Download introducción a la computación neuronal. elementos de una red

UNIVERSIDAD AUTÓNOMA DE BAJ A CALIFORNIA COORDINACIÓN DE FORMACIÓN BÁSICA COORDINACIÓN DE FORMACIÓN PROFESIONAL Y VINCULACIÓN UNIVERSITARIA DEPARTAMENTO DE ACTUALIZACIÓN CURRICULAR Y FORMACIÓN DOCENTE DESCRIPCIÓN GENÉRICA DE UNIDADES DE APRENDIZAJ E Mater ia: Redes Neuronales Artificiales Etapa: Terminal Inteligencia Artificial y reconocimiento de patrones Área de conocimiento: Interacción Hombr e­Máquina . Competencia: Discriminar y utilizar los conceptos y algoritmos básicos de la computación neuronal como una metodología alternativa a la convencional. Aprendizaje por redes de neuronas artificiales, métodos de entrenamiento, simulación y aplicaciones en programas de clasificación y reconocimiento . Evidencia de desempeño: Solución de problemas mediante esquemas alternativos a los modelos numéricos o algorítmicos tradicionales. Distribución: HC: 4 HL:0 HT:2 HE: 4 CR:10 Contenidos Temáticos INTRODUCCIÓN A LA COMPUTACIÓN NEURONAL. o o o o El modelo biológico de las Redes Neuronales. Estructura de una Red Neuronal Artificial. Primeros simulaciones y modelos de aprendizaje. Aplicaciones de las Redes Neuronales Artificiales. ELEMENTOS DE UNA RED NEURONAL ARTIFICIAL. o o o o o o Un nodo artificial. Funciones de activación. Redes de un nivel. Redes de varios niveles. Redes Recurrentes. El proceso de entrenamiento. PRIMEROS MODELOS DE REDES NEURONALES. o El perceptrón. o Regla de aprendizaje del Perceptrón. o Separabilidad lineal. o El perceptrón multinivel.
o La red ADALINE. o Aprendizaje de la red ADALINE. o Aplicaciones del tratamiento adaptativo de señales. o La red MADALINE. o La red de retropropagación. o Arquitectura de la red. o La regla delta generalizada. o Condiciones para acelerar la convergencia. o Aplicaciones del algoritmo de retropropagación. MODELOS ALTERNATIVOS DE REDES NEURONALES. o Las memorias asociativas. o Arquitectura y aprendizaje de la memoria de Hopfield. o La memoria autoasociativa bidireccional. o Aplicaciones. o Los mapas auto­organizativos de Kohonen o Introducción a los modelos competitivos o La red de hamming. o La red de Kohonen. o Aplicaciones. o La red de contrapropagación. o Bloques básicos de la red de contrapropagación. o Algoritmo básico. o Un ejemplo en clasificación de imágenes. o Teoría de resonancia adaptativa. o Arquitectura. o Funcionamiento o Aprendizaje. o Aplicaciones. REDES NEURONALES Y LÓGICA DIFUSA. o Conceptos básicos de lógica difusa. o Neuronas difusas y su aprendizaje. Mapas cognitivos difusos y su implementación en redes neuronales.