PPGINF PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO FUNDAÇÃO UNIVERSIDADE FEDERAL DO ABC Teléfono/Ramal: No informado http://propg.ufabc.edu.br/ppginfo

Banca de QUALIFICAÇÃO: RENNAN SANTOS DE ARAUJO

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : RENNAN SANTOS DE ARAUJO
DATA : 05/06/2019
HORA: 14:00
LOCAL: sala 304, 3º andar do Bloco B, no campus Santo André
TÍTULO:

Modelo de Neurônio Memristivo de Dióxido de Vanádio com Codificação de Impulsos PRBS-PWM


PÁGINAS: 55
RESUMO:

A computação neuromórfica representa um paradigma de arquitetura computacional que, baseando-se na complexa mecânica de atividades de um sistema neural biológico, objetiva ser uma alterativa mais eficiente para o processamento de informações em larga escala, “ameaçando” a preponderante hegemonia da consolidada Arquitetura de von Neumann. Historicamente, a redução do custo energético de operações computacionais sempre foi um fator de suma relevância no desenvolvimento de novas tecnologias e este talvez seja o principal fator benéfico da computação neuromórfica. Nesta arquitetura bioinspirada, toda a manipulação de informação é efetuada por intermédio de redes neurais artificiais, constituídas por “neurônios” e inúmeras interconexões (sinapses) entre os mesmos, que contribuem para que os dados sejam paralelamente processados e persistidos de maneira rápida, acurada, energeticamente eficiente e resistente a eventuais falhas locais.

Alicerçando-se nestes conceitos, este trabalho propõe um novo modelo de neurônio, estimulado por impulsos (spikes) codificados por PRBS (Pseudorandom Binary Sequence) e modulados por PWM (Pulse Width Modulation), cuja memristência e ativação são baseadas no comportamento das dinâmicas térmicas e não lineares de transição de fase do composto inorgânico óxido-metálico Dióxido de Vanádio (VO2). É conjecturado que este novo paradigma de neurônio, quando implementado em uma rede neural artificial, seja capaz de estabelecer um maior índice de economia energética, plasticidade sináptica e resistência a ruídos, tornando o sistema neural mais robusto e conectivo.

As simulações realizadas neste trabalho demonstraram que a implementação e combinação de operadores lógicos pré-sinápticos, em conjunto com variações reguladas de não-correlação entre as sequências de entrada, faz com que exista um maior controle para com a ativação do neurônio, produzindo uma maior taxa de eficiência energética no processamento de informações.


MEMBROS DA BANCA:
Membro Titular - Examinador(a) Interno ao Programa - 2196309 - CARLOS ALBERTO KAMIENSKI
Membro Titular - Examinador(a) Externo ao Programa - 1672981 - FRANCISCO JAVIER ROPERO PELAEZ
Presidente - Interno ao Programa - 1205456 - LUIZ ALBERTO LUZ DE ALMEIDA
Membro Suplente - Examinador(a) Externo ao Programa - 1545354 - RICARDO CANELOI DOS SANTOS
Membro Suplente - Examinador(a) Interno ao Programa - 1761107 - RICARDO SUYAMA
Notícia cadastrada em: 10/05/2019 09:07
SIGAA | UFABC - Núcleo de Tecnologia da Informação - ||||| | Copyright © 2006-2024 - UFRN - sigaa-1.ufabc.int.br.sigaa-1-prod