Programa

1. Fundamentos.

   • Bases de la Neurociencia y modelos de Neuronas Artificiales.

   • Ajuste de Datos con Modelos Lineales

   • Algoritmos

    

2. Redes alimentadas hacia adelante.

   • El Perceptrón

   • Redes Multicapa

     • Back-Propagation

     • Algoritmos de Diseño Basados en VoD

     • Aprendizaje no Supervisado

     • Redes Probabilísticas

    

3. Redes Recurrentes

   • Aproximación Determinista

   • Aproximación Estadistica y Termodinamica

   • Aproximación por Grafos

    

4. Redes Competitivas y de Kohonen

   • Competición dura. Redes winner take all

   • Competición blanda. Mapas de Kohonen

     • Arquitectura LVQ

     • Arquitectura TPM o SOM

    

5. Aproximación de Funciones: Funciones de Base Radial

   • Aproximación clásica de funciones

     • Polinomios

     • Series de Taylor

   • Wavelets

   • Funciones de base radial

    

6. Principios del Procesamiento de Señales Digitales. Filtros Adaptativos

   • Procesamiento digital. Filtros.

     • Análisis en el tiempo

     • Análisis en la frecuencia

     • Tipos de filtros lineales.

   • Filtros adaptativos

     • Pesos óptimos del filtro

     • El filtro de Wiener. Aplicaciones

    

Bibliografía

• N. K. Bose and P. Liang. Neural Network Fundamentals with Graphs, algorithms and Applications. McGraw Series in Electrical and Computer Engineering.1996.
• Peter Dayan, L.F. Abbott. Theoretical Neuroscience: Computational and Mathematical Modeling of Neural Systems MIT Press. 2001 
• S. Haykin. Neural Networks: A Comprehensive Foundation. Pearson US Imports & PHIPEs 1998
• José C. Principe, Neil R. Euliano and W. Curt Lefebvre. Neural and Adaptive Systems: Fundamentals Through Simulations. John Wiley & Sons, Inc. 1999.
• T. Trappenberg. Fundamentals of Computational Neuroscience  Oxford University Press Inc. 2002
  

Profesores

• Víctor Giménez Martínez
• Gloria Sánchez Torrubia

Normas y Metodología

El curso constará de dos partes: La primera consistirá en la exposición teórica por parte del profesor de los temas del programa y la segunda parte en la que los alumnos, por grupos, prepararán y expondrán en el aula cada uno de los temas estudiados.

La asistencia a clase es obligatoria y en la evaluación se valorará, tanto los contenidos del trabajo como la presentación del mismo.

Enlaces de interés

• Un software creado para el diseño de redes de neuronas llamado Neuro Solutions de la casa de software NeuroDimentions Inc, cuya página principal se encuentra en esta dirección:

http://www.nd.com/

Y de la cual se puede bajar un demo del software totalmente funcional en esta sección:

http://www.nd.com/neurosolutions/download.html

Se pueden encontrar prácticas en el libro Neural and Adaptive Systems: Fundamentals Through Simulations. 

Una introducción en español a dicho programa:

Introducción al programa Neuro Solutions

• The machine Learning Network

http://www.mlnet.org/

• Muchos enlaces sobre Data Mining y Redes de Neuronas

http://www.philbrierley.com/resources.html

• Enlaces sobre Neuro-Fuzzy

http://iie.fing.edu.uy/ense/asign/neurofuzzy/links.html

Actualizado en Febrero 06