CONTENIDO
El objetivo del curso es la
formación en el diseño de redes de neuronas con fuerte carácter biológico. Se
expondrán los principales aspectos fisiológicos del funcionamiento neuronal
susceptibles de ser modelados y se ilustrará su funcionamiento en comparación
con los estudios experimentales existentes. Se analizarán las propiedades
computacionales de estos modelos y su aplicación en el procesamiento de la
información.
TEMARIO
TEMA 1. Fisiología de la neurona.
TEMA 2. Neuroanatomía.
TEMA 3. Autoorganización en
sistemas biológicos. Procesos cooperativos y competitivos.
TEMA 4. Modelado del funcionamiento neuronal.
TEMA 5. Estudio del comportamiento de grupos neuronales.
TEMA 6. El código neuronal: codificación en frecuencia vs. sincronía de disparo.
TEMA 7. Asambleas neuronales y cadenas de disparo síncrono.
BIBLIOGRAFIA
Arbib, M. (1995) Handbook of brain theory and neural networks.
The MIT Press.
Abeles, M. (1991) Corticonics : neural circuits of the cerebral cortex.
Kandel, E. R. et al. (1991) Principles of neural science. Appleton &
Lange.
CONTENIDO
El curso trata del desarrollo y
análisis de modelos de redes neuronales para la representación del conocimiento
y la resolución de problemas concretos de optimización combinatoria,
diagnóstico, predicción, análisis de imágenes y visión por computador,
reconocimiento de patrones, diseño de sistemas expertos, reducción de la
dimensionalidad y agrupaciones de datos, donde se sustituye el paradigma de la
programación por el paradigma del aprendizaje.
TEMARIO
TEMA 1. Modelos de
Redes de Neuronas Artificiales: Arquitectura, Dinámica de la Computación y
Aprendizaje.
TEMA 2. Resolución
de problemas de Optimización con Redes Recurrentes y Autónomas.
TEMA 3. Predicción y Reconocimiento de
Patrones mediante Perceptrones Multicapa.
TEMA 4. Redes
Autoorganizadas y sus Aplicaciones.
TEMA 5. Computación
Flexible y Sistemas Neurodifusos.
BIBLIOGRAFIA
Bishop, C.M. (1995) Neural
Networks for Pattern Recognition.
Jang, J.S.R. et al. (1997) Neuro-Fuzzy and Soft
Computing. Prentice
Hall,
Kurkarni, A.D. (1994) Artificial Neural Nerworks
for Image Understanding. van
Martín del Brio, B.
& Sanz-Molina, A. (2001) Redes Neuronales y Sistemas Borrosos.
Ripley, B.D. (1996) Pattern
Recognition and Neural Networks.
Sinha, N.K. & Gupta, M.M. (2000)
Soft Computing & Intelligence Systems. Academic Press,
Veelenturf, L.P.J. (1995) Analysis
and Applications of Artificial Neural Networks. Prentice Hall,