Redes Neuronales

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

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

• 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

Inspiración biológica de las RNA

• Modelo de McCulloch-Pitts
• Regla de Hebb

Aprendizaje supervisado

• 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

• 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

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

Finales

Desde 2020 suelen ser orales y virtuales.

Apuntes

• Mini-apunte teórico En la última sección se repasan algunos detalles importantes de cada arquitectura
• Apuntes de las teóricas + TPs (1C 2023)

Curiosidades

Detección de tanques

Bibliografía Recomendada

• 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

• SOM Toolbox (modificado por la cátedra)
• Apunte de SOMToolbox