PPGINF PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO FUNDAÇÃO UNIVERSIDADE FEDERAL DO ABC Telefone/Ramal: Não informado http://propg.ufabc.edu.br/ppginfo

Banca de DEFESA: RENNAN SANTOS DE ARAUJO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : RENNAN SANTOS DE ARAUJO
DATA : 12/12/2019
HORA: 14:00
LOCAL: sala 305, 3º andar, Bloco B, Campus SA da Fundação Universidade Federal do ABC, localizada na Avenida dos Estados, 5001, Santa Terezinha, Santo André, SP
TÍTULO:

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


PÁGINAS: 75
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 esta talvez seja a principal força motriz 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,
fazem 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:
Presidente - Interno ao Programa - 1205456 - LUIZ ALBERTO LUZ DE ALMEIDA
Membro Titular - Examinador(a) Interno ao Programa - 1669196 - LUIZ HENRIQUE BONANI DO NASCIMENTO
Membro Titular - Examinador(a) Externo ao Programa - 1672981 - FRANCISCO JAVIER ROPERO PELAEZ
Membro Suplente - Examinador(a) Externo ao Programa - 1061139 - MARIO ALEXANDRE GAZZIRO
Notícia cadastrada em: 13/11/2019 11:04
SIGAA | UFABC - Núcleo de Tecnologia da Informação - ||||| | Copyright © 2006-2020 - UFRN - sigaa-1.ufabc.int.br.sigaa-1