Sistemas Conexionistas
Objetivos y Temario

La asignatura de Sistemas Conexionistas se imparte en el 2º Curso en las Titulaciones de Ingeniero Informática y en la de Ingeniero Técnico de Sistemas en la Facultad de Informática de la Universidad de A Coruña.

Esta asignatura tiene como objetivos principales el dar una visión general y básica de lo que suponen los sistemas conexionistas al considerarlos como una herramienta computacional alternativa a los sistemas simbólicos. Bien en cierto que al estar situada en el 2º Curso de la titulación, el alumno no posee una amplia visión de lo que es la Inteligencia Artificial y por tanto no dispone de conocimientos para poder discernir entre las diferentes metodologías existentes en dicha disciplina. Esta situación supone una limitación que se debe considerar por un lado, al diseñar los contenidos de la asignatura y por otro, al establecer el objetivo general de la misma. Así, el objetivo final de la asignatura es:

Proporcional al alumno de unos conocimientos básicos en el ámbito de la computación neuronal tal que permitan al alumno considerar los diferentes modelos neuronales como herramientas computacionales alternativas que se pueden utilizar para resolver diferentes tipos de problemas.

A la hora de diseñar los contenidos de la asignatura se tendrá en cuenta la limitación antes explicada y a la hora de abordar los diferentes modelos neuronales (asociados a la resolución de diferentes tipos de problemas) se profundizará en la comprensión de los mismos a nivel conceptual, profundizando poco en las bases matemáticas que los sustentan. Una parte muy importante para la comprensión de los modelos neuronales serán las prácticas, en donde el alumno verá el funcionamiento del modelo a la hora de resolver problemas reales y donde comprenderá muchos de los conceptos explicados pero que hasta el momento son para el alumno bastante abstractos.

 

Los apuntes de la asignatura (ficheros pdf, asociados a cada tema) se pueden conseguir en el enlace (Curso On Line) asociado a esta asignatura.

El desarrollo de la asignatura y la metodología utilizada en su evaluación se expone en detalle en " Normas Asignatura ".

 

 

Temario

Conceptos Básicos

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

Aprendizaje y Entrenamiento

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

Adaline y Perceptron

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

Perceptron Multicapa

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

Redes Autoorganizativas

  1. Introducción
  2. Estructuras Competitivas
    • Características
  3. 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

Crecimiento de Redes

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

Redes Autoorganizativas II

  1. Red de Contrapropagación
    • Entrenamiento de la CNP
  2. Redes de Base Radial
    • Características
    • Funciones de Base Radial
    • Característica de localidad
    • Tipos de entranamiento
  3. Teoría de la Resonancia Adaptiva
    • ART1
    • ART2

Red de Hopfield (Memoria AutoAsociativa)

  1. Función de Energía