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.
Es una asignatura teórico-práctica que requiere la elaboración y utilización de programas para la realización de simulaciones numéricas, pero aparte tiene una importante base teórica, necesaria para entender los fenómenos. Para entender satisfactoriamente la parte teórica se necesitan buenos conocimientos de mecánica estadística, teoría de probabilidad y de desarrollos perturbativos.
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.
- Redes feedforward, aprendizaje supervisado y nosupervisado, perceptron, aprendizaje y generalizacion, Back-propagation, 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.),
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
