Redes Neuronales Artificiales y sus Aplicaciones

Anuncio
Redes Neuronales Artificiales y sus Aplicaciones
Profesorado
Departamento
Programa de Doctorado
Créditos
Nº de Plazas
Xabier Basogain Olabe
Ingeniería de Sistemas y Automática
Tecnologías Electrónica y Control
Tecnologías de la Información
3
12
1. La asignatura
2. Objetivos de la asignatura
3. Contenidos
4. Metodología de trabajo
5. Temporalización
6. Evaluación de la asignatura
1. La asignatura
El curso ‘Redes Neuronales Artificiales y sus Aplicaciones’ ofrecido a
través del campus virtual ha sido realizado a partir del correspondiente
curso impartido en la Escuela Superior de Ingenieros de Bilbao en la
modalidad presencial. Este curso se viene impartiendo desde 1992, y el
curso 2000/01 fue impartido en la modalidad bimodal(en el aula
presencial y a través de Internet) como paso previo al curso en el que
íntegramente se imparta a través de Internet de acuerdo a la política
educativa de la UPV-EHU.
El contenido principal de la asignatura se basa en la tecnología de las
Redes Neuronales Artificiales, una de las metodologías pertenecientes al
conjunto de las metodologías de Control Inteligente diseñadas para dar
solución a los problemas modernos de control. Entre las metodologías de
Control Inteligente destacan entre otras Lógica difusa, Algoritmos
genéticos, Redes de Petri, Simulación de eventos discretos, etc.
2. Objetivos de la asignatura
El objetivo principal del curso es describir la computación neuronal
como un método alternativo serio para aquellas aplicaciones en las que
los métodos clásicos de cálculo no logran resultados satisfactorios. Por
esta razón, los contenidos del curso han sido seleccionados y organizados
para mostrar de forma clara a los estudiantes las siguientes materias:
a)
b)
c)
d)
los fundamentos de las redes neuronales artificiales
las arquitecturas y reglas de aprendizaje
el potencial de cálculo para aplicaciones e investigación
el diseño y simulación
El conocimiento de estas materias supone lograr los correspondientes
objetivos parciales de la asignatura y con ellos alcanzar el objetivo
principal de la misma.
3. Contenidos de la asignatura
La asignatura ha sido organizada con una parte de teoría y otra de
prácticas(diseño y simulación software). La siguiente Tabla presenta los
principales temas y el correspondiente número de clases asignadas.
Materia
Tema 0.- Presentación
Tema 1.- Introducción a la Computación Neuronal
Tema 2.- Fundamentos de las Redes Neuronales Artificiales
Tema 3.- Selección de las Redes Neuronales
Tema 4.- Las Primeras Redes Neuronales Artificiales
Tema 5.- Red Backpropagation
Tema 6.- Redes Self Organizing Map & Counterpropagation
Tema 7.- Redes Hopfield & Bidirectional Associative Memory
Tema 8.- Red Adaptive Resonance Theory
Tema 9.- Aplicaciones de las Redes Neuronales Artificiales
Tema 10.- Lógica Difusa y Redes Neuronales Artificiales
Clases (horas)
1
3
2
1
2
2
2
2
1
2
2
Lista de Clases por Materia
La primera clase consiste en la presentación del curso en la que se indican
los objetivos y una panorámica general del mismo. El Tema 1 es el más
largo y describe de manera sinóptica las áreas básicas de la computación
neuronal, incluyendo las características del cerebro humano, la inspiración
biológica de las redes neuronales artificiales, la computación tradicional
versus computación neuronal, la historia y autores relevantes de las redes
neuronales, aplicaciones reales y la implementación software/hardware de
las mismas.
El Tema 2 introduce los principios biológicos de la computación neuronal
y presenta el modelo de la neurona artificial y su organización en redes.
Este tema describe las diferentes reglas de aprendizaje que realizan el
Prác
proceso de entrenamiento de las redes neuronales artificiales. El Tema 3
nombra más de una veintena de paradigmas de acuerdo al tipo de
aplicación, bien sea de predicción, clasificación, asociación de datos,
conceptualización de datos, filtrado de datos u optimización.
