GUÍA DOCENTE ASIGNATURAS 2003-2004 - Facultade de ...

4. Perceptron multicapa. Estructura y aprendizaje. Consideraciones prácticas:
funciones de transferencia, control de convergencia. Incremento de la velocidad
de aprendizaje. Aplicaciones.
5. Redes autoorganizativas I. Introducción. Regla de Hebb. Estructuras
competitivas, características. Mapas topológicos autoorganizativos (SOM).
Mecanismos que favorecen la autoorganización. Consideraciones al trabajar con
los SOM. Propiedades de los SOM. Ejemplos de actuación de los SOM.
Clasificador de mapa de características. LVQ. Crecimiento de redes.
Crecimiento de estructuras de células. Gas neuronal creciente.
6. Redes autoorganizativas II. Red de contrapropagación. Entrenamiento de la
CNP. Teoría de la Resonancia Adaptativa. ART1. ART2.
7. Red de Hopfield. Función de energía.
Parte II.
1. Sistemas conexionistas: evolución histórica. Precursores. Nacimiento de las
Redes de Neuronas Artificiales.
2. Fundamentos biológicos de los sistemas conexionistas. Neurología.
Neurobiología. Neuroanatomía: sistema nervioso de una sola neurona e
identificación de circuitos neuronales. Neurofisiología: la neurona;
neurotransmisión; sinapsis. Neuropsicología: adquisición y organización
cerebral de los conocimientos; caracteres del "engrama" específico o
metacircuito; metacircuitos primarios y secundarios; metaestructura;
aprendizaje.
3. Modelos. Introducción. Comparación entre el elemento biológico y el formal.
4. Metodología en Redes de Neuronas Artificiales. Introducción. Etapas de la
metodología: identificación del problema; estudio bibliográfico; adecuación-
justificación del uso de la RNA; desarrollo-construcción de la RNA; análisis de
las herramientas disponibles en el mercado y selección de las más adecuadas
(HW y SW); construcción de la RNA; preparación de los datos; construcción de
los conjuntos de prueba y entrenamiento; entrenamiento de la red; chequeo de
resultados; análisis de los resultados; ajuste de parámetros; validación del
sistema; transferencia tecnológica.
5. Sistemas híbridos. Modelos de integración. Algunos ejemplos de sistemas
híbridos (SH): RNA y sistemas expertos; RNA-BD-BRD (bases de datos - DB
relacionales); RNA y algoritmos genéticos.
6. Aplicaciones básicas de los sistemas conexionistas. Consideraciones a la
aplicación de sistemas conexionistas. Aplicaciones RNA. Hardware
conexionista.
128