---

Área de concentração: 55134 - Ciências de Computação e Matemática Computacional

Criação: 07/12/2023

Nº de créditos: 12

Carga horária:

Teórica Por semana	Prática Por semana	Estudos Por semana	Duração	Total
4	0	8	15 Semanas	180 Horas

Docentes responsáveis:

João Luis Garcia Rosa

Objetivos:

Apresentar os conceitos básicos de Interfaces Cérebro-Computador.
Analisar o comportamento destes modelos, as suas capacidades e limitações fundamentais.

Justificativa:

Diversas técnicas de computação têm sido propostas inspiradas na neurociência. Estas técnicas têm
sido aplicadas com sucesso para a solução de um grande número de problemas práticos. Este sucesso
tem incentivado o desenvolvimento teórico e prático deste campo da neurociência computacional.

Conteúdo:

Neurociência básica: Neurônios, Dendritos e axônios, Sinapses, Populações de neurônios, Modelo de
Hodgkin-Huxley, Potencial de ação, Plasticidade sináptica. Neurodinâmica determinística: Espaço de
estados, Estabilidade, Atratores. Populações de neurônios: Conjuntos-K de Freeman. Registro e
estimulação da atividade do cérebro: Gravando o cérebro, Técnicas invasivas, Técnicas não invasivas;
estimulando o cérebro: técnicas Invasivas e não invasivas; Gravação e estimulação; EEG: História,
Gravações, Artefatos, EP, ERP, Análise. Processamento de sinais: Análise no domínio da frequência,
Análise wavelet, Análise no domínio do tempo, Filtragem espacial, Técnicas de redução de artefatos.
Aprendizado de máquina para BCI: Técnicas de classificação e regressão, Aplicações. Tipos de BCI:
Invasivas, Semi-invasivas, não-invasivas. Aplicações e ética.

Forma de avaliação:

3 seminários: S1, S2 e S3.
AS = Média das notas do seminário
Nota final
Se (8,5 ≤ AS ≤ 10,0): nota final A
Se (7,0 &#8804; AS < 8,5): nota final B
Se (5,0 &#8804; AS < 7,0): nota final C

Observação:

O curso é oferecido em inglês.

Bibliografia:

Bibliografia fundamental
W. J. Freeman and R. Quian-Quiroga, Imaging Brain Function With EEG - Advanced Temporal and Spatial
Analysis of Electroencephalographic Signals. Springer, 2013.
R. P. N. Rao, Brain-Computer Interfacing - An Introduction, Cambridge University Press, 2013.

Bibiografia complementar
S. Haykin, Neural Networks and Learning Machines. 3rd. Ed. Pearson, 2009.
E. M. Izhikevich, Dynamical Systems in Neuroscience: The Geometry of Excitability and Bursting, The MIT
Press, 2007.
E. R. Kandel, J. H. Schwartz, T. M. Jessell, Principles of Neural Science, Fourth Edition, McGraw-Hill,
2000.
M. A. Arbib (Ed.), The Handbook of Brain Theory and Neural Networks, 2nd. edition, A Bradford Book. The
MIT Press, 2003.