Redes Neuronales y Algoritmos Evolutivos. Curso 2006

Programa de estudio. || Teorías: Clase 1. Introducción | Clase 2. Neurona artificial. Perceptron | Clase 3. Adaline | Clase 4. Backpropagation. Ejercicio Backprop. Neurona no lineal. Asociador lineal. Asociador lineal 2 | Clase 5. Backprop 3 | Clase 6. CounterPropagation Network (CPN) | Clase 7. Self-Organizing Maps (SOM). -- Arquitectura de las redes LVQ. Mapa letras. SOM 1. SOM letras falta entrenamiento. SOM 3 | Clase 8. Algoritmos genéticos. Técnicas de selección. AG básico. Introducción a la computación evolutiva (Notas de curso) / Dr. Carlos A. Coello Coello | Clase 9. Esquemas. -- Representación | Clase 10. Redes Neuronales Evolutivas. RNE XOR | Using a clustering genetic algorithm for rule extraction from artificial neural networks / Eduardo R. Hruschka, Nelson F. F. Ebecken | Training neural networks for reading handwritten amounts on checks / Rafael Palacios and Amar Gupta | Color clustering and learning for image segmentation based on neural networks / Guo Dong and Ming Xie. || Prácticas 1 a 6 | Matlab | Letras | 1a. entrega: Ejercicio 1. ejer1. Sonidos | Ejercicios 2 y 4. Ver mapa. Vinos datos | Ejercicio 3. ejer -- 3. Formas | 2a. entrega.

Carreras: Lic. en Informática (Plan 2003), Lic. en Sistemas (Plan 2003), Lic. en Informática (Plan 1990) -- Optativa -- Duración: semestral.