Créditos ECTS Créditos ECTS: 3
Horas ECTS Criterios/Memorias Trabajo del Alumno/a ECTS: 45 Horas de Tutorías: 8 Clase Expositiva: 12 Clase Interactiva: 10 Total: 75
Lenguas de uso Castellano, Gallego
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Centro Facultad de Biología
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
Se imparte en la Facultad de Informática de la Universidad de A Coruña
Dar a conocer a los alumnos algunas de las técnicas de representación del conocimiento en Sistemas Inteligentes. Por otra parte, ver un ejemplo de representación de conocimiento distribuido compatible con algún sistema biológico para la representación del conocimiento.
PROGRAMA DE CLASES TEÓRICAS
1. CONCEPTOS HISTÓRICOS Y BÁSICOS DE LOS SISTEMAS ADAPTATIVOS
1.1 Evolución histórica y precursores.
1.2 Nacimiento.
2. MODELOS
2.1 Proceso de Modelización.
2.2 Comparación entre el elemento biológico y el formal.
3. EL CONOCIEMENTO NATURAL Y SU REPRESENTACIÓN.
3.1 Características del conocimiento del mundo real.
3.2 Formas de representación del conocimiento.
4. RAZONAMIENTO Y APRENDIZAJE.
4.1 Modos de Razonamiento.
4.2 Tipos de Aprendizaje.
5. METODOLOGÍA EN SISTEMAS ADAPTATIVOS
5.1 Introducción.
5.2 Etapas de la Metodología.
6. APLICACIONES BÁSICAS DE LOS SISTEMAS CONEXIONISTAS
6.1 Consideraciones previas.
6.2 Aplicaciones.
PROGRAMA DE CLASES PRÁCTICAS
-Prácticas en grupo de Análisis y Creatividad
-Prácticas de discusión y debate.
-Prácticas de laboratorio computacional
SEMINARIOS
Se expondrán a los alumnos los resultados de investigaciones científicas recientes
•Arbib M.A.: "Cerebros, Máquinas y Matemáticas". Ed. Alianza Universidad. Madrid. 1987.
•Arbib, M.A.: “The handbook of brain theory and neural networks”. Cambridge, Massachusetts. MIT Press. 1995.
•Grossberg, S.: "Neural Networks and Natural Inteligence". Editor: MIT Press, 1988.
•Hertz, J., Krogh, A. & Palmer, R.: "Introduction to the Theory of Neural Computation". Santa Fe Institute, Addison-Wesley Editores 1991.
•Hinton, G.E.: “How Neural Networks Learn from Experience”. Scientific American, 267, 144-151. 1992.
•McCulloch, W. S., and Pitts, W.: "A Logical Calculus of the Ideas Inmanent in the Neural Nets". Buletin of Mathematical Biophysics, vol. 5, pp. 115-137. 1943.
•McCulloch, W.S., Arbib, M.A. & Cowan, J.D. "Neurological Models and Integrative Processes". In Yacovits, Jacobi and Goldstein. Ed. Selft-Organizing Systems.Spartan bocks. Washington. 1969.
•Minsky, M. & Papert, S.: "Perceptrons". Cambridge, MIT Press. 1988.
•Ramón y Cajal, S.: "Textura del Sistema Nervioso del Hombre y los Vertebrados". tomo I. Ed. Alianza. 1989.
•Rosenblueth, A., Wiener, N, and Bigelow, J.: "Behavior, Purpose and Teleology". Phylosophy of Science nº10, pp. 18-24. 1943.
•Rumelhart, D.E., Widrow, B. & Lehr, M. A.: "The basic ideas in neural networks". Comm. ACM. Num 37. pp 87-92. 1994.
Entender la base neurobiológica en la que se fundamentan los sistemas adaptativos, de la que obtienen su estructura y funcionalidades
Comprender las características del conocimiento natural y su representación
Conocer el modo de razonar de los sistemas adaptativos y de los distintos métodos para su aprendizaje
Estudiar el proceso fundamental de modelización de un sistema adaptativo
Adiestrarse en la construcción de estos sistemas siguiendo una metodología adecuada
Clases expositivas
Clases interactivas: Seminarios y prácticas
Tutorías en grupos reducidos o individualizadas
Actividades de evaluación
Participación activa en clase
Elaboración y presentación de un trabajo tutelado sobre la asignatura
Examen escrito sobre teoría y práctica
Clases expositivas: 10 horas
Clases interactivas: Seminarios y prácticas; 10 horas
Tutorías en grupos reducidos o individualizadas: 8 horas
Actividades de evaluación: 2 horas
Estudio individual: 20 horas
Elaboración de memorias de prácticas, trabajos: 25 horas
Puede ser enriquecedor para el alumno cursar esta asignatura junto a Neurociencia Computacional, Desenvolvemento do Sistema Nervioso y Evolución do sistema nervioso