Professional Documents
Culture Documents
Facultad de Ciencias
Facultad de Ciencias
M1519
- Redes Neuronales
Pgina 1
Ttulo/s
Centro
Facultad de Ciencias
Mdulo / materia
INTELIGENCIA COMPUTACIONAL
Cdigo y
denominacin
Crditos ECTS
M1519
Curso /
Cuatrimestre
CUATRIMESTRAL (2)
- Redes Neuronales
Web
Idioma de
imparticin
Espaol
Forma de
imparticin
Presencial
Departamento
Profesor
responsable
luis.crespo@unican.es
Nmero despacho
Otros profesores
2. CONOCIMIENTOS PREVIOS
Programacin
Uso de entornos de clculo cientfico/tcnico tipo Matlab, Scilab, Octave o similar
Pgina 2
Competencias Genricas
Nivel
Conocimiento actualizado de las reas ms activas en mbitos relacionados con Matemticas, Computacin o
la interaccin de ambas
Capacidad cientfica y tcnica para la incorporacin, en su caso, como profesional en el mundo de la empresa,
con especial capacitacin para empresas que requieran conocimientos y destreza en Matemticas,
Computacin o ambas simultneamente.
Conocer los principales mtodos de anlisis de datos y ser capaz de aplicarlos de forma adecuada para el
anlisis y la modelizacin de diferentes problemas prcticos
Competencias Especficas
3
Nivel
2
Conocer resultados avanzados y conocer y comprender problemas abiertos de Matemticas y/o Computacin
para su iniciacin a la investigacin.
Competencias Bsicas
Nivel
Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o
aplicacin de ideas, a menudo en un contexto de investigacin
Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolucin de problemas en
entornos nuevos o poco conocidos dentro de contextos ms amplios (o multidisciplinares) relacionados con su
rea de estudio
Competencias Transversales
Nivel
Elaboracin de conclusiones.
- - Conocimiento bsico de las tcnicas de modelizacin y aprendizaje con redes neuronales, y las conexiones con otro
tipo de tcnicas ms estndar de la estadstica, optimizacin, etc.
- Escoger los algoritmos ms eficientes para la implementacin de estos modelos.
- Aplicar estas tcnicas en problemas reales y no slo en ejemplos acadmicos.
- Decidir con criterio el tipo de red ms apropiado en cada caso que se les pueda presentar en el futuro en problemas
reales.
4. OBJETIVOS DE LA ASIGNATURA
Pgina 3
ACTIVIDADES
HORAS DE LA ASIGNATURA
ACTIVIDADES PRESENCIALES
- Teora (TE)
- Prcticas en Aula (PA)
20
30
- Evaluacin (EV)
2
32
ACTIVIDADES NO PRESENCIALES
Trabajo en grupo (TG)
23
20
43
HORAS TOTALES
75
Pgina 4
CONTENIDOS
TE
PA
PL
CL
TU
EV
TG
TA
TUNP
EVNP
Semana
3,00
0,00
8,00
0,00
0,50
0,50
6,00
8,00
0.00
0.00
3,00
0,00
7,00
0,00
0,25
0,25
6,00
7,00
0.00
0.00
Lneas de investigacin
4,00
0,00
5,00
0,00
0,25
0,25
11,00
5,00
0.00
0.00
0,00 20,00
0,00
1,00
0.00
0.00
10,00
TOTAL DE HORAS
TE
Horas de teora
PA
PL
CL
Horas Clnicas
TU
Horas de tutora
EV
Horas de evaluacin
TG
TA
7. MTODOS DE LA EVALUACIN
Descripcin
Tipologa
Eval. Final
Recuper.
Evaluacin en laboratorio
No
70,00
No
30,00
Calif. mnima
5,00
Duracin
Fecha realizacin
Condiciones recuperacin
Observaciones
Trabajo
0,00
Duracin
Fecha realizacin
Condiciones recuperacin
Observaciones
TOTAL
100,00
Observaciones
Observaciones para alumnos a tiempo parcial
Pgina 5
8. BIBLIOGRAFIA
BSICA
Redes neuronales artificiales
A. J. Serrano, E. Soria, J. D. Martn
Escuela Tcnica Superior de Ingeniera, Universidad de Valencia
(Open Courseware)
REDES NEURONALES ARTIFICIALES Y SUS APLICACIONES
Xabier Basogain Olabe
Escuela Superior de Ingeniera de Bilbao, EHU
(Open Courseware)
Artificial Neural Networks
http://en.wikibooks.org/wiki/Artificial_Neural_Networks
(En construccin a fecha 8/5/2013)
SPSS Neural Networks 17.0
SPSS Inc.
neuralnet: Training of Neural Networks
Frauke Gnther and Stefan Fritsch
The R Journal Vol. 2/1, June 2010
Complementaria
Statistical methods versus neural networks in transportation research: Differences, similarities and some insights
M.G. Karlaftis ?, E.I. Vlahogianni
Transportation Research Part C 19 (2011) 387399
Neural networks and statistical techniques: A review of applications
Mukta Paliwal, Usha A. Kumar
Expert Systems with Applications 36 (2009) 217
Comprehensive Review of Neural Network-Based Prediction Intervals and New Advances
Abbas Khosravi, Saeid Nahavandi, Doug Creighton, and Amir F. Atiya
IEEE TRANSACTIONS ON NEURAL NETWORKS, VOL. 22, NO. 9, SEPTEMBER 2011
Review of input determination techniques for neural network models based on mutual information and genetic algorithms
Maria Paula da Costa Couto
Neural Comput & Applic (2009) 18:891901
Deep Learning for Time Series Modeling
Enzo Busseti, Ian Osband, Scott Wong
CS 229 Final Project Report
Artificial neural networks in hardware: A survey of two decades of progress
Janardan Misra a,, Indranil Saha
Neurocomputing 74 (2010) 239255
9. SOFTWARE
PROGRAMA / APLICACIN
CENTRO
PLANTA
SALA
HORARIO
Matlab o equivalente
Caminos
-1
Doctorado
Dpto. Mat.
Aplic,
2
cuatrimest
re
Pgina 6
Comprensin escrita
Comprensin oral
Expresin escrita
Expresin oral
Asignatura ntegramente desarrollada en ingls
Observaciones
Pgina 7