Redes Neuronales Artificiales y sus Aplicaciones Profesorado Departamento Programa de Doctorado Créditos 3 Nº de Plazas 2. La asignatura 2. Objetivos de la asignatura 3. Contenidos 4. Metodología de trabajo 5. Temporalización 6. Evaluación de la asignatura Xabier Basogain Olabe Ingeniería de Sistemas y Automática Tecnologías Electrónica y Control Tecnologías de la Información. La asignatura El curso Redes Neuronales Artificiales y sus Aplicaciones ofrecido a través del campus virtual ha sido realizado a partir del correspondiente curso impartido en la Escuela Superior de Ingenieros de Bilbao en la modalidad presencial. Este curso se viene impartiendo desde 992, y el curso 2000/0 fue impartido en la modalidad bimodal(en el aula presencial y a través de Internet) como paso previo al curso en el que íntegramente se imparta a través de Internet de acuerdo a la política educativa de la UPV-EHU. El contenido principal de la asignatura se basa en la tecnología de las Redes Neuronales Artificiales, una de las metodologías pertenecientes al conjunto de las metodologías de Control Inteligente diseñadas para dar solución a los problemas modernos de control. Entre las metodologías de Control Inteligente destacan entre otras Lógica difusa, Algoritmos genéticos, Redes de Petri, Simulación de eventos discretos, etc. 2. Objetivos de la asignatura
El objetivo principal del curso es describir la computación neuronal como un método alternativo serio para aquellas aplicaciones en las que los métodos clásicos de cálculo no logran resultados satisfactorios. Por esta razón, los contenidos del curso han sido seleccionados y organizados para mostrar de forma clara a los estudiantes las siguientes materias: a) los fundamentos de las redes neuronales artificiales b) las arquitecturas y reglas de aprendizaje c) el potencial de cálculo para aplicaciones e investigación d) el diseño y simulación El conocimiento de estas materias supone lograr los correspondientes objetivos parciales de la asignatura y con ellos alcanzar el objetivo principal de la misma. 3. Contenidos de la asignatura La asignatura ha sido organizada con una parte de teoría y otra de prácticas(diseño y simulación software). La siguiente Tabla presenta los principales temas y el correspondiente número de clases asignadas. Materia Clases (horas) Prác Tema 0.- Presentación Tema.- Introducción a la Computación Neuronal 3 Tema 2.- Fundamentos de las Redes Neuronales Artificiales 2 Tema 3.- Selección de las Redes Neuronales Tema 4.- Las Primeras Redes Neuronales Artificiales 2 Tema 5.- Red Backpropagation 2 Tema 6.- Redes Self Organizing Map & Counterpropagation 2 Tema 7.- Redes Hopfield & Bidirectional Associative Memory 2 Tema 8.- Red Adaptive Resonance Theory Tema 9.- Aplicaciones de las Redes Neuronales Artificiales 2 Tema 0.- Lógica Difusa y Redes Neuronales Artificiales 2 Lista de Clases por Materia La primera clase consiste en la presentación del curso en la que se indican los objetivos y una panorámica general del mismo. El Tema es el más largo y describe de manera sinóptica las áreas básicas de la computación neuronal, incluyendo las características del cerebro humano, la inspiración biológica de las redes neuronales artificiales, la computación tradicional versus computación neuronal, la historia y autores relevantes de las redes neuronales, aplicaciones reales y la implementación software/hardware de las mismas. El Tema 2 introduce los principios biológicos de la computación neuronal y presenta el modelo de la neurona artificial y su organización en redes. Este tema describe las diferentes reglas de aprendizaje que realizan el
