REDES NEURONALES

1. Introducción
2. Elemento General de Procesamiento
3. Arquitecturas

1. Aprendizaje Automático
2. Tipos y Modos de Aprendizaje
   • Aprendizaje Supervisado
   • Aprendizaje Sin Supervisado

Adaline y Perceptron(Tema3.pdf)

1. Adaline
   • Cálculo de Pesos: Regla Delta
   • Aplicaciones
2. Perceptron

Perceptron Multicapa(Tema4.pdf)

1. Estructura y Aprendizaje
2. Consideraciones Prácticas
   • Funciones de Transferencia
   • Control de Convergencia
3. Incremento de la Velocidad de Aprendizaje
4. Aplicaciones

Redes Autoorganizativas(Tema5.pdf)

1. Introducción
2. Regla de Hebb
3. Estructuras Competitivas
   • Características
4. Mapas Topológicos Autoorganizativos (SOM)
   • Mecanismos que favorecen la autoorganización
   • Consideraciones al trabajar con los SOM
   • Propiedades de los SOMs
   • Ejemplos de Actuación de los SOMs
   • Clasificador de Mapa de Características. LVQ

Redes de Base Radial(Tema5-6.pdf)

1. Funciones de Base Radial
2. Arquitectura de una RBF
3. Aprendizaje
4. MLP frente a RBF

Crecimiento de Redes

1. Crecimiento de Estructuras de Células
2. Gas Neuronal Creciente

Redes Autoorganizativas II(Tema6.pdf)

1. Red de Contrapropagación
   • Entrenamiento de la CNP
2. Teoría de la Resonancia Adaptiva
   • ART1
   • ART2

Red de Hopfield (Memoria AutoAsociativa)

1. Función de Energía

LIBRO REFERENCIADO: "Redes de Neuronas Artificiales. Un Enfoque Práctico".Pedro Isasi Viñuela e Inés M. Galván León (edts). Prentice Hall. 2004