Es una asignatura muy moderna basándose a los recientes avances del campo de la física estadística avanzada de los sistemas desordenados, de la neurociencia, de la ecología, de la economía o sde la sociología.

El objetivo de la asignatura es familiarizar a los estudiantes de las bases teóricas de la redes neuronales y complejas y cómo se pueden aplicar a problemas reales de muy amplio espectro. En realidad, la pandemia del COVID-19 ha accelerado el proceso del desarrollo de la Inteligancia Artificial (IA), donde las redes neuronales y complejas juegan el papel principal. Su uso en reconocimiento de patrones (imagenes, voz, texto, estructuras) tiene una amplia aplicación en la medicina, la econimía, el medio ambiente y en todos los sectores de la vida cuotidiana.

La asignatura se está basando en el entendimiento de las Redes neuronales de tipo atractor y de tipo de procesado hacia adelante (feedforward), el procesado de información, las reglas de aprendizajes y la generalización, nociones básicas para el avance de la IA. Por otra parte, se necesita el entendimiento de cómo funcionan estos sistemas sobre una topología más compleja y real como grafos aleatorios, redes de escala libre (scale free) y de escala acotada (small world).

Las líneas pricipales de contextualización, son las siguientes:

- Redes neuronales reales, nociones biofísicas, modelo de Hodgkin y Huxley y sus variantes.

- Redes neuronales atractoras, Modelo de Hopfield, casos con número de patrones finito e infinito, redes nolineares y/o diluidas, dinámica, aplicaciones.

- Redes feedforward, aprendizaje supervisado y nosupervisado, perceptron, aprendizaje y generalizacion, Back-propagation, on-line learning, aplicaciones.

- Redes de escala libre y acotada, Redes complejas y modelos asociados (Erdoes-Renyi, Watts-Strogatz, Albert-Barabasi), características de las redes complejas (coeficiente de clustering, diámetro y espectro de la red, etc.), Modelización en el contexto de COVID-19.

Todas estas líneas están en estrecha relación con la asignatura de Mecánica Estadística del Grado, de Mecánica Estadística Avanzada del Master o con las asignaturas de Modelización y las Matemáticas avanzadas.

La ACTIVIDAD FORMATIVA de la asignatura es la siguiente:

Estudio del material básico y complementario. Ejercicios prácticos - horas 60, presencialidad 0

Búsqueda autónoma y selección de bibliografía específica relacionada con los contenidos de la asignatura - horas 10, presencialidad 0

Participación en foros y comunicaciones con equipo docente y otros estudiantes, horas 20, presencialidad 0

Realización de tareas evaluables, horas 60, presencialidad 0