Departamento de Informática

 

Redes Neuronales Artificiales
Área: Ciencia de la Computación e Inteligencia Artificial 
Titulación: 3er Ciclo. Programa de Doctorado de INFORMÁTICA. 
Carga: 3 créditos.

 
 Profesor: Teodoro Calonge Cano
Objetivos
  • Introducción a paradigmas de computación alternativos: modelo neuronal
  • Modos de funcionamiento: aprendizaje y recuperación
  • Aplicación al reconocimiento de patrones estáticos y dinámicos
  • Utilización en aplicaciones reales en conjunción con otras técnicas
  • Realización de programas para su simulación
Temario de la asignatura 
  1. Neurocomputación
    • Introducción
    • Modelo biológico
    • Breve reseña histórica
    • Modelo de McCulloch-Pitts
    • Arquitectura
    • Aprendizaje y recuperación
    • Aplicaciones reales
  2. Perceptrón y Adaline. 
    • Definición y funcionamiento
    • Interpretación geométrica
    • Aprendizaje del Perceptrón: Regla de Hebb
    • Teorema de convergencia del perceptrón
    • Aprendizaje del Adaline: Regla Delta
    • Problema del XOR
  3. Perceptrón Multicapa
    • Arquitectura y funcionamiento
    • Algoritmo de retropropagación del error
    • Aplicación al reconocimiento de patrones estáticos
    • Aproximación funcional
  4. Mapas Autoorganizados
    • Arquitectura y funcionamiento
    • Algoritmo de aprendizaje
    • Aplicación al reconocimiento de patrones estáticos
    • Montaje híbrido con el perceptrón multicapa
    • Cuantización vectorial supervisada
  5. Redes de Funciones de Base Radial
    • Arquitectura y funcionamiento
    • Algoritmo de aprendizaje
    • Aplicación al reconocimiento de patrones estáticos
    • Aproximación funcional
  6. Redes Recurrentes
    • Redes parcialmente recurrentes: Elman y Jordan
    • Clasificación y predicción de series temporales
    • Retropropagación a través del tiempo
    • Retropropagación a través del tiempo en tiempo real
  7. Prácticas
Bibliografía
  • "Redes Neuronales y Sistemas Borrosos", B. Martín del Brío y A. Sanz Molina. Ed. Ra-Ma, 1997.
  • "Neural Networks for Pattern Recognition", Christopher M. Bishop Ed. Oxford University Press, 2000.
  • "Neural Networks : A Comprehensive Foundation", Simon Haykin, Ed. Prentice Hall, 1999 (Second edition)
  • "An Introduction to Neural Networks", Ben J.A. Kröse & P.Patrick van der Smagt.  University of Amsterdam, Faculty of Mathematics & Computer Science (The Netherlands). Eighth Edition, November 1996.
Calendario

  •  

    9 a 12 de febrero de 19h. a 22h.
    16 a 19 de febrero de 18.30 a 21.30h.
    23 a 26 de febrero de 18.30h a 21.30h.

     
Prácticas
  • Simulación de redes neuronales artificiales dedicadas fundamentalmente al reconocimiento de patrones.

     

    Prototipo para la simulación de un perceptrón multicapa (MLP), mapa autoorganizado (SOM) y red de base radial (RBF). Se precisa, al menos, Windows95 para su ejecución.
    SimRna.zip(618Kb)
Tutorías
  • Según horario de tutorías expuesto en el tablón de anuncios. 
  • Solicitud de día y hora mediante correo electrónico:
teodoro@infor.uva.es
Evaluación
  • Se realizará un examen escrito sobre los contenidos teóricos y prácticos del curso cada convocatoria: 

Ordinaria:  jueves 18 de marzo de 2004 a las 12.30h. en el aula 07.
Datos de esta página
    URL de esta página: http://www.infor.uva.es/~teodoro/RedesNeuronales.html
    Actualizado el miércoles, 10 de noviembre de 2004