Usted está aquí: Inicio Ingeniería Informática Redes de Neuronas Artificiales Material de Clase

Material de Clase

Acciones de Documento
  • Vista de contenidos
  • Marcadores (bookmarks)
  • Exportación de LTI
Autores: Inés M. Galván, José María Valls, Ricardo Aler, Javier Huertas
  • Tema 1: Introducción a las redes de neuronas artificiales

    Descripción: Conceptos básicos, Neurona Artificial, Aprendizaje, Generalización, Tipos de   Redes

    • MC-F-01.1. Breve descripción de los contenidos ( pdf )
    • MC-F-01.2. Transparencias ( pdf )

     

  • Tema 2: Primeros modelos computacionales

    Descripción: Perceptron Simple, ADALINE, Regla Delta, Clasificación y Regresión lineal.

    • MC-F-02.1. Breve descripción de los contenidos ( pdf )
    • MC-F-02.2. Transparencias ( pdf )

     

  • Tema 3: Peceptron multicapa

    Descripción: Arquitectura, Regla Delta Generalizada, Algoritmo de Retropropagación, Mínimos locales y parálisis, Clasificación y Regresión no lineal

    • MC-F-03.1. Breve descripción de los contenidos ( pdf )
    • MC-F-03.2. Transparencias (pdf

     

  • Tema 4. Aprendizaje no supervisado

    Descripción: Características del aprendizaje no supervisado, Regla de Hebb, Aprendizaje competitivo, Mapas autoorganizativos de Kohohen, Clustering

    • MC-F-04.1. Breve descripción de los contenidos ( pdf )
    • MC-F-04.2. Transparencias ( pdf )
    • MC-F-04.3. Algoritmo de k-medias ( pdf )
    • MC-F-04.4. Learning Vector Quantization ( pdf )
  •  

  • Tema 5. Redes de neuronas de base radial

    Descripción: Arquitectura, Funciones de Base Radial, Método de aprendizaje híbrido, Método de aprendizaje totalmente supervisado

    • MC-F-05.1. Breve descripción de los contenidos ( pdf )
    • MC-F-05.2. Transparencias ( pdf )
  •  

  • Tema 6. Redes de neuronas recurrentes

    Descripción: Concepto de neurona recurrente, Tipos de  redes recurrentes, Red de Hopfield, Redes Parcialmente Recurrentes, Retropropagación a través del tiempo, Aprendizaje recurrente en tiempo real, Long-Short Term Memory

    • MC-F-06.1. Breve descripción de los contenidos ( pdf )
    • MC-F-06.2. Transparencias ( pdf )
  •  

  • Tema 7. Introducción a deep learning

    Descripción: Desvanecimento del Gradiente, Pre-entrenamiento no supervisado, Autoencoders, Dropout, Redes Convolucionales.

    • MC-F-07.1. Breve descripción de los contenidos ( pdf )
    • MC-F-07.2. Transparencias ( pdf )
  •  

Reutilizar Curso
Descargar este curso