Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Redes Neuronales
FECHA DE ELABORACIN: 15 de marzo de 2001 UBICACIN SEMESTRE CARGA HORARIA Teor Prct Total ica CRDITOS ANTECEDENTE SERIACIN SUBSECUENTE
Reconocimiento de Patrones
- Inteligencia Artificial
OBJETIVOS 1. 2. 3. 4. 5. 6. 7. Introducir los conceptos bsicos y fundamentos de las redes neuronales, as como de las neuronas del cerebro humano. Discutir las ventajas y desventajas de la utilizacin de las redes neuronales. Plantear las diversas reas en donde se pueden aplicar los diferentes paradigmas de redes neuronales. Exponer el funcionamiento, as como las diversas arquitecturas de las redes neuronales. Estudiar diferentes modelos de redes neuronales con aprendizaje supervisado. Discutir diversos modelos de redes neuronales con aprendizaje no supervisado. Desarrollar proyectos relacionados con aplicaciones de las redes neuronales.
TITULO DE LA UNIDAD
TEMAS / SUBTEMAS / TPICOS 1.1 Panorama histrico 1.2 Definicin de red neuronal 1.3 Ventajas y desventajas de las redes neuronales
2. Aplicaciones de las redes neuronales 3. Fundamentos de las redes neuronales 3.1 El modelo biolgico 3.2 Elementos de una red neuronal artificial 3.3 Estructura de una red neuronal artificial 3.4 Complejidad de la interconexin de neuronales.
las
redes
4.1 Topologa de las redes neuronales 4.1.1 Redes monocapa 4.1.2 Redes multicapa 4.2 Mecanismos de aprendizaje 4.2.1 Redes con aprendizaje supervisado 4.2.2 Redes con aprendizaje no supervisado
TITULO DE LA UNIDAD
TEMAS / SUBTEMAS / TPICOS 4.3 Tipo de asociacin entre las informaciones de entrada y salida 4.3.1 Redes hetereoasociativas 4.3.2 Redes autoasociativas 4.4 Representacin de la informacin de entrada y salida 4.5 Caractersticas de los modelos de redes neuronales ms conocidas 5.1 El Perceptron 5.1.1 Regla de aprendizaje del Perceptron 5.1.2 Solucin al problema de la separabilidad lineal 5.2 Redes ADALINE y MADALINE 5.2.1 Aprendizaje de la red ADALINE 5.2.2 Aplicaciones 5.2.3 La red MADALINE 5.3 La red Backpropagation 5.3.1 Regla Delta generalizada 5.3.2 Estructura y aprendizaje de la red Backpropagation 5.3.3 Aplicaciones 6.1 El modelo de Hopfield 6.1.1 Arquitectura 6.1.2 Funcionamiento 6.1.3 Aprendizaje 6.1.4 Aplicaciones 6.2 Redes de Kohonen 6.2.1 Arquitectura 6.2.2 Funcionamiento 6.2.3 Aprendizaje 6.2.4 Aplicaciones 6.3 El modelo de resonancia adaptativa (ART) 6.3.1 Arquitectura de una red ART 6.3.2 Funcionamiento 6.3.3 Aprendizaje 6.3.4 Aplicaciones
FORMAS DE EVALUACIN
Exposiciones (investigaciones y de proyectos), Tareas, exmenes, proyectos finales (trabajos de implementacin).
BIBLIOGRAFA
1. 2. 3. 4. 5. 6. 7. Redes Neuronales Artificiales; Fundamentos, modelos y aplicaciones. Jos Hilera y Vctor Martnez, Alfaomega, ra-ma, 2000. An introduction to Neural Networks. Ben J. A. Krose and P. Patrick van der Smagt, http://www.robotic.dlr.de/Smagt/books/, 1996. Neural Networks: a comprehensive foundation. Simon Haykin, 1999. Artificial Neural Networks. Robert Schalkoff, Mc Graw Hill, 1997. Pattern Recognition using Neural Networks, Carl G. Looney, Oxford, 1997, U.S.A. Pattern Recognition and Neural Networks, Ripley, Cambridge University Press, 2000, U.K. Neural Netwoks; Theoretical Foundations and Analysis. Edited by Clifford Lau, IEEE Press, 1992.