Modelos de Computación II

Ingeniería Informática

Juan Luis Castro Peña 
Curso 2010/2011
 

Presentación

Apuntes y transparencias

Prácticas

Problemas y exámenes

Material elaborado por alumnos

 
Presentación 

Transparencias de la presentación
Forma de evaluación
Programa
Horario de Tutorias y datos de Contacto  

Redes Neuronales
Tema 1: Conceptos básicos sobre Redes Neuronales
     Resumen y cuestiones de autoevaluación
Tema 2: Perceptron, Adaline y Madaline 

    Algoritmo de aprendizaje del perceptron

Tema 3: Redes Multicapa. Backpropagation.

    Cuestiones sobre redes feedforward y  backpropagation

Tema 4: Validación     

 - Transparencias aprendizaje perceptron y superficies redes neuronales,

Prueba de autoevaluación de Redes Neuronales

Computabilidad
Tema 1: Programas y funciones calculables 

   - Cuestiones sobre programas y funciones calculables

   - Relación de ejercicios de programas y funciones calculables

Tema 2: Funciones Primitivas Recursivas
Tema 3: Codificación de Programas. Programa Universal.

    - Transparencias sobre problemas no computables (parada, totalidad y verificación); 

    - Transparencias sobre (predicados decidibles y parcialmente decidibles)
Tema 4: Cálculo con cadenas (Leng. Ln; Progr. de Post-Turing; Tesis de Church-Turing).   
Tema 5: Máquinas de Turing.              

Tema 6: Introducción a la complejidad algorítmica (transparencias).  

                                                                

 

Prácticas

 

   LOS ALUMNOS DEBEN APUNTARSE A ALGÚN  GRUPO

en decsai.ugr.es  (desde el  24 de Febrero a las 14h. hasta el 28 de Febrero a las 12h.)


Sesiones instructivas:

   Sesión 1: El perceptron

     a) La neurona artificial. Uso del simulador contenido en la pagina        http://www.lri.fr/~marc/EEAAX/Neurones/tutorial//aneuron/html/index.html. Responder a los ejercicios 1 al 3.

     b) Algoritmo de aprendizaje del perceptron. Uso del simulador de  http://www.lri.fr/~marc/EEAAX/Neurones/tutorial//perceptron/html/index.html . Responder a los ejercicios 1 al 5.

   Sesión 2:  Perceptron multicapa. Uso del simulador de  http://www.lri.fr/~marc/EEAAX/Neurones/tutorial/mlp/html/index.html . Responder  ejercicios 1 a 3.

  Sesión 3: Predicción con perceptrones Multicapa. Uso del simulador de http://www.lri.fr/~marc/EEAAX/Neurones/tutorial/predic/html/index.html . Responder a los ejercicios 1 al 5.

  Sesión 4: Uso del JAVANNS

4.1 Breve Tutorial de JAVANNS.    4.2 Ejemplos x-or

4.3 Algunos programas útiles             4.4 Carpeta Java para XP de las aulas
4.5 Ejemplos deBreastcancer            4.6 Ejemplos de  entrenamiento de Breastcancer

4.7 Ejemplos de validación de Breastcancer

  Sesión 5: Metodología de aplicación de RRNN para resolver un problema

                  


Práctica a realizar y entregar:
Problemas y exámenes

Relación de problemas           Algunos exámenes         Examen Junio 2006 

Examen participativo              Ejercicios asignados para trabajo colaborativo    


 
Para comentarios, sugerencias, etc. contacte con Juan Luis Castro Peña