El Tema 4 está dedicado a las dos primeras redes, Perceptron y
Adaline/Madaline, con el propósito de presentar las principales
propiedades y características de las redes neuronales que estarán presentes
en la mayoría de las redes tipo feed-forward; se describe la limitación de
la separabilidad lineal para comprender el impulso que supuso la aparición
de la red Backpropagation descrita en el Tema 5, en el desarrollo de la
computación neuronal.
El Tema 6 presenta la arquitectura y la regla de aprendizaje de las redes no
supervisadas, así como su combinación con redes supervisadas que
constituyen las redes neuronales híbridas. El Tema 7 describe otro nuevo
tipo de redes, las redes con organización recursiva. El Tema 8 describe
una red neuronal que integra una arquitectura y reglas de aprendizaje que
resuelven el dilema estabilidad-plasticidad.
El Tema 9 está dedicado a diferentes aplicaciones reales en las áreas de la
industria e investigación, incluyendo rutado de comunicaciones,
predicción de carga eléctrica, evaluación no destructiva y otros. El último
tema, el Tema 10 ofrece una visión panorámica de las metodologías del
control inteligente, poniendo especial atención en la Lógica Difusa y su
relación con las redes neuronales artificiales.
La parte práctica se realizará con el paquete software Explorer de
NeuralWare disponible para todos los alumnos.
4. Metodología de trabajo
Las características propias de los cursos de doctorado así como las propias
de los alumnos de dichos cursos, hacen que la metodología de trabajo sea
radicalmente diferente a la correspondiente a una asignatura del primer o
segundo ciclo totalmente reglada.
Además, las ventajas y posibilidades que ofrece la educación on-line
facilitan y exigen una metodología pedagógica nueva que se adapte a la
disponibilidad y necesidades del alumno. Las nuevas tecnologías permiten
utilizar nuevas propiedades en el proceso enseñanza-aprendizaje como son
la transmisión de las clases en formato video/audio, el acceso permanente
a los materiales del curso, la utilización del ordenador como una
herramienta de enseñanza entre otros.
4.1.- Material Didáctico del Alumno
El curso de Redes Neuronales Artificiales y sus Aplicaciones ofrecido en
el campus virtual presenta además de los elementos requeridos de un curso
convencional otros elementos/herramientas suministrados por las nuevas
tecnologías de la información y comunicación.
a) material del curso: guía de la asignatura, clases de las materias del curso en
formato video/audio, libro de texto, transparencias y notas de clases en
formato imágenes, acceso para descargar el software de simulación de la
parte práctica del curso, bibliografía y recursos accesibles a través de enlaces
de Internet como se indica en la figura.
b) Herramientas de alumnos: calificaciones, progreso, homepages, etc.
c) Herramientas de comunicación: e-mail, chats y debates para facilitar la
relación alumno-profesor, y
d) Herramientas de evaluación: ejercicios y auto-test de múltiple elección por
cada tema del curso.
Todos estos elementos están integrados en un sistema y son accesible
desde un ordenador personal a través de Internet.
4.2.- Transmisión de Clases
El grupo de investigación multimedia de la Escuela Superior de Ingenieros
de Bilbao viene trabajando desde 1997 en el área de la educación on-line,
integrando transmisión de video y entornos educativos a través de Internet.
Ha creado una infraestructura tecnológica(hardware, software y
comunicaciones) y una infraestructura académica(materiales de cursos,
comunicación alumno-profesor) que realiza la transmisión de cursos a
través de Internet.
El curso ‘Redes Neuronales Artificiales y sus Aplicaciones’ ha sido
inicialmente realizado sobre la infraestructura tecnológica y académica de
dicho grupo (http://bixm177.bi.ehu.es) y en la actualidad está en la
plataforma del Campus Virtual (http://cv.ehu.es/campus/).
La transmisión de video correspondientes a las clases ha sido adoptado por
cada vez más universidades, entre otras Stanford y Whasington, permite al
alumno tener un adecuado control de la temporalización de los contenidos
del curso, así como una mejor comprensión del material de la clase al ser
explicada por el profesor. La transmisión del video de las clases es posible
gracias al nuevo método de ver contenidos de video, audio y contenidos
multimedia en tiempo real: Streaming media.
Nota: se recomienda una conexión Internet de alta velocidad para poder
seguir el curso con calidad.
El diseño de la pantalla que el alumno ve al seguir las clases desde su ordenador
personal a través de Internet tiene tres partes, la ventana de la clase, la ventana
del índice y la ventana de las transparencias, como se muestra la figura.
