Redes de Neuronas Artificiales
Material de clase
_____________________________________________________________________________________
Tema 1: Introducción a las redes de neuronas
Descripción: Conceptos básicos, Neurona Artificial, Aprendizaje, Generalización, Tipos de Redes.
Tema 2: Primeros modelos computacionales
Descripción: Perceptron Simple, ADALINE, Regla Delta, Clasificación y Regresión lineal.
Tema 3: Peceptron multicapa
Descripción: Arquitectura, Regla Delta Generalizada, Algoritmo de Retropropagación, Mínimos locales y parálisis, Clasificación y Regresión no lineal.
Tema 4: Aprendizaje no supervisado
Descripción: Características del aprendizaje no supervisado, Regla de Hebb, Aprendizaje competitivo, Mapas autoorganizativos de Kohohen, Clustering.
Tema 5: Redes de neuronas de base radial
Descripción: Arquitectura, Funciones de Base Radial, Método de aprendizaje híbrido, Método de aprendizaje totalmente supervisado.
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.
Tema 7: Introducción a deep learning
Descripción: Desvanecimento del Gradiente, Pre-entrenamiento no supervisado, Autoencoders, Dropout, Redes Convolucionales.