuais situada entre os dois extremos. Luciano Dyballa obteve seu doutorado em Ciência da Computação na Yale University (2021) sob a orientação de Steven Zucker. Fez mestrado em Engenharia de Sistemas e Computação no PESC/COPPE/UFRJ (2015) sob orientação de Valmir Carneiro Barbosa, e graduação em Engenharia Química pela UFRJ (2008). Sua pesquisa abrange visão computacional, neurociência computacional e aprendizado de máquina. |
