A continuación se muestran los contenidos de parte de las asignaturas electivas en el Postgrado de Investigación de Operaciones, tanto para el programa de Maestría como para el programa de Especialidad.

Es posible tomar una asignatura obligatoria en un plan y cursarla como electiva en el otro plan.

Si desea obtener una copia de las mismas, se ofrece la posibidad de descargarlas, y en caso de requerir que los mismos sean sellados, imprímalos en una hoja tamaño carta, por ambos lados, y llévelo a la sede del Departamento.

INTRODUCCIÓN A LAS REDES NEURONALES

 

CÓDIGO: 8080775

N° DE UNIDADES: Tres (3)

TIPO DE ASIGNATURA: Tópico Especial

 

OBJETIVOS GENERALES.-

Se persigue capacitar a los cursantes en el manejo, tanto teórico como práctico de una serie de paradigmas de aplicación general en el área de las redes neuronales. El estudiante estará en capacidad de explicar, tanto los basamentos biológicos como los matemáticos de cada uno de los paradigmas considerados así como sus ventajas y limitaciones y de implementar diferentes arquitecturas de redes neuronales. El curso tiene una intensa componente práctica, en la cual se revisarán aplicaciones en áreas como la ingeniería petrolera, la espectroscopía química, el análisis y caracterización de series de tiempo, la identificación de sistemas, la predicción y control y el procesamiento de imágenes digitales.

 

OBJETIVOS ESPECÍFICOS.-

Al finalizar este curso el estudiante estará en capacidad de:

RESÚMEN DE CONTENIDOS.-

Tema 1:

Computación neuronal: Introducción y evaluación histórica. Paradigmas básicos de redes neuronales. El perceptrón. Clasificación lineal. Adaline y madaline. Regla delta. Funciones de discriminación. Clasificación no lineal. Preprocesamiento y metodología del "functional link". Redes de multicapas. Retropropagación del error.

Tema 2:

Memorias asociativas lineales y bilineales (LAM y BAM). Enfoque matricial de Kohonen. Filtro de novedad. Red de Hopfield dinámica de relajación. Enfoque estadístico y la analogía con los vidrios de spin. Máquina de Boltzmann.

Tema 3:

Redes auto-organizativas. Metodología de Kohonen. Teoría de Amari para la organización de un campo neuronal. Teoría de resonancia adaptativa (ART).

Tema 4:

Clasificación de patrones. Formulación estadística. Métodos de comparación. Método del subespacio de clasificación. Cuantización vectorial adaptativa y no-adaptativa. Extracción de rasgos. Métodos de "clustering".

Tema 5:

Redes neuronales como aproximantes universales: Aproximación de funciones, redes de funciones de base radiales.

Tema 6:

Otras arquitecturas de redes neuronales: Maxnet, Art1, Neocognitron, red de Hamming, redes dinámicas con retroalimentación.

Tema 7:

Aplicaciones diversas de redes neuronales a problemas de la vida real. Aplicaciones en el área de diagnóstico médico, en el área petrolera, en espectroscopía química, en el análisis y caracterización de series de tiempo, en identificación de sistemas, predicción y control, en el procesamiento de imágenes digitales.