Home

Redes Neuronales Artificiales
Redes Neuronales Artificiales

Objetivo:

Conocer, entender y aplicar algunos modelos clásicos de Redes Neuronales Artificiales (RNA) para la resolución de problemas y descubrir la estrecha relación entre la neurobiología, la probabilidad, la estadística y la computación para la resolución de problemas modelando las RNA inspiradas en el sistema nervioso.

Contenido:

  1. Introducción.

  2. RNA tipo perceptrón.
    • Problema del filtrado adaptativo.
    • Filtros y algoritmos por mínimos cuadrados
    • El perceptrón y su regla de aprendizaje.
    • Algoritmo de retropropagación.
    • Generalización del algoritmo de retropropagación
    • El perceptrón multinivel y su regla de aprendizaje.

  3. Memorias asociativas.
    • Noción de sistemas dinámicos.
    • Atractores.
    • Modelo Hopfield.
    • Modelo BAM.
    • Modelo de las máquinas de Boltzmann.

  4. RNA recurrentes y RNA híbridas.
    • Arquitecturas de red recurrente.
    • Mapas auto-organizados.
    • Arquitecturas híbridas.

  5. Aplicaciones.
    • En visión.
    • En control.
    • En tratamiento de señales.
    • En la toma de decisiones.

  6. Líneas abiertas de investigación en RNA.
    • Aprendizaje neuro-conjugado.
    • Programación neurodinámica.
    • RNA binarias.
    • RNA difusas.

  7. Introducción al conexionismo neuromimético.
    • La bio-inspiración en la neurocomputación.
    • Localidad y distribución.
    • Modularidad y escalabilidad.
    • Conexionismo bio-inspirado.

Bibliografía:

  1. Libro de Texto: Haykin S., Neural Networks: A Comprehensive Foundation, Hardcover: 842 pages Publisher: Prentice Hall; 2nd edition (July 6, 1998) ISBN: 0132733501.

  2. Libros complementarios
    • Madan M. Gupta, Liang Jin, Noriyasu Homma, Static and Dynamic Neural Networks: From Fundamentals to Advanced Theory, Hardcover: 700 pages Publisher: Wiley-IEEE Press; 1
      edition (April 1, 2003) ISBN: 0471219487.
    • Raul Rojas, J. Feldman, Neural Networks: A Systematic Introduction, Paperback: 502 pages Publisher: Springer; 1 edition (July 12,1996) ISBN: 3540605053.

  3. Para Profundizar
    • Peter Dayan, L. F. Abbott, Theoretical Neuroscience: Computational and Mathematical Modeling of Neural Systems, Hardcover: 576 pages Publisher: The MIT Press; 1st edition (December 1, 2001) ISBN: 0262041995.
    • C. Bishop, Neural Networks for Pattern Recognition, 504 pages, Oxford University Press, USA (January 18, 1996) ISBN: 0198538642.
    • Carl G. Looney, Pattern Recognition using Neural Networks: Theory and Algorithms for Engineers and Scientists, 458 pages, Oxford University Press 1997, ISBN: 0-19-507920-5
    • Abhijit S. Pandya, Robert B. Macy, Pattern Recognition with Neural Networks in C++, 432 pages, CRC (October 17, 1995) ISBN: 0849394627

  4. Aplicaciones
    • Julian Dorrado, Juan Ramón Rabunal, Artificial Neural Networks in Real-Life Applications, Paperback: 375 pages Publisher: Idea Group Publishing (November 18, 2005) ISBN:
      1591409039.
    • Lakhmi C. Jain (Editor), N.M. Martin, Fusion of Neural Networks, Fuzzy Systems and Genetic Algorithms: Industrial Applications, Hardcover: 368 pages Publisher: CRC (November
      17, 1998) ISBN: 0849398045.
    • Castellanos Sánchez, Claudio, Modelo conexionista neuromimético para la percepción visual embarcada del movimiento, Tesis de Doctorado, Universidad Henri Poincaré, Nancy, Francia, 2005.
    • Castellanos Sánchez, Claudio, Análisis Experimental con las Memorias Asociativas Morfológicas, 102 páginas, Tesis de Maestría, BUAP-FCC, Puebla, México, 2000.
    • Castellanos Sánchez, Claudio, Aplicación del perceptrón multinivel al reconocimiento de patrones, 95 páginas, Tesis de Licenciatura, BUAP-FCC, Puebla, México, 1998.
  • share