Cb95044 Redes neuronales
Departamento académico:Computación Básica
Unidades:3 0 8
Requisito:
Semestre y carrera:
Equivalencia:ninguna
Objetivo general de la materia:Conocer algunos de los diferentes modelos de redes neuronales y su aplicación
Temas y subtemas del curso:1. Conceptos Fundamentales
2. Algoritmos de Aprendizaje
3. Perceptron
4. BackPropagation
5. Redes Asociativas
6. Función de Base-Radial
7. Máquinas de Vectores de Apoyo
8. Mapas Auto-Organizados

Objetivos específicos de aprendizaje:1. Conceptos Fundamentales Entender los fundamentos biológicos y matemáticos de las redes
neuronales.
2. Algoritmos de Aprendizaje
Analizar los diferentes modelos de aprendizaje en los modelos de redes neuronales.
3. Perceptron
Evaluar y Aplicar el modelo del Perceptron en la solución de problemas de reconocimientos de patrones.
4. BackPropagation
Evaluar y Aplicar los diferentes modelos de Backpropagation en la
solución de problemas de reconocimientos de patrones, predicción y optimización.
5. Redes Asociativas
Conocer los mecanismos de memoria asociativa y su aplicación a sistemas de cómputo.
6. Función de Base-Radial
Entender las bases matemáticas de este tipo de modelos y su aplicación.
7. Máquinas de Vectores de Apoyo
Implementar este modelo de algoritmos de aprendizaje y aplicar en la solución de problemas.
8. Mapas Auto-Organizados
Conocer los algoritmos SOM y LVQ y su aplicación al reconocimiento de formas.

Metodología de enseñanza:ñanza
Tiempo estimado de cada tema:Tema 1. 6 Horas
Tema 2. 6 Horas
Tema 3. 6 Horas
Tema 4. 6 Horas
Tema 5. 6 Horas
Tema 6. 6 Horas
Tema 7. 6 Horas
Tema 8. 6 Horas

Políticas de evaluacion sugeridas:EXAMENES PARCIALES 50%
EXAMENES RAPIDOS 10%
TAREAS 20%
PROYECTO FINAL 20%
Libro de texto1:Haykin, S. (1999). Neural Networks, a comprehensive foundation, 2nd. Ed. Upper Saddle River, NJ: Prentice Hall.
Schalkoff (1997). Artificial Neural Networks. New York, NY: McGraw-Hill.

Libro de texto2:Libro de Texto 2

Libro de texto3:Libro de Texto 3

Libro de consulta:NO OBLIGATORIO

Anderson, J. A. & Rosenfeld, E. (1988). Neurocomputing, foundations of research. Cambridge, MA: MIT Press.
Hecht-Nielsen, R. (1990). Neurocomputing. Reading, MA: Addison-Wesley. Hertz, J., Krogh, A., & Palmer, R. G. (1991). Introduction to the theory of neural computation. Redwood City, CA: Addison-Wesley.
\0Material de apoyo:NO OBLIGATORIO
PAGINAS WEB DE CONSULTA

http://www.cnbc.cmu.edu/

Perfil del Profesor:Profesor con estudios de maestría o doctorado y
carrera en sistemas computacionales, ingeniería eléctrica o electrónica,
física o matemáticas.
En ambos casos con experiencia en diseño, implementación y/o aplicación
de
algún modelo de redes neuronales.

Fecha de la última actualización: 31 de octubre de 2003(M)