Datos Identificativos 2020/21
Asignatura (*) Modelos Biolóxicos e Computacionais de Representación do Coñecemento Código 610490017
Titulación
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 2º cuadrimestre
Primeiro Optativa 3
Idioma
Castelán
Modalidade docente Presencial
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Computación
Coordinación
Pazos Sierra, Alejandro
Correo electrónico
alejandro.pazos@udc.es
Profesorado
Pazos Sierra, Alejandro
Correo electrónico
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.
Plan de continxencia 1. Modificacións nos contidos
Non
2. Metodoloxías
*Metodoloxías docentes que se manteñen

*Metodoloxías docentes que se modifican

3. Mecanismos de atención personalizada ao alumnado
Online
4. Modificacións na avaliación

*Observacións de avaliación:

5. Modificacións da bibliografía ou webgrafía

Competencias do título
Código Competencias do título

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias do título
Entender a base neurobiolóxica na que se fundamentan os sistemas adaptativos, da que obteñen a súa estructura e funcionalidades AI4
AI5
Comprender aas características do coñecemento natural e a súa representación e coñecer o modo de razoar dos sistemas adaptativos e dos distintos métodos para a súa aprendizaxe AI4
AI9
BI8
BI10
Estudialo proceso fundamental de modelización dun sistema adaptativo AI4
AI9
BI4
BI5
BI8
BI10

Contidos
Temas Subtemas
1. CONCEPTOS HISTÓRICOS E BÁSICOS DOS SISTEMAS ADAPTATIVOS 1.1 Evolución histórica e precursores.
1.2 Nacemento.
2. MODELOS 2.1 Proceso de Modelización.
2.2 Comparación entre o elemento biolóxico e o formal.
3. O COÑECEMENTO NATURAL E A SÚA REPRESENTACIÓN. 3.1 Características do coñecemento do mundo real.
3.2 Formas de representación do coñecemento.
4. RAZOAMENTO E APRENDIZAXE. 4.1 Modos de Razoamento.
4.2 Tipos de Aprendizaxe.
5. METODOLOXÍA EN SISTEMAS ADAPTATIVOS 5.1 Introducción.
5.2 Etapas da Metodoloxía.
6. APLICACIONS BÁSICAS DOS SISTEMAS CONEXIONISTAS 6.1 Consideracións previas.
6.2 Aplicacións.

Planificación
Metodoloxías / probas Competencias Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Sesión maxistral A4 A5 A9 10 20 30
Aprendizaxe colaborativa B8 10 10 20
Traballos tutelados B4 B5 B10 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 Competencias Descrición Cualificación
Traballos tutelados B4 B5 B10 Traballos para incrementar coñecementos sobre os contidos da materia 30
Sesión maxistral A4 A5 A9 Valoración por exame de preguntas cortas ou de desenrrolo 50
Aprendizaxe colaborativa B8 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