proceso de entrenamiento de las redes neuronales artificiales. El Tema 3 nombra más de una veintena de paradigmas de acuerdo al tipo de aplicación, bien sea de predicción, clasificación, asociación de datos, conceptualización de datos, filtrado de datos u optimización. El Tema 4 está dedicado a las dos primeras redes, Perceptron y Adaline/Madaline, con el propósito de presentar las principales propiedades y características de las redes neuronales que estarán presentes en la mayoría de las redes tipo feed-forward; se describe la limitación de la separabilidad lineal para comprender el impulso que supuso la aparición de la red Backpropagation descrita en el Tema 5, en el desarrollo de la computación neuronal. El Tema 6 presenta la arquitectura y la regla de aprendizaje de las redes no supervisadas, así como su combinación con redes supervisadas que constituyen las redes neuronales híbridas. El Tema 7 describe otro nuevo tipo de redes, las redes con organización recursiva. El Tema 8 describe una red neuronal que integra una arquitectura y reglas de aprendizaje que resuelven el dilema estabilidad-plasticidad. El Tema 9 está dedicado a diferentes aplicaciones reales en las áreas de la industria e investigación, incluyendo rutado de comunicaciones, predicción de carga eléctrica, evaluación no destructiva y otros. El último tema, el Tema 0 ofrece una visión panorámica de las metodologías del control inteligente, poniendo especial atención en la Lógica Difusa y su relación con las redes neuronales artificiales. La parte práctica se realizará con el paquete software Explorer de NeuralWare disponible para todos los alumnos. 4. Metodología de trabajo Las características propias de los cursos de doctorado así como las propias de los alumnos de dichos cursos, hacen que la metodología de trabajo sea radicalmente diferente a la correspondiente a una asignatura del primer o segundo ciclo totalmente reglada. Además, las ventajas y posibilidades que ofrece la educación on-line facilitan y exigen una metodología pedagógica nueva que se adapte a la disponibilidad y necesidades del alumno. Las nuevas tecnologías permiten utilizar nuevas propiedades en el proceso enseñanza-aprendizaje como son la transmisión de las clases en formato video/audio, el acceso permanente a los materiales del curso, la utilización del ordenador como una herramienta de enseñanza entre otros. 4..- Material Didáctico del Alumno El curso de Redes Neuronales Artificiales y sus Aplicaciones ofrecido en el campus virtual presenta además de los elementos requeridos de un curso
convencional otros elementos/herramientas suministrados por las nuevas tecnologías de la información y comunicación. a) material del curso: guía de la asignatura, clases de las materias del curso en formato video/audio, libro de texto, transparencias y notas de clases en formato imágenes, acceso para descargar el software de simulación de la parte práctica del curso, bibliografía y recursos accesibles a través de enlaces de Internet como se indica en la figura. b) Herramientas de alumnos: calificaciones, progreso, homepages, etc. c) Herramientas de comunicación: e-mail, chats y debates para facilitar la relación alumno-profesor, y d) Herramientas de evaluación: ejercicios y auto-test de múltiple elección por cada tema del curso. Todos estos elementos están integrados en un sistema y son accesible desde un ordenador personal a través de Internet. 4.2.- Transmisión de Clases El grupo de investigación multimedia de la Escuela Superior de Ingenieros de Bilbao viene trabajando desde 997 en el área de la educación on-line, integrando transmisión de video y entornos educativos a través de Internet. Ha creado una infraestructura tecnológica(hardware, software y comunicaciones) y una infraestructura académica(materiales de cursos, comunicación alumno-profesor) que realiza la transmisión de cursos a través de Internet. El curso Redes Neuronales Artificiales y sus Aplicaciones ha sido inicialmente realizado sobre la infraestructura tecnológica y académica de dicho grupo (http://bixm77.bi.ehu.es) y en la actualidad está en la plataforma del Campus Virtual (http://cv.ehu.es/campus/). La transmisión de video correspondientes a las clases ha sido adoptado por cada vez más universidades, entre otras Stanford y Whasington, permite al
