Redes Neuronales Artificiales

Anuncio
Tutorial:
“Redes Neuronales Artificiales”
Dr. Juan José Flores Romero
División de Estudios de Posgrado
Facultad de Ingeniería Eléctrica
Universidad Michoacana de San Nicolás de Hidalgo
Objetivo:
Proporcionar al alumno una introducción al tema de Redes
Neuronales Artificiales (RNA), tanto en sus bases matemáticas como en la
práctica. Exponer al alumno a aplicaciones prácticas y resolverlas usando RNA.
Descripción: Se pretende que el curso sea una introducción a Redes
Neuronales Artificiales, cubriendo tanto las bases matemáticas que las sustentan
como una interpretación intuitiva de los conceptos importantes del área. El
curso, sin embargo, no enfatizará en la parte matemática. El curso utilizará el
programa SNNS (o su versión Java NNS) como plataforma de práctica. Con
este programa, el alumno adquirirá un mejor entendimiento de los conceptos,
dado que puede observar como el proceso de aprendizaje se lleva a cabo, paso
a paso. Se dejarán tareas a ser resueltas por el alumno aún terminado el curso.
Los alumnos podrán ponerse en contacto con el profesor vía e-mail, para
solucionar dudas.
Programa:
1. Introducción
1.1. Qué es una Red Neuronal (RN)?
1.2. El cerebro humano
1.3. Modelos de una RN
1.4. RN y Grafos
1.5. Arquitecturas de una RNA
2. Aprendizaje
2.1. Corrección de error
2.2. Basado en memoria
2.3. Hebbian
2.4. Competitivo
2.5. Boltzman
2.6. Supervisado/No-supervizado
3. Perceptrones de una sola capa
3.1. Algoritmo de mínimos cuadrados
3.2. Curvas de aprendizaje
3.3. Perceptrón
3.4. Convergencia
3.5. Laboratorio: Java NNS
3.5.1. Uso
3.5.2. Interfaz
3.5.3. Grafical Network Editor
4. Perceptrones multicapa
4.1. Back-Propagation
4.2. Problema XOR
4.3. Aproximación funcional
4.4. Ventajas y limitaciones
4.5. Aceleración de convergencia
4.6. Laboratorio: Java NNS
4.6.1. Graphical Network Creation Tools
4.6.2. Network Analysis Tools
5. Redes de Kohonen (Self-Organizing Maps)
5.1. Arquitectura
5.2. Aprendizaje competitivo
5.3. Laboratorio:
5.3.1. Java NNS
5.3.2. Applet de Kohonen
Bibliografía:
[1] Simon Haykin. Neural Networks. A Comprehensive Foundation. Prentice
Hall. 1999.
[2] University of Stuttgart. SNNS. Stuttgart Neural Network Simulator. User´s
Manual.
Audiencia: El tutorial va dirigido a alumnos de licenciatura o maestría
nacionales que deseen ingresar al área de RNA.
Idioma: El curso (incluyendo el material) está propuesto en español, dada la
audiencia a la que está dirigida, pero de ser necesario, puede impartirse en
Inglés y las notas pueden también ajustarse.
Descargar