Sistemas Conexionistas es una asignatura troncal de segundo curso. Los contenidos de esta materia permiten que los alumnos se formen en el desarrollo, control y utilización de Sistemas Conexionistas, analizando las metodologías existentes y estudiando todo lo referente a los elementos, arquitecturas y procedimientos de aprendizaje, su implementación, verificación y validación necesaria para resolver diferentes problemas. Esta asignatura representa la formación del alumnado en técnicas de Inteligencia Artificial no sólo de cara al mundo profesional, sino también de cara al ámbito investigador.
La asignatura consta de dos partes diferenciadas, la primera coordinada por el profesor Manuel González Penedo y la segunda coordinada por el profesor Alejandro Pazos Sierra. En las competencias y contenidos de esta guía se especifica en detalle cada una de las dos partes.
Competencias do título
Código
Competencias da titulación
Resultados de aprendizaxe
Competencias de materia (Resultados de aprendizaxe)
Competencias da titulación
Parte II: Identificar los antecedentes históricos y los conceptos clave de los Sistemas Conexionistas y el entorno y características específicas de los problemas que pretenden resolver.
A1 A5
B1 B2 B3 B11 B12
C5 C6 C7 C8
Parte II: Entender cuál es la base neurobiológica en la que se fundamentan los Sistemas Conexionistas y de la cual obtienen su estructura y funcionalidades.
A1
B1 B3 B8 B11 B12
C4 C7
Parte II: Comprender el proceso de construcción de modelos computacionales y la importancia de sus aplicaciones.
A1 A3 A5
B2 B4 B5 B7 B8 B11 B12
C4 C6 C7 C8
Parte II: Aprender la metodología de construcción de Redes de Neuronas Artificiais desde la identificación del problema hasta la etapa de transferencia tecnológica
A1 A3 A5
B1 B2 B3 B4 B5 B8 B11 B12
C4 C6 C8
Parte II: Analizar la interrelación de esta técnica con otras técnicas
A1 A3 A5
B2 B3 B4 B5 B8 B11 B12 B13
C6
Parte I: Aprender los fundamentos básicos de los sistemas conexionistas
A1
Parte I: Analizar los diferentes problemas que los sistemas conexionistas pueden resolver, decidiendo qué modelo de los estudiados resulta más adecuado.
A3
B2 B3
Parte I: Aprender diferentes modelos de sistemas conexionistas. Analizar las capacidades y limitaciones de cada uno de ellos
A1
B4 B11 B12
Contidos
Temas
Subtemas
PARTE I DE LA MATERIA
Coordinada por Manuel F. González Penedo
1. Conceptos básicos
1.1. Elemento de procesado
1.2. Arquitecturas
2. Aprendizaje y entrenamiento
2.1. Tipos de aprendizaje
2.1.1 Aprendizaje supervisado
2.1.2. Aprendizaje sin supervisar
3. Adaline y perceptrón
3.1. Adaline
3.1.1 Regla delta
3.2. Perceptrón
4. Perceptrón multicapa
4.1. Estructura y aprendizaje
4.2. Funciones de transferencia
4.3. Control de convergencia
4.4. Aplicaciones
5. Redes auto-organizativas
5.1. Estructuras competitivas
5.2. Mapas auto-organizativos
5.3. Clasificador de mapa de características
6. Crecimiento de redes
6.1. Growing cell structures
6.2. Growing neural gas
7. Otros modelos auto-organizativos
7.1. Red de contrapropagación
7.2. Redes de base radial
7.3. Teoría de resonancia adaptativa
8. Memorias de Hopfield
8.1 Función de energía
PARTE II DE LA MATERIA
Coordinada por el profesor Alejandro Pazos Sierra
TEMA 1: SISTEMAS CONEXIONISTAS: Origen y Contexto
1.1 Evolución Histórica y Precursores.
1.2 Nacimiento de los Sistemas Conexionistas.
TEMA 2: FUNDAMENTOS BIOLÓGICOS DE LOS SISTEMAS CONEXIONISTAS
2.1. Neurología. Neurona y Sinapsis. Neurotransmisión.
2.2. Neuropsicología: Adquisición y organización cerebral de los conocimientos. Caracteres del "engrama" específico o “metacircuito”. Metacircuitos y Metaestructuras. El Aprendizaje.