alumno tener un adecuado control de la temporalización de los contenidos del curso, así como una mejor comprensión del material de la clase al ser explicada por el profesor. La transmisión del video de las clases es posible gracias al nuevo método de ver contenidos de video, audio y contenidos multimedia en tiempo real: Streaming media. Nota: se recomienda una conexión Internet de alta velocidad para poder seguir el curso con calidad. El diseño de la pantalla que el alumno ve al seguir las clases desde su ordenador personal a través de Internet tiene tres partes, la ventana de la clase, la ventana del índice y la ventana de las transparencias, como se muestra la figura. La ventana de la clase está en la parte superior izquierda y los alumnos pueden ver y escuchar al profesor impartiendo la clase. La ventana del índice, debajo de la ventana de la clase, facilita al alumno dirigirse a la parte de la clase que desee evitando tener que realizar un acceso secuencial de la clase. La ventana grande a la derecha corresponde con la zona asignada a la transparencia que esté siendo utilizada por el profesor en cada momento de la explicación de la clase. Las características del diseño de la pantalla han sido elegidas considerando muchos aspectos tecnológicos, audiovisuales y pedagógicos que faciliten y mejoren el proceso de aprendizaje. 4.3.- Actividades relacionadas con los Temas del curso Una forma de explicitar el logro de los objetivos del curso consiste en realizar una actividad propuesta por el profesor o bien por el alumno, en la que se reflexione o se desarrolle algún aspecto del Tema impartido. Este tipo de
actividad puede presentar diferentes formas como debates, ejercicios, opinión de un artículo, búsqueda de documentación afín, etc. 5. Temporalización El curso se imparte durante el primer cuatrimestre del año académico y comienza a primeros de Noviembre, una vez las listas completas de los alumnos son definitivas. La primera clase se realizará de forma presencial y mediante videoconferencia, en la que el profesor hará una presentación de la asignatura y establece un primer contacto con los alumnos. La distribución temporal del curso se resume en ocho sesiones de una, dos o tres horas como se indica en la siguiente tabla: REDES NEURONALES ARTIFICIALES Y SUS APLICACIONES SESIÓN Fecha (orientativa) TEMA Hora Total (horas) 28-Noviembre Presentación del Curso 2 5-Diciembre 3 2-Diciembre 4 9-Enero Tema.- Introducción a la Computación Neuronal Tema.- Introducción a la Computación Neuronal Tema 2.- Fundamentos de las Redes Neuronales Artificiales Tema 2.- Fundamentos de las Redes Neuronales Artificiales y Tema 3.- Selección de las Redes Neuronales Tema 4.- Las Primeras Redes Neuronales Artificiales Tema 4.- Las Primeras Redes Neuronales Artificiales 2 3 2 5 2 7 5 6-Enero Tema 5.- Red Backpropagation Tema 5.- Red Backpropagation 2 9 6 23-Enero SW 7 30-Enero Tema 6.- Red Self Organizing Map y Red Counterpropagation Tema 6.- Red Self Organizing Map y Red Counterpropagation Diseño y Simulación NeuralWare Explorer Tema 7.- Red Hopfield y Red Bidirectional Associative Memory 2 2
Tema 8.- Red Adaptive Resonance Theory 4 8 6-Febrero Tema 9.- Aplicaciones de las Redes Neuronales Artificiales Tema 0.- Lógicas Difusa y Redes Neuronales Artificiales 6 Además de las clases/horas teóricas, se recomienda una serie de horas de prácticas a realizar de forma individual con el software de diseño y simulación Explorer de NeuralWare. 6. Evaluación de la asignatura La evaluación de la asignatura se realiza siguiendo los mismos criterios que en los cursos presenciales, es decir por la asistencia y participación en la clase. La asistencia a clase se sustituye por el seguimiento de las clases en video y el estudio de la documentación relacionada con la clase; mientras que la participación en clase se sustituye por la participación en los debates o foros propuestos, y por los diferentes mecanismos utilizados para establecer una adecuada relación alumno-profesor (e-mails relacionados con los temas, dudas y consultoría en el despacho, etc.) y relación alumno-alumno (trabajos en común, búsqueda bibliográfica en equipo, etc.). El foro Trabajo Fin de Curso requiere que cada alumno desarrolle un trabajo relacionado con las Redes Neuronales Artificiales y sus Aplicaciones. El trabajo será entregado al final de curso en formato electrónico (word), e impreso en un documento encuadernado presentando la siguiente estructura: a) Titulo, Objetivo y Resumen. b)- Índice y Desarrollo de los contenidos. c)- Aportación personal en el trabajo d)- Texto Base del trabajo (pdf, scan, word).