UNIVERSIDAD SIMÓN BOLÍVAR
DIVISIÓN DE FÍSICA Y MATEMÁTICAS
DEPARTAMENTO DE COMPUTACIÓN Y
TECNOLOGÍA DE LA INFORMACIÓN
VALLE DE SARTENEJAS

CÓDIGO:	CI5439
ASIGNATURA:	Aprendizaje en Redes Neurales Naturales y Artificiales

HORAS/SEMANAS:

T.4

P.0

L.0

FECHA:

Sep-Dic 2003

1. Objetivos Generales

• Introducir al estudiante a las redes neurales biológicas y artificiales.

• Que el estudiante esté en capacidad de analizar e implementar modelos básicos de redes neurales y utilizarlos para resolver problemas.

2. Objetivos Específicos:

Al término del curso se espera que los estudiantes hayan alcanzado los siguientes objetivos:

• Conocer las funciones y anatomía básicas del sistema nervioso, así como los tipos de aprendizajes que ocurren en los seres vivos.

• Entender el funcionamiento, inspiración biológica y detalles de implementación de diversas redes neurales artificiales.

• Realizar documentaciones técnicas de los sistemas implementados, así como de las pruebas realizadas y los resultados obtenidos.

3. Contenido Detallado Teoría:

• Introducción a las redes neurales. Interrelación con la Inteligencia Artificial.  sistema nervioso: regiones y funciones. Tipos de células, modelo de la neurona, sinapses, potencial de accion (2 horas).
• Memoria y Clasificación de patrones. La neurona McCulloch-Pitts. La regla de Hebb. El Perceptron. Aspectos del modelo de McCulloch-Pitts.  Condiciones de funcionamiento, visión geométrica, separabilidad lineal. (4 horas)
• El Adaline.  Función de costos para el Adaline.  Aprendizaje por descenso de gradiente.  Convergencia del descenso de gradiente (4 horas).
  
• Redes a capas. perceptrones Multicapa. Aspectos y limitaciones de las redes a capas.  El Algoritmo de Backpropagation. Variantes. Aplicaciones (4 horas).
• Selección de arquitecturas en redes a capas. Representación de la data.  Capacidad de generalización (4 horas). 
• Funciones de base radial (4 horas). 
  
• Aprendizaje no supervisado.Mapas Autoorganizados. Vecinos más cercanos (4 horas).
• Aprendizaje Hebbiano no supervisado.Aprendizaje no supervisadocompetitivo  (4 horas)..
• Gas neural.  (4 horas).
• Modelos de memorias asociativas y autoasociativas.  Capacidad de almacenamiento (4 horas).
  

4. Bibliografía:

• B. Muller y Reinhardt (1990): Neural Networks An Introduction.  Springer-Verlag, Berlin.
• J. Hertz, A. Krogh y R.G. Palmer (1991): Introduction to the Theory of Neural Computation. Addison-Wesley, Redwood City, CA.
  
• Haykin, S. (1999): Neural Networks: A comprehensive foundation. Second Edition. Prentice Hall.