Encabezado Facultad de Ciencias
Presentación

Ciencias de la Computación (plan 1994) 2013-1

Optativas, Redes Neuronales y Autómatas Celulares

Grupo 7026, 20 lugares. 16 alumnos.
Profesor Elio Atenogenes Villaseñor García lu mi vi 9 a 10 P103
Ayudante Miguel Angel Piña Avelino ma ju 9 a 10 P103
Ayud. Lab. Leonardo Sánchez Bojorquez ju 14 a 16 Laboratorio de Ciencias de la Computación 1

 

Temario

A. REDES NEURONALES.

1.
Introducción (7 horas)

Introducen al estudiante al contexto histórico y la terminología básica del tema.

1.1
Introducción.
1.2
Aspectos principales de los Modelos de proceso paralelo distribuido.
1.3
Perspectivas.
2.
Clasificación y reconocimiento de patrones Se revisan los conceptos principales relacionados con la representación distribuida del conocimiento y los mecanismos principales para la recuperación de la información.
2.1
El espacio de representación de los patrones y el problema de la separabilidad lineal.
2.2
Clasificadores bayesianos.
3.
El Perceptrón simple (13 horas)

Se presenta el concepto de perceptrón y su evolución histórica, como un modelo de memoria asociativa que se autoentrena en presencia de supervisión.

3.1
Introducción.
3.2
La estructura del perceptrón. La neurona elemental.
3.3
La naturaleza paralela del proceso de cómputo del perceptrón.
3.4
Redes multicapa. Retropropagación.
3.5
El perceptrón multicapa como separador convexo.
3.6
Ejemplos y aplicaciones.
4.
El Modelo de Hopfield (8 horas)

Se estudia el enfoque a redes neuronales de tamaño significativo, basado en el concepto de que la actividad de la red se basa en que se revisa si alguna neurona ha disparado.

4.1
El Modelo de Tanque de Hopfield.
4.2
Antecedentes biológicos.
4.3
Complejidad computacional y de programación.
4.4
Redes de Hopfield como modelo de memoria asociativa.
4.5
La regla de aprendizaje de Hebbs.
4.6
Redes de Hopfield como sistemas dinámicos.
5.
Problemas de optimización con redes neuronales (8 horas)

Se revisan algoritmos discretos en los que las redes neuronales aportan soluciones paralelas más eficientes que las tradicionales.

5.1
El agente viajero.
5.2
Bipartición de gráficas.
5.3
Proceso de imágenes.
6.
Otros modelos (4 horas)

Tema optativo. Se estudian otro enfoques para el modelado mediante redes neuronales.

6.1
Teoría ABT.
6.2
Máquinas de Boltzmaun
6.3
Redes de Kauffman I.

B. AUTÓMATAS CELULARES.

1.
Historia y antecedentes (4 horas)

Se presenta una visión general de los orígenes de los autómatas celulares y sus aplicaciones.

7.1
El autómata de ULAM-Von Neumann.
7.2
El juego de la vida de Conway (I)
2.
Autómatas celulares unidimensionales (8 horas)

Se revisan los conceptos fundamentales de los autómatas celulares, empezando por los modelos más simples que se definen en un espacio unidimensional.

8.1
El autómata celular elemental. Formalización.
8.2
Clasificación de Wolfram.
8.3
Al autómata celular y su relación con los lenguajes formales.
8.4
El autómata celular como máquina universal de cómputo (Máquina de Turing).
3.
Autómatas celulares bidimensionales (4 horas)

Se extiende el concepto de autómata celular y se revisan las aplicaciones que se alcanzan con esta extensión.

9.1
El juego de la vida de Conway (II).
9.2
Aplicaciones. Morfogénesis. Crecimiento de Cristales. Química no lineal.
4.
Relación entre autómatas celulares y redes neuronales (4 horas)

Se concluye el curso con una exposición de las similitudes, relación y comparación entre los dos modelos expuestos.

10.1
Redes "Liquidar" de Neuronas.
10.2
Redes de Kauffman (II).

 


Hecho en México, todos los derechos reservados 2011-2016. Esta página puede ser reproducida con fines no lucrativos, siempre y cuando no se mutile, se cite la fuente completa y su dirección electrónica. De otra forma requiere permiso previo por escrito de la Institución.
Sitio web administrado por la Coordinación de los Servicios de Cómputo de la Facultad de Ciencias. ¿Dudas?, ¿comentarios?. Escribenos. Aviso de privacidad.