La ventana de la clase está en la parte superior izquierda y los alumnos pueden
ver y escuchar al profesor impartiendo la clase. La ventana del índice, debajo de
la ventana de la clase, facilita al alumno dirigirse a la parte de la clase que desee
evitando tener que realizar un acceso secuencial de la clase. La ventana grande a
la derecha corresponde con la zona asignada a la transparencia que esté siendo
utilizada por el profesor en cada momento de la explicación de la clase. Las
características del diseño de la pantalla han sido elegidas considerando muchos
aspectos tecnológicos, audiovisuales y pedagógicos que faciliten y mejoren el
proceso de aprendizaje.
4.3.- Actividades relacionadas con los Temas del curso
Una forma de explicitar el logro de los objetivos del curso consiste en realizar
una actividad propuesta por el profesor o bien por el alumno, en la que se
reflexione o se desarrolle algún aspecto del Tema impartido. Este tipo de
actividad puede presentar diferentes formas como debates, ejercicios, opinión de
un artículo, búsqueda de documentación afín, etc.
5. Temporalización
El curso se imparte durante el primer cuatrimestre del año académico y
comienza a primeros de Noviembre, una vez las listas completas de los
alumnos son definitivas. La primera clase se realizará de forma
presencial y mediante videoconferencia, en la que el profesor hará una
presentación de la asignatura y establece un primer contacto con los
alumnos. La distribución temporal del curso se resume en ocho sesiones
de una, dos o tres horas como se indica en la siguiente tabla:
REDES NEURONALES ARTIFICIALES Y SUS APLICACIONES
SESIÓN Fecha (orientativa) TEMA
28-Noviembre
Presentación del Curso
1
2
3
5-Diciembre
12-Diciembre
Tema 1.- Introducción a la Computación
Neuronal
Tema 1.- Introducción a la Computación
Neuronal
Tema 2.- Fundamentos de las Redes
Neuronales Artificiales
Tema 2.- Fundamentos de las Redes
Neuronales Artificiales y
Hora
1
Total (horas)
1
1
2
3
1
2
5
Tema 3.- Selección de las Redes
Neuronales
4
5
6
9-Enero
16-Enero
23-Enero
SW
7
30-Enero
Tema 4.- Las Primeras Redes Neuronales
Artificiales
Tema 4.- Las Primeras Redes Neuronales
Artificiales
Tema 5.- Red Backpropagation
Tema 5.- Red Backpropagation
Tema 6.- Red Self Organizing Map y Red
Counterpropagation
Tema 6.- Red Self Organizing Map y Red
Counterpropagation
Diseño y Simulación NeuralWare
Explorer
Tema 7.- Red Hopfield y Red Bidirectional
Associative Memory
1
2
7
1
2
9
1
2
1
1
12
Tema 8.- Red Adaptive Resonance Theory
8
6-Febrero
Tema 9.- Aplicaciones de las Redes
Neuronales Artificiales
Tema 10.- Lógicas Difusa y Redes
Neuronales Artificiales
1
14
1
1
Además de las clases/horas teóricas, se recomienda una serie de horas de
prácticas a realizar de forma individual con el software de diseño y
simulación Explorer de NeuralWare.
6. Evaluación de la asignatura
La evaluación de la asignatura se realiza siguiendo los mismos criterios
que en los cursos presenciales, es decir por la asistencia y participación en
la clase. La asistencia a clase se sustituye por el seguimiento de las clases
en video y el estudio de la documentación relacionada con la clase;
mientras que la participación en clase se sustituye por la participación en
los debates o foros propuestos, y por los diferentes mecanismos utilizados
para establecer una adecuada relación alumno-profesor (e-mails
relacionados con los temas, dudas y consultoría en el despacho, etc.) y
relación alumno-alumno (trabajos en común, búsqueda bibliográfica en
equipo, etc.).
El foro Trabajo Fin de Curso requiere que cada alumno desarrolle un
trabajo relacionado con las Redes Neuronales Artificiales y sus
Aplicaciones. El trabajo será entregado al final de curso en formato
electrónico (word), e impreso en un documento encuadernado presentando
la siguiente estructura: a) Titulo, Objetivo y Resumen. b)- Índice y
Desarrollo de los contenidos. c)- Aportación personal en el trabajo d)Texto Base del trabajo (pdf, scan, word).
16
Descargar