NeuroAI - Proyectos

Proyectos propuestos como trabajos finales de la carrera de Ingeniería de Sistemas - Fac. Cs. Exactas - UNCPBA.

Temáticas dentro de la neurociencia de sistemas, inteligencia computacional y neurociencia computacional ha despertado mucho interés, no solo académicamente, sino también en la industria tal como es el caso de Google, Microsoft, Facebook y Neuralink.

En general, los proyectos que a continuación se listan utilizan diferentes metodologías computacionales (simulaciones neuronales, neurocontrol de robots autónomos físicos/simulados, y ciencia de datos neuronales).

Varios de los proyectos tienen como objetivo desarrollar algoritmos y análisis para comprender procesos neuronales y los principios de codificación cognitiva y lo que está funcionando mal con algunas enfermedades neurológicas.

Los interesados enviar un email al Dr. Jose A. Fernandez-Leon.

PROYECTO 1 - "Estudio de modelos de redes neuronales artificiales generando memorias corticales emergentes"

Duración: aprox. 6 meses
Cantidad máxima de integrantes: 2
Directores: Dr. Jose A. Fernandez-Leon Fellenz; Dr. Marcelo Arlego

Objetivo: Análisis y desarrollo de algoritmos basados en una red neuronal artificial biológicamente relevante que emula procesos cognitivos corticales vinculados a memoria de trabajo, criticalidad y activación secuencial de memorias. Estudio de tales memorias en diferentes estados de la red. Se analizarán algoritmos ya desarrollados y se implementarán extensiones de ellos en C++, Matlab, o Python. Este proyecto se desarrollará mediante técnicas de la Neurociencia Computacional y Sistemas Cognitivos con discusiones conceptuales/teóricas de que es lo que puede fallar en enfermedades neurodegenerativas tipo Alzheimer.

PROYECTO 2 - "Análisis in-silico de los componentes esenciales del sistema neuronal de navegación”

Duración: aprox. 6 meses.
Cantidad máxima de integrantes: 2
Director: Dr. Jose A. Fernandez-Leon Fellenz

Objetivo: Estudio de tres componentes principales que determinan la actividad neuronal de un sistema de navegación ya implementado en una red neuronal artificial. Se analizarán extensiones de un algoritmo ya propuesto en C++, Matlab, o Python. Este proyecto se desarrollará mediante técnicas de la Neurociencia Computacional y Sistemas Cognitivos con potenciales implicaciones teóricas/computacionales en enfermedades neurodegenerativas tipo Alzheimer.

PROYECTO 3 - "Desarrollo de algoritmos para el entendimiento de memorias episódicas en redes neuronales durante navegación espacial”

Duración: aprox. 6 meses.
Cantidad máxima de integrantes: 2
Directores: Dr. Jose A. Fernandez-Leon Fellenz; Ing. Luca Sarramone

Objetivo: Estudio de una red neuronal ya implementada con la capacidad de codificar asociaciones de tiempo y espacio (memoria episódica). Se buscará extender los algoritmos para control de acciones en el entorno durante navegación espacial. Se desarrollará un mecanismo de coordinación entre redes neuronales para auto-localización y efecto de coordinación en cascada. La arquitectura de la red va a estar establecida desde el comienzo del estudio. Se implementarán algoritmos principalmente en Python. Este proyecto se desarrollará mediante técnicas de la Neurociencia Computacional y Sistemas Cognitivos (robots móviles autónomos). Se discutirán posibles implicaciones en como la información de tales memorias es generada, y entender conceptualmente que es lo que falla en enfermedades neurodegenerativas tipo Alzheimer.

PROYECTO 4 - "Desarrollo de un algoritmo de detección de características salientes en imágenes durante navegación espacial”

Duración: aprox. 6 meses.
Cantidad máxima de integrantes: 2
Director: Dr. Jose A. Fernandez-Leon Fellenz

Objetivo: Se buscará extender un algoritmo ya implementado que procesa imágenes durante navegación espacial y genera información de referencia a un sistema de navegación neuronal. Se implementarán algoritmos principalmente en Matlab o Python. Este proyecto se desarrollará mediante técnicas de Procesamiento de Imágenes y Sistemas Cognitivos (robots móviles autónomos). Se discutirán posibles implicaciones en como la información generada para marcar lugares durante la navegación es relevante para generar memorias episódicas, y entender conceptualmente que es lo que falla en enfermedades neurodegenerativas tipo Alzheimer.

PROYECTO 5 - "Desarrollo de módulos para control jerárquico en robótica cognitiva”

Duración: aprox. 6 meses.
Cantidad máxima de integrantes: 2
Director: Dr. Jose A. Fernandez-Leon Fellenz

Objetivo: Se propone el desarrollo de un sistema que permita aprender de las acciones de un organismo robótico móvil en base a componentes que responde a estímulos externos por medio de sensores. El componente a desarrollar estaría basado en acciones sensomotoras. Este proyecto se desarrollará mediante técnicas de Sistemas Cognitivos (robots móviles autónomos).

PROYECTO 6 - "Simulación eficiente de redes neuronales”

Duración: aprox. 6 meses.
Cantidad máxima de integrantes: 2
Directores: Dr. Elias Todorovich; Dr. Jose A. Fernandez-Leon Fellenz

Objetivo: Se propone desarrollar implementaciones de redes neuronales concretas con soporte de hardware especializado útil para investigar procesos neuronales, donde una de las estrategias es desarrollar simulaciones con muchas neuronas. Este es un conjunto de problemas que ha despertado mucho interés, no solo académicamente, sino en la industria tal como en DeepMind de Google o el Microsoft AI el cual desarrollan proyectos con dicha perspectiva. Estas simulaciones son computacionalmente demandantes y requieren de costosos recursos y tiempos de ejecución. La propuesta es estudiar algunas optimizaciones de estas simulaciones por ejemplo en GPU (graphics processing unit). Es un proyecto relevante para aquellos que quieran tener un primer contacto con esta disciplina considerada emergente, con máximo interés a nivel mundial, ganando experiencia básica no solo con GPUs, sino también con Deep Learning, y las redes neuronales biológicamente plausibles.

PROYECTO 7 ("Machine Learning en plataformas mínimas”)

Duración: aprox. 6 meses.
Cantidad máxima de integrantes: 2
Directores: Dr. Elias Todorovich; Dr. Jose A. Fernandez-Leon Fellenz

Objetivo: Para poder aplicar Machine Learning en muchos problemas vinculados a sensores, Internet de las Cosas (IoT), y sistemas embebidos, hace falta correr la red neuronal en esas plataformas con recursos computacionales mínimos. En estos casos, la computación en la nube es prohibitiva por cuestiones de ancho de banda, tiempo de respuesta, consumo de energía en dispositivos alimentados con baterías y cuestiones de seguridad y confidencialidad. Este es un conjunto de aplicaciones que ha despertado mucho interés, no solo académicamente, sino también en la industria. La propuesta es estudiar algunas optimizaciones para estas aplicaciones de Machine Learning de manera que puedan correr en plataformas simples. Es relevante para aquellos que quieran tener un primer contacto con esta disciplina considerada emergente, con máximo interés a nivel mundial, ganando experiencia básica en la intersección entre Machine Learning y Sistemas Embebidos.

Page updated

Report abuse