Bibliografia Redes Neuronales
Bibliografia Redes Neuronales
Bibliografia Redes Neuronales
2. PERCEPTRON MULTICAPA Estructura del perceptron multicapa. Algoritmo de aprendizaje. Problemas que puede solucionar. Ventajas y desventajas. UNIDAD 3. REDES DE HOPFIELD Topologa. Algoritmos de entrenamiento. Aplicaciones. UNIDAD 4. REDES DE KOHONNEN (SOM, LVQ). Topologa. Algoritmos de entrenamiento. Aplicaciones. UNIDAD 5. REDES DE BASE RADIAL (NEWRBE, NEWRB). Topologa. Algoritmos de entrenamiento. Aplicaciones. UNIDAD 6. REDES DE BASE GENERALIZADA GRNN Y DE BASE PROBALISITICA PNN. Topologa. Algoritmos de entrenamiento. Aplicaciones. UNIDAD 7. REDES DE KOHONNEN (SOM LVQ). Topologa. Algoritmos de entrenamiento. Aplicaciones. UNIDAD 8. LOGICA DIFUSA. Topologa. Algoritmos de desfusificacin, reglas de apareamiento, fusificacion. Aplicaciones.
OPCIONAL
UNIDAD 1. REDES MONOCAPA. En esta unidad se pretende explicar como es el funcionamiento de las redes redes monocapa como tambin se pretende explicar como es el funcionamiento de los perceptrones y de las redes adaline Antecedentes histricos. Origen y desarrollo de las redes neuronales. Definiciones y clasificacin de las redes monocapas. Estructura y partes de la red neuronal monocapa. Herramientas Matemticas. Aplicaciones de las redes neuronales. UNIDAD 2. REDES MULTICAPA. En Esta unidad se pretende explicar el funcionamiento, topologa y formas de entrenameinto de als redes multicapa, especialmetne el perceptron multicapa o MLP.
Conocer la topologa de las redes multicapa. Conocer el algoritmo de entrenamiento backpropagation. Resolver problemas de clasificacin con redes neuronales artificiales. Resolver problemas de seguimiento de funciones con redes neuronales artificiales. Resolver problemas de prediccin con redes neuronales artificiales. UNIDAD 3. OTRAS REDES MULTICAPA. En esta seccin se pretende explicar como es la topologa, funcionamiento y entrenamiento de otras rede multicapa como la rede hopfield, red de kohonen. Redes de Kohonnen. Redes de Hopfield. Algoritmo de k-medias. UNIDAD 4. TRATAEMIENTO BASICO DE LA VISION ARTIFICIAL CON ENFASIS EN EL RECONOCIMIENTO DE IMGENES POR MEDI DE REDES NEUROANLES. En este capitulo se pretende dar a conocer los principios bsicos de cmo hacer tratamiento de imgenes para aplicarlo al reconocimiento, dentro de os tpicos a tratar estn cambio de color, binarizacin, segmentacin, extraccin de propiedades de la imagen. Leer imgenes en varios formatos. Conversin de formato de imgenes. Reconocimiento de imgenes. Reconocimiento de imgenes con redes neuronales. UNIDAD 5. REDES DE BASE RADIAL. En este capitulo se pretende dar a conocer las estructuras, formas de aprendizaje funcionameinto de als redes de base radial. Entender el funcionamiento de una red de base radial. Desarrollar el entrenamiento de una red de base radial de forma manual. Desarrollar el aprendizaje de una red de base radial por el mtodo de las K-medias. UNIDAD 6. ALGORITMOS GENETICOS. En esta capitulo se pretende dar a concocer los principios de funcionamiento de los algoritmos genticos y algunas de sus aplicaciones. Conocer los procesos de procesamiento de los algoritmos genticos. Trabajar con algoritmos genticos.
ninethen edition, Universidad de Amsterdam. [2]. Lipo Wang Xiuju Fu, Data Mining with Computational Intelligence, springer, 1998 ISBN-10 3-540-24522-7 [3]. Villamizar Juan Carlos, Apuntes de clase. [4]. Nikola K. Kasabov, Foundations of Neural Networks, Fuzzy Systems, and Knowledge Engineering, The MIT Press, 1996, ISBN 0-262-11212-4 [5]. Lakhmi C. Jain; N.M. Martin, Fusion of Neural Networks, Fuzzy Systems and Genetic Algorithms: Industrial Applications, CRC Press, 1998 ISBN: 0849398045. [6]. James A. Freeman, David M. Skapura, Neural Networks Algorithms, Applications, and Programming Techniques, Addison-Wesley,1991, ISBN 0-20151376-5 [7]. John Yu Hen Hu, Jenq Neng Hwang, Neural network signal processing, CRC PRESS, 202, ISBN 0-8493-2359-2R.