logo UGR Departamento de Ciencias de la Computación e Inteligencia Artificial
Universidad de Granada
Escuela Técnica Superior de Ingenierías Informática y de Telecomunicación
c/. Daniel Saucedo Aranda, s/n 18071 Granada España
logo decsai

Ingeniería Informática

Neurocomputación (a extinguir)

Curso 2013/2014


Curso: 5º, Segundo Cuatrimestre

Créditos de Teoría: 0, Créditos de Prácticas: 0

PROGRAMA DE TEORÍA


1. Introducción a las Redes Neuronales Artificiales. Neurocomputación.

            1.1. Introducción.

            1.2. La neurona Biológica. Procesadores elementales.

            1.3. Redes Neuronales Artificiales (RNA). Fundamentos de RNA.

            1.4. Aprendizaje o Entrenamiento. Modelos de RNA.

            1.5. Neurocomputación.

            1.6. Complementos.



2. Redes hacia delante (feedforward). Algoritmo de Retropropagación de Errores

            2.1. El Perceptron. La regla d (delta).

            2.2. Redes multicapa de propagación hacia delante (feedforward)

2.3. Algoritmo de retropropagación de errores (Backpropagation)

2.4. Las RNA como aproximadores universales.

            2.5. Variantes y aplicaciones.

            2.6. Complementos.



3. Modelos con Aprendizaje Competitivo

            3.1. Aprendizaje Competitivo.

            3.2. Redes de Kohonen.

            3.3. Complementos



4. Redes Recurrentes

            4.1. Memorias Asociativas.

            4.2. Modelos de Hopfield

            4.3. La Máquina de Boltzmann.

            4.4. Complementos



5. Redes Neuronales basadas en Funciones de Base Radial

            5.1. Redes Neuronales Probabilísticas.

            5.2. Redes de Función-Base Radial

            5.3. Complementos



6. Otras Cuestiones sobre Redes Neuronales

            6.1. Otros modelos. Red de ContraPropagacion. Modelos ART

            6.2. Aprendizaje por refuerzo en Redes Neuronales

            6.3. Modelos de Computación Flexible.
PROGRAMA DE PRÁCTICAS
           Se usarán implementaciones de distintos modelos de RNA, de libre disposición o comerciales, como SNNS, Toolbox de MathLab, …

         Además, se realizarán actividades orientadas a la investigación como: Aplicación de algunos modelos a problemas reales y/o implementaciones (o modificaciones de) de algunos modelos.
BIBLIOGRAFÍA
BIBLIOGRAFÍA BÁSICA

  1. E. Aarts; J. Korts. Simulated Annealing and Boltzmann Machines. Wiley & Sons. 1988
  2. J.A. Freeman; D.M. Skapura. Redes Neuronales (Algoritmos, Aplicaciones, Programas). Add. WesleyDíaz Santos. 1991.
  3. J.R. Hilera; V. Martinez. Redes Neuronales Artificiales. Fundamentos, modelos y aplicaciones. Rama. 1995
  4. S. Haykin. Neural networks. A comprehensive foundation. Macmillan College Pub. Co. NY 94.
  5. T. Kohonen.. Self-Organization and Associative Memory. Springer-Verlag. 1984
  6. E. Sanchez-Sinencio; C. Lau. Artificial Neural Networks. Paradigms, applications, hardware and implementations. IEEE Press. 1992
  7. K.P. Simpson. Artificial Neural Systems. Foundations, Paradigms, Applications and Implementations. Pergamon Press. 1991
  8. P.H. Wasserman. Neural Computing. Theory and Practice. Van Nostrand. 1989
  9. P.H. Wasserman. Avanced Methods in Neural Computing. Van Nostrand. 1993


BIBLIOGRAFÍA COMPLEMENTARIA

  1. A. Berry. La Máquina Superinteligente. Alianza Editorial. 1983
  2. C.M. Bishop. Neural networks for pattern recognition. Clarendon Press, Oxford. 2003
  3. A. Cichocki; F. Unbehauen. Neural Networks for Optimization and Signal Processing. Wiley & Sons. 1994
  4. S.C. Kleene. Representation of events in nerve nets and finite automata. En Automata Studies (Shannon & McCarthy edts.. pp 3-42.) Princenton Univ. Press. 1956
  5. B. Kosko. Neural Networks and Fuzzy Systems. Prentice Hall. 1992.
  6. T. Masters. Practical Neural Networks Recipes in C++. Academic Press. 1993. 1996
  7. W. Mcculloch; W. Pitts. A logical calculus of the ideas inmanent in nervous activity. Bull. Mathematical Biophysics, 5. Pp 115-133. 1943.
  8. N. Metropolis; J. Howlett; G.C. Rota (edts). A History of Computing in the Twentieth Century. Academic Press. 1980.
  9. W.T. Miller; R.S. Sutton; P.J. Werbos. Neural Networks for Control. MIT Press. 1990
10. M. Pankaj ; W. Benjamin. Artificial Neural Networks. Concepts and Theory. IEEE Press. 92
11. A.F. Rocha. Neural Nets: A Theory fro Brains and Machines. Springer Verlag. 1992
12. R. Rojas. Neural Networks. A Systematic Introduction. Springer-Verlag. 1996
13. J. Skrypek ; W. Karplus. Neural Networks in Vision and Pattern Recognition. World Scient. 92
14. R.R. Trippi ; E. Turban. Neural Networks in Finance and Investing. Probus Pub. Comp.. 1992


        Otros Libros en Español en la Biblioteca de la UGR:

