Datos Identificativos 2014/15
Asignatura (*) Modelos Biolóxicos e Computacionais de Representación do Coñecemento Código 610490017
Titulación
Mestrado Universitario en Neurociencia (Plan 2011)
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 2º cuadrimestre
 Primeiro Optativa 3
Idioma
Castelán
Prerrequisitos
Departamento Tecnoloxías da Información e as Comunicacións
Coordinación
Pazos Sierra, Alejandro
 Correo electrónico
alejandro.pazos@udc.es
Profesorado
Dorado de la Calle, Julian
Pazos Sierra, Alejandro
 Correo electrónico
julian.dorado@udc.es
alejandro.pazos@udc.es
Web http://www.usc.es/neurosci
Descrición xeral Dar a coñecer aos alumnos algunhas das técnicas de representación do coñecemento en Sistemas Intelixentes. Por outra parte, ver un exemplo de representación do coñecemento distribuído compatible e baseado con algún sistema biolóxico para a representación do coñecemento.

Competencias do título
Código Competencias da titulación
A4 Explicar o funcionamento das neuronas dende o nivel molecular ao celular.
A5 Describir a relación entre as canles iónicas e o comportamento neuronal.
A9 Comprender as bases biolóxicas da cognición e das emocións con especial énfase en procesos de atención, aprendizaxe, memoria e control executivo, tendo en conta os cambios que se producen coa idade.
B4 Saiban ler e obter información relevante de publicacións científicas.
B5 Saiban aplicar os coñecementos adquiridos e a súa capacidade de resolución de problemas en ámbitos novos ou pouco coñecidos dentro de contextos máis amplos (ou multidisciplinares) relacionados coa neurociencia.
B8 Saiban traballar en grupos de carácter multidisciplinar
B10 Posúan as habilidades de aprendizaxe que lles permitan continuar estudando dun modo que haberá de ser en boa medida autodirixido ou autónomo.

Resultados de aprendizaxe
Competencias de materia (Resultados de aprendizaxe) Competencias da titulación
Entender la base neurobiológica en la que se fundamentan los sistemas adaptativos, de la que obtienen su estructura y funcionalidades AI4
AI5
Comprender las características del conocimiento natural y su representación y conocer el modo de razonar de los sistemas adaptativos y de los distintos métodos para su aprendizaje AI4
AI9
 BI8
BI10
Estudiar el proceso fundamental de modelización de un sistema adaptativo AI4
AI9
 BI4
BI5
BI8
BI10

Contidos
Temas Subtemas
1. CONCEPTOS HISTÓRICOS Y BÁSICOS DE LOS SISTEMAS ADAPTATIVOS 1.1 Evolución histórica y precursores.
1.2 Nacimiento.
2. MODELOS 2.1 Proceso de Modelización.
2.2 Comparación entre el elemento biológico y el formal.
3. EL CONOCIEMENTO NATURAL Y SU REPRESENTACIÓN. 3.1 Características del conocimiento del mundo real.
3.2 Formas de representación del conocimiento.
4. RAZONAMIENTO Y APRENDIZAJE. 4.1 Modos de Razonamiento.
4.2 Tipos de Aprendizaje.
5. METODOLOGÍA EN SISTEMAS ADAPTATIVOS 5.1 Introducción.
5.2 Etapas de la Metodología.
6. APLICACIONES BÁSICAS DE LOS SISTEMAS CONEXIONISTAS 6.1 Consideraciones previas.
6.2 Aplicaciones.
6. APLICACIONES BÁSICAS DE LOS SISTEMAS CONEXIONISTAS 6.1 Consideraciones previas.
6.2 Aplicaciones.

Planificación
Metodoloxías / probas Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Sesión maxistral 10 20 30
Aprendizaxe colaborativa 10 10 20
Traballos tutelados 5 20 25
 
Atención personalizada 0 0
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Sesión maxistral Contidos periódicos da materia
Aprendizaxe colaborativa Comentarios de artigos científicos e realización de exercicios prácticos
Traballos tutelados Realización dun traballo sobre un dos temas da materia

Atención personalizada
Metodoloxías
Traballos tutelados
Aprendizaxe colaborativa
Descrición
Atencíon nas horas de tutoría para guiar a elaboración dos traballos en grupo.

Avaliación
Metodoloxías Descrición Cualificación
Traballos tutelados Traballos para incrementar coñecementos sobre os contidos da materia 30
Sesión maxistral Valoración por exame de preguntas cortas ou de desenrrolo 50
Aprendizaxe colaborativa Debates e comentarios en clase sobre os contidos de teoría 20
 
Observacións avaliación

Fontes de información
Bibliografía básica

Arbib M.A.: "Cerebros, Máquinas y Matemáticas". Ed. Alianza Universidad. Madrid. 1987.

Arbib, M.A.: “The handbook of brain theory and neural networks”. Cambridge, Massachusetts. MIT Press. 1995.

Grossberg, S.: "Neural Networks and Natural Inteligence". Editor: MIT Press, 1988.

Hertz, J., Krogh, A. & Palmer, R.: "Introduction to the Theory of Neural Computation". Santa Fe Institute, Addison-Wesley Editores 1991.

Hinton, G.E.: “How Neural Networks Learn from Experience”. Scientific American, 267, 144-151. 1992.

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.
Bibliografía complementaria


Recomendacións
Materias que se recomenda ter cursado previamente

Materias que se recomenda cursar simultaneamente

Materias que continúan o temario

Observacións


(*)A Guía docente é o documento onde se visualiza a proposta académica da UDC. Este documento é público e non se pode modificar, salvo casos excepcionais baixo a revisión do órgano competente dacordo coa normativa vixente que establece o proceso de elaboración de guías