Este curso da una visión global de las redes neuronales artificiales y sus aplicaciones.
Se suponen conocimientos previos de análisis multivariable, algebra lineal, probabilidad y resolución de ecuaciones diferenciales.
Los alumnos que cursan la asignatura adquieren los conocimientos y desarrollan las habilidades que se describen a continuación. Debe considerarse que esta es una asignatura `científica´.
1. Conocimientos generales básicos sobre el área de estudio.
2. Adquirir capacidad de análisis sobre problemas concretos y síntesis de los conocimientos adquiridos.
3. Resolución de problemas concretos.
4. Comunicación oral y escrita en inglés.
5. Capacidad de aplicar los conocimientos adquiridos a un problema práctico.
6. Capacidad de aprender y completar los conocimientos impartidos.
7. Habilidad para trabajar de forma autónoma.
8. Habilidades de investigación
1. Introducción
2. Dinámica de las redes neuronales
3. Capacidad de representación de una red neuronal
4. Memorias asociativas
5. Aprendizaje supervisado
6. Aprendizaje no supervisado
7. Reinforcement Learning
8. Máquinas de Boltzmann
9. Cellular Neural Networks
El aprendizaje en la asignatura se basa en clases magistrales donde se imparten los fundamentos teóricos de la materia y se realizan ejemplos.
Con esta base, los alumnos deben realizar un trabajo de investigación original empleando las técnicas descritas en clase. Dicho trabajo presenta en forma de artículo de congreso y es objeto de presentación pública.
Los métodos empleados en la evaluación son:
J. Participación en clase.
M. Otros: elaboración de un trabajo de investigación original y su presentación en forma de artículo de congreso.
La nota se otorga a partir de la participación en clase y de la calidad del artículo presentado, que es revisado por el professor y los compañeros de clase. Se valora,
- La originalidad y rigor del trabajo.
- La calidad del artículo escrito y su presentación pública.
- La calidad de la revisión del trabajo de los compañeros.
El método M permite evaluar simultaniamente todos los objetivos propuestos.
J.Hertz, A.Kroght, R.G.Palmer, Introduction to the theory of neural computation, Addison Wesley, 1991.
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.