Redes Neuronales

De Cuba-Wiki

Esta materia es de caracter optativo y de duración cuatrimestral. Se dicta los primeros cuatrimestres de cada año. Es correlativas con Probabilidades y Estadística.


Información General sobre la Cursada[editar]

Cursada:

  • Dos días de cursada por semana. Teórica y Práctica.


Criterios de aprobación:

  • Entrega de 3 Trabájos Prácticos aprobatorios.
  • Final, en general oral.

Profesor:

  • Dr. Enrique Segura esegura (_at) dc.uba.ar

Programa de la materia[editar]

  • Inspiración biológica de las RNA
  • Aprendizaje supervisado
    • Perceptrones
    • Backpropagation y otras estrategias de aprendizaje
  • Aprendizaje no supervisado
    • Modelo de Kohonen
    • Modelo de Fritzke
    • Aprendizaje Hebbiano no supervisado
  • Memorias asociativas
    • Modelo de Hopfield
    • Modelo ferromagnético o estocástico
    • Otras variantes del modelo de Hopfield: continuo, pseudoinversa, BAM
  • Modelo Radial Basis Functions

Contenidos[editar]

Inspiración biológica de las RNA[editar]

  • Modelo de McCulloch-Pitts
  • Regla de Hebb


Aprendizaje supervisado[editar]

  • Perceptrón simple: unidades umbral, unidades lineales, unidades no lineales
  • Regla delta
  • Perceptrón multicapa
  • Backpropagation: asincrónico, sincrónico; mejoras (momento, parámetros adaptativos, y otras)
  • Aplicaciones


Aprendizaje no supervisado[editar]

  • Aprendizaje Hebbiano no supervisado
    • Análisis de Componentes Principales (PCA)
    • Regla de Oja
    • Regla de Sanger (Aprendizaje Hebbiano Generalizado)
  • Aprendizaje Competitivo no supervisado
    • Mapas Autoorganizados de Kohonen
  • Aplicaciones


Memorias asociativas[editar]

  • Modelo de Hopfield
  • Función de energía
  • Extensiones
    • Estocástica
    • Continua
  • Estabilidad

Prácticas (Dpto. de Computación)[editar]

Finales[editar]

Desde 2020 suelen ser orales y virtuales.

Apuntes[editar]

Curiosidades[editar]

Detección de tanques

Bibliografía Recomendada[editar]

  • John Hertz, Anders Krogh, & Richard Palmer. Introduction to the theory of neural computation, Addison-Wesley, 1991
  • Simon Haykin. Neural Networks - A Comprehensive Foundation (2E), Pearson Prentice Hall, 1998

Enlaces externos[editar]