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.
Study programme competencies
Code
Study programme competences
A1
Aprender de maneira autónoma novos coñecementos e técnicas avanzadas axeitadas para a investigación, o deseño e o desenvolvemento de sistemas e servizos informáticos.
A3
Concibir e planificar o desenvolvemento de aplicacións informáticas complexas ou con requisitos especiais.
A5
Saber especificar, deseñar e implementar sistemas intelixentes cando as solucións convencionais non resultaren satisfactorias.
B1
Aprender a aprender.
B2
Resolver problemas de forma efectiva.
B3
Aplicar un pensamento crítico, lóxico e creativo.
B4
Aprendizaxe autónoma.
B5
Traballar de forma colaborativa.
B7
Comunicarse de maneira efectiva en calquera contorno de traballo.
B8
Traballar en equipos de carácter interdisciplinar.
B11
Razoamento crítico.
B12
Capacidade para a análise e a síntese.
B13
Capacidade de comunicación.
C4
Desenvolverse para o exercicio dunha cidadanía aberta, culta, crítica, comprometida, democrática e solidaria, capaz de analizar a realidade, diagnosticar problemas, formular e implantar solucións baseadas no coñecemento e orientadas ao ben común.
C5
Entender a importancia da cultura emprendedora e coñecer os medios ao alcance das persoas emprendedoras.
C6
Valorar criticamente o coñecemento, a tecnoloxía e a información dispoñible para resolver os problemas cos que deben enfrontarse.
C7
Asumir como profesional e cidadán a importancia da aprendizaxe ao longo da vida.
C8
Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade.
Learning aims
Learning outcomes
Study programme competences
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
Contents
Topic
Sub-topic
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
Planning
Methodologies / tests
Competencies
Ordinary class hours
Student’s personal work hours
Total hours
Guest lecture / keynote speech
20
15
35
Supervised projects
2
4
6
Seminar
3
0
3
Objective test
1
7
8
Document analysis
5
0
5
Online forum
1
0.35
1.35
Mixed objective/subjective test
2
0
2
Laboratory practice
8
6
14
Personalized attention
0.65
0
0.65
(*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students.
Methodologies
Methodologies
Description
Guest lecture / keynote speech
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.
Supervised projects
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.
Seminar
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.
Objective test
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.
Document analysis
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.
Online forum
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.
Mixed objective/subjective test
Proba que integra preguntas tipo de probas de ensaio e preguntas tipo de probas obxectivas co obxectivo de evaluar os coñecementos do alumno
Laboratory practice
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
Personalized attention
Methodologies
Guest lecture / keynote speech
Supervised projects
Online forum
Laboratory practice
Description
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.
Assessment
Methodologies
Competencies
Description
Qualification
Supervised projects
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
Seminar
Parte II de la asignatura: 2.5 puntos
Se valorará la asistencia y participación
2.5
Objective test
Parte II de la asignatura: 40 puntos
Dominio de los conocimientos de la materia.
40
Document analysis
Parte II de la asignatura: 2,5 puntos
Se valorará la asistencia y participación en las clases de análisis.
2.5
Mixed objective/subjective test
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
Laboratory practice
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
Assessment comments
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.