Encabezado Facultad de Ciencias
Presentación

Ciencias de la Computación (plan 2013) 2020-1

Optativas, Seminario de Ciencias de la Computación A

Grupo 7106, 35 lugares. 21 alumnos.
Neuronas y Redes Neuronales: Modelos y Aplicaciones a la Ciencia de Datos.
Profesor Humberto Andrés Carrillo Calvet lu mi vi 13 a 14 P212
Ayudante José Luis Jiménez Andrade ma ju 13 a 14 P212
Ayud. Lab. Miguel Angel Hernandez Vasquez ma 16 a 18 Laboratorio de Ciencias de la Computación 3

 

Seminario de Ciencias de la Computación A

NEURONAS Y REDES NEURONALES: MODELOS Y APLICACIONES A LA CIENCIA DE DATOS

Profesor: Humberto Carrillo Calvet

Ayudante: José Luis Jiménez Andrade

Objetivos

  1. MODELOS Y ARQUITECTURAS. Analizar modelos y analogías electrónicas de neuronas y redes neuronales que son útiles en inteligencia artificial: se partirá del modelo biológico de Hodgkin-Huxley, para sentar las bases para lros modelos electrónicos de FitzHugh-Nagumo, neuronas con osciladores controlados por voltaje, modelos de integración y disparo (spiking neurons) y modelos de McCulloch y Pitts. Se analizarán tres arquitecturas básicas de redes neuronales: Redes de Kohonen, redes de Hopfield y perceptrones multicapa.

  1. APRENDIZAJE. Mostrar métodos de entrenamiento de redes neuronales, tanto supervisado como no supervisado. Se revisarán: El método de retropropagación y diferentes métricas y algoritmos para el entrenamiento de redes SOM (Self Organizing Maps). Se discutirá el problema de sobre-entrenamiento (over fitting) y se dará acceso al sistema de software LabSOM, desarrollado en nuestro laboratorio, para hacer análisis y visualizaciones con el algoritmo SOM; se introducirá a los alumnos al uso de los sistemas de software Somoclu y Keras.

  1. APLICACIONES. Ilustrar la utilidad de las redes neuronales en varios dominios de aplicación de la Ciencia de Datos. Solución heurística de problemas NP (e.g. Scheduling) y minería de: trayectorias escolares en la UNAM, análisis de datos del Ranking de Universidades, experimentos de Física Nuclear, bases de patentes (United States Patent and Trade Mark Office), artículos de investigación científica (Scopus y Web of Science) y datos sísmicos de yacimientos petroleros.

Software

Somoclu. Somoclu is a massively parallel implementation of self-organizing maps. https://github.com/peterwittek/somoclu

Keras.Keras is a high-level neural networks API, written in Python and capable of running on top of TensorFlow, CNTK, or Theano.

LabSOM. Herramienta computacional para el estudio del SOM. www.dynamics.unam.edu

Bibliografía


Tom M. Mitchell. Machine Learning. McGraw-Hill. 1ra. Edición 1997. Nils. J. Nilsson. Artificial Intelligence: A new synthesis. Morgan Kaufmann Publishers, Inc. San Francisco California. 1998.


Raul Rojas. Neural Networks - A Systematic Introduction. Springer-Verlag, Berlin, New-York, 1996. https://page.mi.fu-berlin.de/rojas/neural/


Kohonen T., Self-Organizing Maps, 3ra Edición, Springer-Verlag, 2001.


Izhikevich, Eugene M. Dynamical systems in neuroscience. MIT press, 2007.


Villaseñor, E.A., Arencibia-Jorge, R. & Carrillo-Calvet, H. Multiparametric characterization of scientometric performance profiles assisted by neural networks: a study of Mexican higher education institutions, Scientometrics (2017) 110: 77.


Self-organizing maps with cokriging porosity applied to sand-shale reservoirs using seismic. J. O. Parra, U. Iturrarán, J. S. Parra, J.L., Jiménez, and, H., Carrillo, 2015. EG, Expanded Abstract, http://dx.doi.org/10.1190/segama2015-5837952.1. páginas: 946-1950.0 SEG Technical Program Expanded Abstracts 2015, SEGEAB Editors: Robert Vincent Schneider. ISSN (online): Pages: 5634. Publisher: Society of Exploration Geophysicists. 2015.


Guzmán, MV.; Carrillo, H., Jiménez, J.L.; Villaseñor, E. Bioinformetric studies in TB vaccines researches. Chapter 22, The Art and Science of Tuberculosis Vaccines Development, Oxford University Press, primera edición: 2010, Segunda edición 2014. ISBN 978 983 45088 6. http://tbvaccines.usm.my/finlay/?q=content/chapter-34-bioinformetric-studies-tb-vaccine-research


H. Carrillo, Frank C. Hoppensteadt. Unfolding an Electronic Integrate-and-Fire Circuit. Biological Cybernetics. Volume 102, Number 1 / January, 2010.


Carrillo, H., Mendoza, M., & Ongay, F. (2004). Integrate-and-fire neurons and circle maps. WSEAS Trans Biol Biomed, 1(2), 287-293.


C. Barriga y F. Ongay, H Carrillo. El Modelo de FitzHugh-Nagumo para el Potencial Eléctrico de una Neurona, Aportaciones Matemáticas, Ed. Sociedad Matemática Mexicana, Serie de Comunicaciones 32 (2003) 31- 49. J. J. Vega, R. Reynoso and H. Carrillo. Effect of signal noise on the learning capability of an artificial neural network, Nuclear Instruments and Methods A (2009), doi:10.1016/j.nima.2009.04.021.


J. J. Vega, R. Reynoso, H. Carrillo Calvet, Learning limits of an artificial neural network. Revista Mexicana de Física, 54 (1) 22–29. Febrero 2008.


Millan V., Atenógenes E., Martínez de la Escalera N., Carrillo H., Informetrical Visualization of Gender Differences in College Performance: an application of ViBlioSOM. Número especial de la revista canadiense, Resources in Feminist Research, dedicado a la educación en México. 2008.

 


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.