Inicio >> Docencia >> Titulación >> Asignaturas/Cursos >> Presentación
           --

Computación Neuroborrosa (SIN DOCENCIA) (300196)


Presentación Grupos Recursos Bibliografía Exámenes Avisos

Objetivos de la asignatura

Objetivos específicos de la materia:
 Definir, conocer y delimitar los paradigmas de computación basados en Lógica Borrosa, en Redes Neuronales y en la combinación de ambos paradigmas. Comprender en qué tipo de problemas es aplicable, las ventajas e inconvenientes que plantea. Conocer y evaluar las herramientas de desarrollo disponibles.

Contenidos

Unidad Didáctica 1.    Teoría de conjuntos borrosos:     Motivaciones. Historia. Función de pertenencia.
Unidad Didáctica 2.     Definiciones y operaciones básicas: Unión. Intersección. Cardinalidad. Relaciones. Implicaciones. T-normas y T-conormas.
Unidad Didáctica 3.     Extensión a la lógica:     Semántica. Interpretación de valores de verdad. Variables lingüisticas.
Unidad Didáctica 4.     Algoritmo básico de inferencia borrosa: Emborronado. Paso a forma canónica. Cáculo de antecedentes. Cálculo de consecuentes. Operaciones de aclarado.
Unidad Didáctica 5.     Aplicaciones:     Control de calderas. Diagnóstico médico.
Unidad Didáctica 6- Introducción a las Redes Neuronales. Motivaciones: Planteamiento inicial. Dicotomía simbólico-conexionista. Motivaciones biológicas. Representación del conocimiento.
Unidad Didáctica 7.- Definiciones. Modelos. Historia: La retina artificial de Quinn-McCluskey. Modelos de neuronas artificiales. Perspectiva histórica.
Unidad Didáctica 8.- Arquitecturas de redes: Estructura en capas. Flujos de información. Taxonomías.
Unidad Didáctica 9.- Aprendizaje: paradigmas, reglas, algoritmos: Concepto de aprendizaje. Paradigmas. Problemas computacionales. Teorema de Kolmogorov.
Unidad Didáctica 10.- El perceptrón simple. El perceptrón multicapa: Aprendizaje supervisado. Adaline. Perceptrón de Widrow-Hopf. Perceptrón multicapa. Retropropagación.
Unidad Didáctica 11.- Redes auto-organizadas: Aprendizaje competitivo.Mapa autoorganizado. SOM. LVQ
Unidad Didáctica 12.- Redes recurrentes y jerárquicas: Concepto de recurrencia. Nuevas funcionalidades. Problemas de aprendizaje. Redes parcialmente recurrentes.
Unidad Didáctica 13.- Funciones de base radial: Fundamento teórico. Aprendizaje. Propiedades de generalización.
Unidad Didáctica 14.- Implementaciones: software, hardware: Neurocomputadores. Neurochips. Software de emulación: comercial, libre.
Unidad Didáctica 15.- Aplicaciones: Reconocimiento de patrones. Clustering.

Evaluación

Sistema de evaluación:

  • Asistencia a clase: se exigirá un mínimo de 80% .
  • Presentación del trabajo: se valorará la precisión, capacidad de comunicación y espíritu crítico y constructivo. En la nota final tendrá un peso de 0.8
  • Interacción en las clases teóricas. En la nota final tendrá un peso de 0.2
  • No está prevista ninguna forma de evaluación alternativa (entrega de trabajos, etc.).
Profesorado
Luis Alonso Romero
Correo electrónico
Angélica González Arrieta
Correo electrónico
Otros datos

Créditos: 3.0 (1.5 T + 1.5 P) , Anual , Obligatoria , Número de grupos de teoría: 1 , Número de grupos de práctica: 1

Máster Universitario en Sistemas Inteligentes (Plan 2006) Módulo Fundamental

Áreas de Conocimiento
Ciencia de la Computación e Inteligencia Artificial
---
Identificarse Certificado raíz de la autoridad de certificación Accesibilidad
Idioma inglés
Advertencia sobre la información contenida en esta aplicación Web
© 2017 Departamento de Informática y Automática - Universidad de Salamanca
Webmaster: Correo electrónico
Versión Móvil
[Contenido semántico de esta página]
Cliente de mensajería instantánea para usuarios de Diaweb Acerca de