Diferencia entre revisiones de «Redes Neuronales»
De Cuba-Wiki
m (→Apuntes) |
|||
Línea 13: | Línea 13: | ||
'''Profesor:''' | '''Profesor:''' | ||
* Dr. Enrique | * Dr. Enrique Segura ''esegura'' (_at) ''dc.uba.ar'' | ||
= Programa de la materia = | = Programa de la materia = |
Revisión del 13:09 25 nov 2012
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
o Perceptrones o Backpropagation y otras estrategias de aprendizaje
- Aprendizaje no supervisado
o Modelo de Kohonen o Modelo de Fritzke o Aprendizaje Hebbiano no supervisado
- Memorias asociativas
o Modelo de Hopfield o Modelo ferromagnético o estocástico o 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
Prácticas (Dpto. de Computación)
Finales
TODO
Apuntes
- Mini-apunte teórico En la última sección se repasan algunos detalles importantes de cada arquitectura
Curiosidades
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