REDES NEURONALES. IAM01 o IAMO2. INGENIERÍA Programa(s) DES: Ingeniería Educativo(s): Matemática Tipo de materia:

Transcripción

1 UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA Clave: 08MSU0017H FACULTAD INGENIERÍA Clave: 08USU4053W PROGRAMA DEL CURSO: REDES NEURONALES DES: INGENIERÍA Programa(s) Ingeniería Educativo(s): Matemática Tipo de materia: Optativa Clave de la materia: Semestre: 9 Área en plan de estudios: Ingeniería Aplicada Créditos 5 Total de horas por 5 semana: Teoría: 4 Práctica Taller: Laboratorio: 1 Prácticas complementarias: Trabajo extra clase: Total de horas semestre: 80 Fecha de actualización: 23/Abril/2007 Clave y Materia requisito: IAM01 o IAMO2 Propósitos del Curso El alumno comprenderá el concepto de redes neuronales, y con ello, el concepto de aprendizaje de máquina, basado en el proceso natural de aprendizaje observado en muchos mamíferos, y que es producto de años de investigación y de uso. Al final del curso el estudiante será capaz de: El alumno será capáz de plantear la solución a muy variados problemas de clasificación de patrones, y de reconocimiento de patrones en general. El alumno será capáz de plantear la solución a un problema de acuerdo a las necesidades del mismo, propondrá un modelo de aprendizaje para la solución del mismo y demostrará la efectividad de su elección. 1

2 COMPETENCIAS (Tipo y Nombre de las Competencias que nutren a la materia y a las que contribuye) Para todas las unidades: Ciencias Básicas de la Ingeniería. Ciencias de la Ingeniería Física y Matemática. Uso de Información. Solución de Problemas. Trabajo en equipo. CONTENIDOS (Unidades, Temas y Subtemas) UNIDAD I.- FUNDAMENTOS La neurona natural y la red neuronal natural La neurona artificial El patrón de entrada El vector de pesos El valor Net de una neurona La respuesta y la función de transferencia La red neuronal artificial Capas de entrada, ocultas y de salida Ejemplos básicos de redes neuronales 1.4.1,. El perceptrón y la red de Hamming UNIDAD II. - HEBBIANO SUPERVISADO La regla de Hebb con supervisión El asociador lineal UNIDAD III.- BASADO EN DESEMPEÑO El concepto de desempeño La medición de optimalidad La superficie de desempeño y los puntos óptimos Técnicas de optimización El gradiente descendiente La regla delta y el aprendizaje Widdrow-Hoff La red ADALINE El prerceptrón multicapa La regla delta generalizada El algoritmo de retropropagación UNIDAD IV.- COMPETITIVO La regla de Hebb sin supervisión La regla Outstar La regla Instar La red SOFM La red de Kohonen RESULTADOS DE (Por Unidad) comprende el concepto de neurona y de red neuronal. Comprende el modelo matemático general de una red neuronal y su inspiración en el modelo natural de los sistemas nerviosos presentes en los mamíferos. comprende la primer forma de modelo de aprendizaje: el modelo Hebbiano. Comprende también el uso de este modelo con una red asociativa. comprende el concepto de aprendizaje basado en desempeño, como una forma de optimizar un conjunto de parámetros durante el proceso de aprendizaje. El alumno utiliza los dos tipos de red neuronal basadas en desempeño: las redes adaline y perceptrón multicapa.. comprende el proceso de aprendizaje como uno de juego o competencia entre unidades neuronales. Aprende también el uso de las principales redes competitivas: las redes SOFM y de Kohonen.. 2

3 UNIDAD V.- OTROS TIPOS DE El modelo biológico visual La red de Grossberg El concepto de energìa y estabilidad La red de Hopfield En esta última unidad el alumno es presentado a otros tipos de aprendizaje basados en procesos físicos, como en la transferencia de energía, en el caso de la red de Hopfield, o el del proceso de formación de imágenes presentes en el sistema visual de los mamíferos, en el caso de la red de Grossberg.. METODOLOGÍA 1. Para cada Unidad, se presenta una introducción por parte del maestro, utilizando un organizador previo temático. 2. Se entrega el material gráfico para su lectura Se diseña un cuestionario para el manejo de los contenidos y debe entregarse una copia al maestro al inicio de la clase, este producto se utiliza para la discusión de tema por equipo y para el resto del grupo. Métodos Centrado en la tarea Estrategias Trabajo de equipo en la elaboración de tareas, planeación, organización, cooperación en la obtención de un producto para presentar en clase. Inductivo Deductivo Observación Comparación Experimentación Aplicación Comprobación Demostración. Sintético Técnicas Lectura Lectura comentada Expositiva Debate dirigido Diálogo simultáneo Recapitulación Definición Resumen Esquemas Modelos matemáticos Conclusión 3

4 Material de Apoyo didáctico: Recursos Manual de Instrucción Prácticas de laboratiorio Materiales gráficos: artículos, libros, diccionarios, etc. Cañón Rotafolio Pizarrón, pintarrones Proyector de acetatos Modelos tridimensionales EVIDENCIAS DE DESEMPEÑO Se entrega por escrito: Elaboración de resúmenes. Cuestionarios. Contenidos de exposiciones. Trabajos por escrito con estructura IDC (Introducción, desarrollo conclusión). Exámenes escritos. Producto de prácticas de laboratorio. CRITERIOS DE DESEMPEÑO Los resúmenes deberán abarcar la totalidad del contenido programado para dicha actividad. Los cuestionarios se reciben si están completamente contestados, no debe faltar pregunta sin responder. Las exposiciones deberán presentarse en un orden lógico. Introducción resaltando el objetivo a alcanzar, desarrollo temático, responder preguntas y aclarar dudas y finalmente concluir. Entregar actividad al grupo para evaluar el contenido expuesto. Los trabajos se reciben si cumplen con la estructura requerida, es muy importante reportar la s referencias bibliográficas al final en estilo APA. FUENTES DE INFORMACIÓN (Bibliografía/Lecturas por unidad) NEURAL METWORK DESIGN. Martin T. Hagan, Howard B. Demuth, Mark Beale. PWS Publishng. ISBN /TP REDES NEURONALES Y SISTEMAS BORROSOS. Bonifacio Martín del Brío, Alfredo Sanz Molina. Editorial Alfaomega. ISBN EVALUACIÓN DE LOS S (Criterios e instrumentos) Se toma en cuenta para integrar calificaciones parciales: 3 exámenes parciales escritos donde se evalúa conocimientos, comprensión y aplicación. Con un valor del 30%, 30% y 40% respectivamente La acreditación del curso se integra: Exámenes parciales: 100% REDES DE NEURONAS ARTIFICIALES. Un enfoque práctico.. Pedro Isasí Viñuela, Inés M. Galván León. Pearson. ISBN

5 Cronograma del Avance Programático S e m a n a s Unidades de aprendizaje UNIDAD I.- FUNDAMENTOS X X UNIDAD II.- HEBBIANO SUPERVISADO UNIDAD III.- BASADO EN DESEMPEÑO UNIDAD IV.- COMPETITIVO X X X X X X X X X X X UNIDAD V.- OTROS TIPOS DE X X X 5