• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Doctoral Thesis
DOI
10.11606/T.76.2000.tde-27112014-145225
Document
Author
Full name
Júlia Sawaki Tanaka
Institute/School/College
Knowledge Area
Date of Defense
Published
São Carlos, 2000
Supervisor
Committee
Costa, Luciano da Fontoura (President)
Castelo Filho, Antonio
Cesar Junior, Roberto Marcondes
Gonzaga, Adilson
Roda, Valentin Obac
Title in Portuguese
Um modelo neuromórfico de estimativa de orientação de curvatura
Keywords in Portuguese
Estimativa de curvatura
Estimativa de orientação
Neuromorfometria
Abstract in Portuguese
O presente trabalho aborda a importante questão da codificação de curvatura por redes neurais biológicas, partindo da hipótese que a curvatura ao longo de uma curva bidimensional pode ser calculada por meio de operadores diferenciais bidimensionais biologicamente plausíveis. O modelo proposto para estimativa de curvatura e orientação incorpora algumas propriedades eletrofisiológicas inerentes aos neurônios e outras características de redes neurais biológicas, como a distribuição aleatória de neurônios na rede. As influências da morfologia dos neurônios na estimativa de curvatura e orientação são investigadas e discutidas. A fundamentação biológica do modelo é discutida e os resultados das simulações são apresentados em uma seqüência crescente de plausibilidade biológica e sofisticação. O modelo foi testado com neurônios naturais e artificiais e os resultados sugerem que neurônios com área de influência maior, com processos dendríticos lineares na direção radial, e processos dendríticos distribuídos radialmente de forma simétrica são melhores na estimativa de curvatura e orientação. São também apresentadas algumas medidas de neuromorfometria desenvolvidas, como o histograma de influência, que avalia a área de influência ou cobertura espacial de neurônios bidimensionais e tridimensionais, assim como uma extensão do conceito de cobertura espacial para expressar as influências vetoriais bidimensionais e tridimensionais. Ainda no contexto de neuromorfometria, apresentamos um mecanismo para extração de medidas de neurônios bidimensionais e tridimensionais codificados no padrão Eutectic para a posterior geração de neurônios artificiais estatisticamente semelhantes aos neurônios naturais
Title in English
Not available
Keywords in English
Not available
Abstract in English
The present work deals with the important question about curvature codification by biological neuronal networks, based at the assumption that the curvature along the bidimensional curve can be calculated through biologically plausible bidimensional differential operators. The proposed model for curvature and orientation estimation incorporate some electrophysiological properties inherent to neurons and other biological neural network features like random distribution of the neurons. The neuronal morphological influences in the curvature and orientation estimation are investigated and discussed. The biological foundation of the model is discussed and the results of the simulations are presented in a growth sequence of the biological plausibility and sophistication. The model was tested with natural and artificial neurons and the results suggest that neurons with the large influence area, with linear dendrictic processes in the radial direction, and dendrictic process distributed radially in the symmetrical form are better in the curvature and orientation estimation. Some neuromorphometric measures developed are presented like influence histograms that evaluate the influence area or spatial coverage of bidimensional and tridimensional neurons. Also, is presented an extension of the spatial coverage concept to express the bidimensional and tridimensional vetorial influences. Further in the neuromorphometric context we present a mechanism to extract the bidimensional and tridimensional neuronal measures coded in Eutectic to later generation of the artificial neurons statistically similar to the natural neurons
 
WARNING - Viewing this document is conditioned on your acceptance of the following terms of use:
This document is only for private use for research and teaching activities. Reproduction for commercial use is forbidden. This rights cover the whole data about this document as well as its contents. Any uses or copies of this document in whole or in part must include the author's name.
JuliaSawakiTanakaD.pdf (43.69 Mbytes)
Publishing Date
2014-11-28
 
WARNING: Learn what derived works are clicking here.
All rights of the thesis/dissertation are from the authors
Centro de Informática de São Carlos
Digital Library of Theses and Dissertations of USP. Copyright © 2001-2021. All rights reserved.