Accesos directos a las distintas zonas del curso
Ir a los contenidos
Ir a menú navegación principal
Ir a menú pie de página
Subject's code : 2115612-
Este tema ofrece lo conceptos biológicos para la futura modelización matemática y físico-estadística de los procesos relacionados con el reconocimiento, el aprendizaje y la generalización en las redes neuronales y en cerebro en concreto.
Partiendo del modelo sencillo de Hopfield (el análogo al modelo de Ising para las redes neuronaes), se introduce la dinámica propia que conlleva a los estados de reconocimiento de patrones previamente presentados y a las propiedades de las redes atractoras, descritas por distintas diagramas de fase con su respectiva estabilidad.
Las redes feedforward, que se introducen en esta parte de la asignatura, son los pilares de la aplicación a casi todos los ámbitos de la vida cuotidiana. Por éso, el entendimiento de las estructuras, de las dinámicas de aprendizaje, del modo del procesado de información y muchos aspectos más son esenciales para la asignatura.
En esta partr de la asignatura se hace una amplia presentación de los dos tipos de aprendizaje supervisado (con una red profesor) y no supervizado (sin profesor), basándose en encontrar las caracterísiticas pricipales en la señal que se presenta a la red para extraerlas y utilizarlas satisfactoriamente. Además se hace una breve introducción a la bases teóricas y aplicadas del procesado de información.
Las técnicas, presentadas en las partes anteriores, se está usando para aplicarlas a problemas reales como, por ejemplo. el reconocimiento de patrones (voz, letras, imágenes) en redes neuronales o de tipo Deep Learning.
En este segundo bloque se presentarán todas las carácterísticas más importantes de las redes complejas, así como las herramientas que se usan para su análisis y su aplicación. Una parte se dedica a la aplicación práctica de estos conocimientos.