Escolar Documentos
Profissional Documentos
Cultura Documentos
utilizando E-GAN
Universidade de Brasília
28 de Setembro de 2019
1 / 22
Eletroencefalograma (EEG)
É um método de
monitoramento eletrofisiológico
utilizado para registrar ativade
cerebral
Utilizado para se realizar
diagnósticos de tumores
cerebrais, dano ou disfunção
cerebral, derrames, inflamação,
epilepsia, distúrbios de sono
A identificação de padrões de
sinais (spindles e complexos-k, Figura: Exemplo de EEG 1
por exemplo) ainda são
realizadas por especialistas
1
https://drantonioguimaraes.site.med.br/index.asp?PageName=
O-20eletroencefalograma
2 / 22
Problema
Proposta
Utilizar um método evolutivo para evoluir a GAN com uma boa topologia e
evitar os comportamentos degenerativos
3 / 22
Generative Adversarial Network
Framework proposta por Goodfellow et al.(2014)
Duas redes neurais (gerador e discriminador) competem em um jogo
do tipo minimax
O gerador tenta aprender a sintetizar dados com mesma distribuição
dos dados reais e enganar o discriminador. O discriminador tenta
aprender a distinguir os dados sintéticos dos dados reais.
2
Figura: Framework de uma GAN
2
https://www.freecodecamp.org/news/generative-adversarial-networks/
4 / 22
Dinâmica da GAN
5 / 22
NeuroEvolution of Augmenting Topologies (NEAT)
Metodologia de neuroevolução desenvolvida por Stanley et al (2002)
capaz de evoluir os parâmetros e a topologia de uma rede neural
Representa a rede neural de forma genética (cada neurônio e ligação é
um gene)
3
Figura: Exemplo de genoma do NEAT
3
K. O. Stanley and R. Miikkulainen - Evolving Neural Networks through Augmenting
Topologies
6 / 22
NeuroEvolution of Augmenting Topologies (NEAT)
Algorítimo Evolucionário
Gera-se uma população inicial de indivíduos (redes neurais);
Avalia-se a fitness (performance) de cada indivíduo da população;
Divide-se a população em espécies de acordo com a similaridade genética;
while !Fim do
Seleciona-se os melhores indivíduos de cada espécie para reprodução;
Gera-se novos indivíduos;
Avalia-se as fitness dos novos indivíduos;
Substitui os indivíduos com piores desempenhos por novos indivíduos;
Divide a nova população em espécies
end
7 / 22
NeuroEvolution of Augmenting Topologies (NEAT)
4
Figura: Exemplo de mutação do NEAT
4
K. O. Stanley and R. Miikkulainen - Evolving Neural Networks through Augmenting
Topologies
8 / 22
NeuroEvolution of Augmenting Topologies (NEAT)
5
Figura: Exemplo de crossover do NEAT
5
K. O. Stanley and R. Miikkulainen - Evolving Neural Networks through Augmenting
Topologies
9 / 22
Metodologia - COEGAN
10 / 22
Dataset DREAMs
2
http://www.tcts.fpms.ac.be/~devuyst/Databases/DatabaseSpindles
11 / 22
Exemplo de amostra
12 / 22
Pré-processamento
13 / 22
Exemplo de Dado Pré-Processado
14 / 22
Experimento 1
15 / 22
Resultados Experimento 1
16 / 22
Resultados Experimento 1
No gráfico de especiação temos que cada cor representa uma espécie, no
eixo x as gerações, no eixo y o número de indivíduos por espécie.
Figura: Espécies
17 / 22
Experimento 2
18 / 22
Resultado Experimento 2
19 / 22
Resultado Experimento 2
20 / 22
Resultado Experimento 2
21 / 22
Trabalhos futuros
22 / 22