Apresentador : Daniel Martins de Souza

Data: 10/09/2026
Horário: 16:00
Local: Sala 600B do Departamento de Computação e Matemática

Descrição: Resumo: As redes neurais artificiais podem ser usadas no controle de agentes computacionais aplicadas no estudo da investigação do comportamento de ratos em testes comportamentais. Trabalhos anteriores utilizaram Redes Neurais Recorrentes do tipo Echo State Networks (ESN) otimizadas por Algoritmos Genéticos (GA) para o estudo do comportamento de ratos em testes comportamentais sob diversos níveis de ansiedade controlado por um parâmetro (β). A função de aptidão modela o conflito entre medo e exploração, possibilitando a simulação sobre os efeitos de fármacos ansiolíticos e ansiogênicos. No entanto, mesmo com resultados promissores, uma limitação dos modelos está na dificuldade de interpretar como a rede neural toma decisões, desafio comum dos modelos do tipo "caixa preta". Desse modo, este trabalho propõe a aplicação do algoritmo Differential Evolution with Linkage Learning (DEwLL) para a otimização dos ratos virtuais. O DEwLL atua na otimização dos pesos da camada de saída da ESN e, simultaneamente, extrai a importância e as interações entre estes pesos durante o processo evolutivo. O DEwLL, e o GA utilizado para comparação, foram implementados em C/C++ e em cenários com diversos tamanhos de reservatório e parâmetros β. As trajetórias geradas pelos algoritmos evolutivos reproduziram os diversos níveis de ansiedade. Estatisticamente, o DEwLL acabou superando o GA na maioria dos cenários de acordo com o teste estatístico Wilcoxon signed-rank test (p < 0, 01). No contexto da Inteligência Artificial Explicável (XAI), o DEwLL demonstrou ser capaz de extrair informações do modelo identificando as interações e importâncias mais relevantes entres os pesos. Este trabalho também propõe outras estratégias para investigar a importância dos pesos e neurônios, como aquelas baseadas em Árvores de Decisão. Junto ao método DEwLL, estas estratégias ajudam a entender melhor os papeis dos diferentes neurônios da ESN na tomada de decisões dos ratos virtuais.
Observação: Apresentação: Híbrida