TEMA 3: MODELOS
3.1 Introducción a la Modelización Computacional.
3.2 Comparación entre el elemento biológico y el formal.
TEMA 4: METODOLOGÍA EN SISTEMAS CONEXIONISTAS
4.1 Introducción e importancia de la Implementación Metodológica.
4.2 Etapas de la Metodología
TEMA 5: SISTEMAS HíBRIDOS
5.1 Modos de Integración
5.2 Algunos Ejemplos de Sistemas Híbridos (SH): RRNNGGAA y NBIC.
TEMA 6: APLICACIONES BÁSICAS DE LOS SISTEMAS CONEXIONISTAS
6.1 Consideraciones a la Aplicación de Sistemas Conexionistas
6.2 Ejemplos de Aplicaciones de los Sistemas Conexionistas
6.3 Hardware Conexionista
Planificación
Metodoloxías / probas
Horas presenciais
Horas non presenciais / traballo autónomo
Horas totais
Sesión maxistral
20
15
35
Traballos tutelados
2
4
6
Seminario
3
0
3
Proba obxectiva
1
7
8
Análise de fontes documentais
5
0
5
Foro virtual
1
0.35
1.35
Proba mixta
2
0
2
Prácticas de laboratorio
8
6
14
Atención personalizada
0.65
0
0.65
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado
Metodoloxías
Metodoloxías
Descrición
Sesión maxistral
Esta actividad se centra en enseñar los conceptos y la situación actual de los Sistemas Conexionistas. Se realizará la clase magistral con el empleo de materiales docentes multimedia, aprovechando las ventajas de las nuevas tecnologías y fomentando la participación del alumnado en cada tema. Esta actividad estará apoyada por el resto de las metodologías.
Traballos tutelados
Cada grupo de dos alumnos deberá analizar artículos científicos o aplicaciones computacionales que utilicen tecnología conexionista para resolver problemas del dominio seleccionado.
Cada grupo deberá plantear una aplicación de la tecnología conexionista a un problema en un determinado dominio. Esta aplicación deberá estar adecuadamente justificada y valorada en contraposición con otras técnicas o aplicaciones ya existentes.
Seminario
Investigadores del área presentarán modelos computacionales reales desarrollados en universidades y centros de investigación, indicando paso a paso el proceso de desarrollo y su utilidad final.
Proba obxectiva
Se realizará un examen tipo test cuyas preguntas se elegirán de un conjunto de preguntas propuestas previamente por los alumnos y supervisadas por los profesores.
Durante el cuatrimestre, los alumnos enviarán por e-mail al profesor las preguntas propuestas con las respuestas.
Análise de fontes documentais
Utilización de documentos audiovisuales (fragmentos de reportajes documentales, películas y fotografías) relevantes para la temática de la materia con actividades especificamente diseñadas para el análisis de los mismos.
Foro virtual
Se tratarán en este foro los temas y dudas relacionados con las fuentes documentales analizadas en las clases, así como dudas generales sobre los trabajos tutelados.
Proba mixta
Proba que integra preguntas tipo de probas de ensaio e preguntas tipo de probas obxectivas co obxectivo de evaluar os coñecementos do alumno
Prácticas de laboratorio
Metodoloxía que permite que os estudantes aprendan efectivamente a través da realización de actividades de carácter práctico, neste caso, prácticas desenvolvidas co "Neural networks toolbox" de Matlab
Atención personalizada
Metodoloxías
Sesión maxistral
Traballos tutelados
Foro virtual
Prácticas de laboratorio
Descrición
Los alumnos dispondrán de atención personalizada en el horario de tutorías establecido, para resolver dudas generales de la asignatura y en concreto dudas sobre los trabajos tutelados.
Estas tutorías se realizarán tanto en el despacho del profesor como a través del foro virtual.
Avaliación
Metodoloxías
Descrición
Cualificación
Traballos tutelados
Parte II de la asignatura: 5 puntos
Se valorará:
-Estado de avance de los trabajos en las tutorías.
- Contenido y adecuación de los trabajos.
- Aplicación de los conocimientos teóricos.
- Puntualidad en la entrega, correcta presentación.
5
Seminario
Parte II de la asignatura: 2.5 puntos
Se valorará la asistencia y participación
2.5
Proba obxectiva
Parte II de la asignatura: 40 puntos
Dominio de los conocimientos de la materia.
40
Análise de fontes documentais
Parte II de la asignatura: 2,5 puntos
Se valorará la asistencia y participación en las clases de análisis.
