Beruflich Dokumente
Kultur Dokumente
S la b o
de
REDES NEURONALES
(CL558)
Lambayeque Per
2016
I.
DATOS GENERALES
1.1.
1.2.
1.3.
1.4.
1.5.
1.6.
1.7.
1.8.
1.9.
1.10.
1.11.
1.12.
1.13.
1.14.
1.15.
II.
Facultad
Escuela profesional
Asignatura
Cdigo
Nmero de crditos
Pre-requisitos
Ciclo de estudios
rea
Plan de estudios
Extensin horaria
Teora
Prctica
Laboratorio
Semestre acadmico
Inicio
Final
Duracin
Docente
Correo electrnico
Tutora
FUNDAMENTACION - SUMILLA
de
Ingeniera
Electrnica
estar
familiarizado
con
esta
novel
herramienta.
3.2.
3.3.
neuronal.
Entender el mecanismo de entrenamiento de las diferentes redes
neuronales, como la forma de actualizacin de los diferentes parmetros
3.4.
3.5.
Semana
1
2
3
Contenido
Introduccin a Redes neuronales. Aprendizaje de la
mquina. Aprendizaje automtico. Reconocimiento de
voz de tareas.
Neurona tpica cortical. Sinapsis. La modularidad y el
cerebro.
Redes neuronales feed-forward. Redes recurrentes.
Redes neuronales recurrentes para secuencias de
modelado. Redes conectadas simtricamente
Estrategia
didctica
Trabajo
colaborativo
Trabajo
colaborativo
Trabajo
colaborativo
4.2.
OBJETIVOS ESPECFICOS
Comprender el reconocimiento estadstico de patrones.
Entender el funcionamiento bsico de una red neuronal.
Semana
Contenido
El paradigma estndar para el reconocimiento
estadstico de patrones. La arquitectura estndar de la
percepcin. Los sesgos utilizando la misma regla que
usamos para los pesos de aprendizaje. procedimiento
de convergencia percepcin: Entrenamiento neuronas
de salida binarios como clasificadores
Peso espacio .El cono de soluciones factibles.
Procedimiento de aprendizaje. Bosquejo informal de la
prueba de la convergencia
Las limitaciones de la Percepcin. Una visin de lo que
el umbral neuronal binario no puede hacer. Aprender
con unidades ocultas
Funcionamiento bsico de una red neuronal.
Conexiones de las neuronas. Pesos sinpticos.
Perceptrn Multicapa. La retropropagacin.
Estructura de una red neuronal. Un breve desvo en la
ciencia cognitiva. Representaciones localizadas y
distribuidas de conceptos. La funcin de salida softmax.
Problemas con el error cuadrtico. Modelos de lenguaje
neuro-probabilstico. Maneras de hacer frente a la gran
cantidad de posibles salidas de modelos de lenguaje
neuro-probabilstico.
Estrategia
didcticas
Trabajo
colaborativo
Trabajo
colaborativo
Trabajo
colaborativo
Trabajo
colaborativo
Trabajo
colaborativo
4.3.
UNIDAD III:
Aprendizaje automtico
Estrategia
didcticas
Contenido
Reconocimiento de objetos con redes neuronales.
Reglas de aprendizaje supervisado. Reconocimiento de
objetos con redes neuronales. Reglas de aprendizaje
no supervisado. El mtodo de la fuerza bruta.
Aprendizaje automtico. Elemento bsico. Neurona
artificial. El proceso de entrenamiento. Aprendizaje por
correccin de error. Regresin logstica.
Modelamiento de secuencias. Sistemas dinmicos
lineales. Modelos Markov ocultos. Redes neuronales
recurrentes. Entrenando con redes neuronales con
retropropagacin. Conectividad de la red.
Cadenas de caracteres Modelando con conexiones
multiplicativas
Modelado de texto: Ventajas de trabajar con
caracteres.
Aprender a predecir el siguiente carcter utilizando HF.
Redes estatales ECO.
10
11
12
4.4.
Trabajo
colaborativo
Trabajo
colaborativo
Trabajo
colaborativo
Trabajo
colaborativo
Semana
Contenido
13
Estrategia
didcticas
Trabajo
colaborativo
14
Trabajo
colaborativo
15
16
como
un
regularizador.
Enfoque
Trabajo
colaborativo
Trabajo
colaborativo
V.
Recursos y equipos
- Retroproyector
- Material Impreso
- Pizarra
- Plumones
- Saln de clases
- Laboratorio de cmputo
- Biblioteca
Reportes
Aportaciones orales
Prcticas calificadas
Examen parcial
Exposiciones
Trabajo de aplicacin
Promedio final=
Ao
Pc
Ep
Ex
Ta
Cantidad
Sin limite
2 por semestre
2 por semestre
1 por semestre
1 por semestre
Ponderacin
1
2
4
1
2
) +2 ( Pc
) +1 ( Ex
) +1 ( Ao
) +2 ( Ta
)
4 ( Ep
10
El estudiante para ser aprobado en la asignatura deber obtener una nota final de
10.5 a ms.
Nota importante:
i) El estudiante con el 30% de inasistencia no tendr derecho a ser evaluado.
VII.
TUTORA
Teniendo en cuenta que el proceso docente educativo constituye un proceso
formativo integral, el estudiante contar con tutora durante el desarrollo de la
asignatura, la cual puede ser solicitada previamente mediante correo electrnico o
presencial.
Ambiente de tutora
Ambiente: Escuela de Profesores de la Escuela de Ingeniera Electrnica.
Horario
VIII. BIBLIOGRAFIA
_______________________________
Mg. Luca Isabel Chamn Cabrera
CIP N 86890