Descripció
El curs dona una visió global de les xarxes neuronals artificials i les seves aplicacions.
Tipus assignatura
Optativa
Semestre
Segon
Crèdits
5.00
Coneixements previs

S´assumeixen coneixements previs d´anàlisi multivariable, algebra lineal, probabilitat i resolució d´equacions diferencials.

Objectius

Els alumnes que cursen l´assignatura adquireixen els coneixements i desenvolupen les habilitats que s´indiquen a continuació. Recordem que aquesta és una assignatura `científica´.
1. Coneixements generals bàsics sobre l´àrea d´estudi
2. Adquirir capacitat d´anàlisi en problemes concrets i síntesi dels coneixements adquirits.
3. Resoldre problemes concrets.
4. Comunicació oral i escrita en anglès.
5. Capacitat d´aplicar els coneixements en un problema pràctic.
6. Capacitat d´aprendre i completar els coneixements impartits.
7. Habilitat per treballar de forma autònoma.
8. Habilitats d´investigació.

Continguts

1. Introducció.
2. Dinàmica de les Xarxes Neuronals
3. Capacitat de representació d´una Xarxa Neuronal
4. Memòries Associatives
5. Aprenentatge Supervisat
6. Aprenentatge no Supervisat
7. Reinforcement Learning
8. Màquines de Boltzmann
9. Cellular Neural Networks

Metodologia

La base de l´aprenentatge a l´assignatura es fa a través de classes magistrals on s´expliquen els fonaments teòrics del temari i es realitzen exemples.

A partir d´aquí, els estudiants han de realitzar un treball de recerca original emprant les tècniques descrites a classe. Aquest treball s´escriu en forma d´article de congrés i ha de ser presentat públicament.

Avaluació

Els mètodes emprats per avaluar són:

J. Participació a classe
M. Altres : elaboració d´un treball de recerca i la seva presentació en forma d´article de congrés.

La nota es dona a partir de la participació a classe i la qualitat de l´article presentat que es revisat pel professor i pels companys. Es tindrà en compte,
- l´originalitat i rigor del treball.
- la qualitat de l´article escrit i la seva presentació pública,
- la qualitat de la revisió dels articles dels companys.

Criteris avaluació

El mètode M permet d´avaluar simultàniament tots els objectius proposats.

Bibliografia bàsica

J.Hertz, A.Kroght, R.G.Palmer, Introduction to the theory of neural computation, Addison Wesley, 1991.

Material complementari

1. C.T.Lin, C.S.G.Lee, Neural Fuzzy Systems , Prentice-Hall, 1996.
2. M.H.Hassoun, Fundamentals of Artificial Neural Networks , a Bradford Book - MIT Press, 1995.
3. J.A.Freeman, D.M.Skapura, Redes Neuronales Addison-Wesley / Diaz de Santos, 1993.
4. B.Kosko, Neural Networks and Fuzzy Systems , Prentice-Hall, 1992.
5. A.Hyvärinen, E.Oja, Independent Component Analysis: Algorithms and applications, Neural Networks. 2000 May-Jun;13(4-5):411-430.