DADES IDENTIFICATIVES 2017_18
Assignatura (*) COMPUTACIÓ NEURONAL I EVOLUTIVA Codi 17665201
Ensenyament
Enginyeria Informàtica: Seguretat Informàtica i Sistemes Intel·ligents 2013
 Cicle 2n
Descriptors Crèd. Tipus Curs Període
6 Optativa 1Q
Llengua d'impartició
Català
Departament Enginyeria Informàtica i Matemàtiques
Coordinador/a
GÓMEZ JIMÉNEZ, SERGIO
 Adreça electrònica sergio.gomez@urv.cat
Professors/es
GÓMEZ JIMÉNEZ, SERGIO
Web http://moodle.urv.cat/
Descripció general i informació rellevant Les xarxes neuronals artificials i els algorismes genètics constitueixen un conjunt molt variat de models i tècniques de tractament de dades, inspirats en els seus equivalent biològics: el sistema nerviós dels animals, i l'evolució genètica. En aquest curs es mostraran els models més destacats de computació neuronal i evolutiva, posant l'èmfasi en la seva capacitat de resoldre problemes de predicció, classificació, optimització, agrupació i visualització de dades multidimensionals.
Com a conseqüència de l'extinció del pla d'estudi que estàs cursant, en aquesta assignatura només tindràs dret a examen. Per conèixer la data de realització de l'examen consulta a l'apartat d'horaris de les assignatures. En cas d'haver de sol·licitar convocatòria extraordinària recorda que per poder matricular aquest dret d'examen hauràs de presentar una sol·licitud a la secretaria del teu Campus/Centre.

Continguts
Tema Subtema
Dades multidimensionals Problemes bàsics: predicció, classificació, optimització, agrupació, visualització. Tipus de dades: discretes, reals, categòriques. Preprocés de les dades: outliers, forats, escalaments.
Computació neuronal Model de McCulloch i Pitts: pesos, llindar, camp, funció d'activació, activació. Arquitectures de xarxes neuronals artificials. Classificació dels models neuronals.
Memòria associativa i optimització Xarxa de Hopfield: regla de Hebb, dinàmica, energia. Aplicacions per a optimització combinatòria.
Aprenentatge supervisat Model lineal: regressió multilineal. Perceptró simple. Xarxes lineals. Separabilitat lineal. Xarxes multicapa. Back-propagation. Variants de la back-propagation. Cascade Correlation. Support Vector Machines. Altres algorismes.
Aprenentatge no supervisat Model lineal: anàlisi de components principals. Xarxes auto-supervisades. Aprenentatge hebbià. Aprenentatge competitiu. Mapes auto-organitzats. Teoria de resonància adaptativa. Altres algorismes.
Computació evolutiva Algorismes genètics: cromosoma, població, reproducció, recombinació, mutació, fitness. Programació genètica. Particle Swarm Optimization. Altres algorismes.

Atenció personalitzada
Descripció
Resolució de dubtes sobre els continguts i els exercicis pràctics. Es realitzarà personalment al despatx del professor, o via correu electrònic.

Avaluació
 
Altres comentaris i segona convocatòria

Fonts d'informació
Bàsica Hertz, J.A., Krogh, A., Palmer, R.G., Introduction to the Theory of Neural Computation, Addison-Wesley, 1991
Goldberg, D.E., Genetic Algorithms in Search, Optimization, and Machine Learning, Addison-Wesley, 1989
Hilera, J.R., Martínez, V.J., Redes Neuronales Artificiales. Fundamentos, Modelos y Aplicaciones. , RA-MA, 1995

Complementària Bishop, C.M, Neural Networks for Pattern Recognition, Oxford University Press, 1995
Davis, L. (ed), Handbook of Genetic Algorithms, Van Nostrand Reinhold, 1991
Cristianini, N.; Shawe-Taylor, J., An Introduction to Support Vector Machines and Other Kernel-based Learning Methods, Cambridge University Press, 2000
http://www.faqs.org/faqs/ai-faq/neural-nets/, Neural Network FAQ, ,
http://www.faqs.org/faqs/ai-faq/genetic/, Evolutionary Computation FAQ, ,

(*)La Guia docent és el document on es visualitza la proposta acadèmica de la URV. Aquest document és públic i no es pot modificar, llevat de casos excepcionals revisats per l'òrgan competent/ o degudament revisats d'acord amb la normativa vigent