2.5
Proba mixta
Parte I de la asignatura: 25 puntos
Se valorarán los conocimientos teóricos y prácticos adquiridos durante el desarrollo de la asignatura.A lo largo del curso se realizarán pruebas para evaluar los conocimientos de los alumnos. Cada una de estas pruebas tendrá asociada un porcentaje del total de la puntuación.
Para aprobar la asignatura es necesario sacar un mínimo de 10 puntos en este apartado.
25
Prácticas de laboratorio
Parte I de la asignatura : 25 puntos
Se valorará la corrección de los resultados obtenidos por los programas implementados durante las prácticas. Será necesario sacar 15 puntos sobre el total de puntos de las prácticas. Se realizarán dos o tres exámenes prácticos a lo largo del curso.
25
Observacións avaliación
En la nota final de las prácticas de laboratorio, las respuestas de la prueba oral son determinantes. En caso de no superarse la prueba oral, el resultado de la evaluación sería negativo.
Para aprobar la asignatura es necesario aprobar cada una de las partes de manera independiente.
· Arbib, M.A.: “The handbook of brain theory and neural networks”. Cambridge, Massachusetts. MIT Press. 1995.
· Eccles, J.C.: "El Cerebro: Morfología y Dinámica". Ed. Interamericana. México D.C. 1973.
· Grossberg, S.: "Neural Networks and Natural Inteligence". Editor: MIT Press, 1988.
· Haykin, S.: “Neural Networks: A Comprehensive Foundation”. McMillan College Publishing. New York. 1994.
· Hertz, J., Krogh, A. & Palmer, R.: "Introduction to the Theory of Neural Computation". Santa Fe Institute, Addison-Wesley Editores 1991.
· McCulloch, W. S., and Pitts, W.: "A Logical Calculus of the Ideas Inmanent in the Neural Nets". Buletin of Mathematical Biophysics, vol. 5, pp. 115-137. 1943.
· McCulloch, W.S., Arbib, M.A. & Cowan, J.D. "Neurological Models and Integrative Processes". In Yacovits, Jacobi and Goldstein. Ed. Selft-Organizing Systems.Spartan bocks. Washington. 1969.
· Minsky, M. & Papert, S.: "Perceptrons". Cambridge, MIT Press. 1988.
· Ramón y Cajal, S.: "Textura del Sistema Nervioso del Hombre y los Vertebrados". tomo I. Ed. Alianza. 1989.
· Rosenblueth, A., Wiener, N, and Bigelow, J.: "Behavior, Purpose and Teleology". Phylosophy of Science nº10, pp. 18-24. 1943.
· Rumelhart, D.E., Widrow, B. & Lehr, M. A.: "The basic ideas in neural networks". Comm. ACM. Num 37. pp 87-92. 1994.
·
Arbib, M.A.: “The handbook of brain theory and
neural networks”. Cambridge,
Massachusetts. MIT Press. 1995.
·
Eccles, J.C.: "El Cerebro: Morfología y
Dinámica". Ed. Interamericana. México D.C. 1973.
·
Grossberg,
S.: "Neural Networks and Natural Inteligence". Editor: MIT
Press, 1988.
·
Haykin, S.: “Neural Networks: A Comprehensive
Foundation”. McMillanCollege Publishing. New York. 1994.
·
Hertz, J., Krogh, A. & Palmer, R.:
"Introduction to the Theory of Neural Computation". Santa Fe
Institute, Addison-Wesley Editores 1991.
·
McCulloch,
W. S., and Pitts, W.: "A Logical Calculus of the Ideas Inmanent in the
Neural Nets". Buletin of Mathematical Biophysics, vol. 5, pp.
115-137. 1943.
·
McCulloch,
W.S., Arbib, M.A. & Cowan, J.D. "Neurological Models and Integrative
Processes". In Yacovits, Jacobi and Goldstein. Ed. Selft-Organizing
Systems.Spartan bocks. Washington.
1969.
·
Minsky,
M. & Papert, S.: "Perceptrons". Cambridge, MIT Press. 1988.
·
Ramón y Cajal, S.: "Textura del Sistema
Nervioso del Hombre y los Vertebrados". tomo I. Ed. Alianza. 1989.
·
Rosenblueth,
A., Wiener, N, and Bigelow, J.: "Behavior, Purpose and Teleology".
Phylosophy of Science nº10, pp. 18-24. 1943.
·
Rumelhart,
D.E., Widrow, B. & Lehr, M. A.: "The basic ideas in neural
networks". Comm. ACM. Num 37. pp 87-92. 1994.