Diferencia entre revisiones de «Redes Neuronales»
De Cuba-Wiki
Línea 32: | Línea 32: | ||
== Contenidos == | == 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) == | == Prácticas (Dpto. de Computación) == | ||
== Finales == | == Finales == |
Revisión del 04:33 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 Seguraes egura(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
TODO
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