1. Aragón, Casado. Redes neuronales para optimizar simulaciones: análisis de ….. SPU Burgos.2002.
2. L. Boquete Vázquez - R. Barea Navarro. Control Neuronal. S. Public. Univ. de Alcalá, 1998
3. Graubard, S. R.. El nuevo debate sobre la inteligencia artificial : sistemas simbólicos y redes neuronales . Gedisa , 1993
4. Isasi, P. y Galván, I. M. Redes de Neuronas Artificiales: Un Enfoque Práctico. Ed. Pearson Ed. 04
5. Martín-del-Brío, Sanz-Molina. Redes Neuronales y Sistemas Borrosos. Ed RA-MA, Madrid, 2001.
6. Pérez-Delgado, M.L. y Martín, Q. Aplicaciones de las RNAa la Estadística. Ed La Muralla, 2003
7. R. Pino et al. Introducción a inteligencia artificial: sistemas expertos, redes neuronales, computación evolutiva. U. Oviedo, 01
8. Edgar Sánchez, Alma Y. Alanis. Redes Neuronales. Pearson-Prentice 2006. ISBN 8483222957

Otros Libros.

1. Neural Networks for Applied Sciences and Engineering. S. Samarasinghe. Auerbach P., 2006
2. Artificial Neural Networks in Real-Life Applications. J.R. Rabunal J. Dorado. Digital,PDF 2005
3. Intelligent Engineering Systems Through Artificial Neural Networks, Vol. 15 (Asme Press Series on Int. Eng. Sys. Through) by ANN in Engineering. ASME Press (2005) ISBN: 079180240X
4. Neural Networks by Gérard Dreyfus. Springer; 1 edition (September 2005) ISBN: 3540229809
5. Artificial Neural Networks: An Introduction (SPIE Tutorial Texts in Optical Engineering, Vol. TT68) by Kevin L. Priddy and Paul E. _ Publisher: SPIE- (2005) ISBN: 0819459879
6. Neural Networks, Fuzzy Logic and Genetic Algorithms by S. Rajashekaran, G.A. Vijayalksmi (2004). Prentice-Hall of India Pvt.Ltd (2004) _ ISBN: 8120321863
7. Neural Networks: Algorithms and Applications by M. A. Rao, J. Srinivas, and Ananda M. Rao Alpha Science International (July 1, 2003) ISBN: 1842651315
8. Static and Dynamic Neural Networks: From Fundamentals to Advanced Theory by Madan M. Gupta, Liang Jin, and Noriyasu Homma. Wiley-IEEE Press; 1ª ed.(2003) ISBN: 0471219487
9. Understanding 99 por ciento of Artificial Neural Networks: Introduction & Tricks by Marcelo Bosque Publisher: Writers Club Press (March 2002) ISBN: 0595219969
10. Neural Network Design by Martin T. Hagan, Howard B. Demuth, Mark H. Beale. Edit Martin Hagan (January 2002). ISBN: 0971732108



Algunos Enlaces Interesantes...

  http://ohm.utp.edu.co/neuronales/Referencias/Enlaces.htm )

    * Tutorial de RNA desarrollado en la UPM (España), bajo la dirección de Diego Andina. Explica distintos modelos y permite descargar un simulador de red tipo backpropagation.
      http://www.gc.ssr.upm.es/inves/neural/ann2/anntutor.htm
    * Aplicación en Java de una Red Neuronal para aproximar distintas funciones. http://neuron.eng.wayne.edu/bpFunctionApprox/bpFunctionApprox.html
    * Diversas aplicaciones reales de RN se describen con cierto detalle. http://electronica.com.mx/neural/aplicaciones/index.html
    * Una serie de programas y demos de aplicaciones con RN (en Inglés)

http://neuralnetworks.ai-depot.com/Programs.html

    * Introducción a las Redes Neuronales Artificiales. Desarrollado por Alfredo Catalina Gallego. http://www.gui.uva.es/login/login/13/redesn.html
MÉTODO DE EVALUACIÓN
         Se evalúan por separado la Teoría y las Prácticas y se suman las puntuaciones. Las Prácticas puntúan hasta 7 puntos, y la Teoría se evalúa, por trabajos expuestos en clase y/o un examen final, entre -1 (no hacer trabajo ni examen) y 3 puntos. Para aprobar la asignatura es indispensable tener aprobadas las prácticas (5 puntos). Se pueden hacer trabajos teóricos o prácticos, para mejorar la calificación (hasta 2 puntos adicionales).
RECOMENDACIONES AL ALUMNO


Objetivos de la Asignatura (potencial, oportunidad, modelos, aplicaciones):

      Que el alumno obtenga una idea clara (y crítica) del potencial de las RN.

      Que el alumno sepa Identificar cuando se pueden usar RNs (oportunidad)

      Que el alumno adquiera los fundamentos básicos para Diseñar e Implementar RN (conocer los modelos).

      Que el alumno sepa Aplicar RNs para resolver problemas (del mundo real o no).



Documentación y Material Docente se encuentra en la web de la asignatura

    * Apuntes de la asignatura, en directorio TEORÍA à TEMAS.
    * Indicaciones sobre las prácticas en directorio PRACTICAS
    * Directorio: TEORÍA à MATERIAL NEURAL NETWORKS

     
Articulos Dos artículos (ps y pdf) sobre …..
 
     Libros Dos libros completos y otro por capítulos. ……
 
     Software Se incluyen 6 programas de RN. …….
 
     Tesis Una Tesis sobre ……….
 
     Tutoriales Cuatro tutoriales generales sobre RN