_____________________________________________________________________________________


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.


Última modificación: miércoles, 2 de marzo de 2022, 12:41