Cursos de Grado

Ministerio de Educación, Ciencia y Tecnología
Universidad Nacional de San Luis
FACULTAD DE CS. FISICO MAT. Y NAT.

ANEXO II

PROGRAMA DEL CURSO: MATERIA OPTATIVA
DEPARTAMENTO DE: FISICA
AREA: Superior y Posgrado	AÑO: 2002 (Id: 1087)
Estado: En tramite de Aprobación

**I - OFERTA ACADÉMICA**
CARRERAS PARA LAS QUE SE OFRECE EL MISMO CURSO	PLAN DE ESTUDIOS ORD. Nº	CRÉDITO HORARIO
		SEM.	TOTAL
LIC. EN FISICA	2/93	9	122
LIC. EN FISICA	11/77	9	122

**II - EQUIPO DOCENTE**
Funciones	Apellido y Nombre	Total hs en este curso	Cargo y Dedic.	Carácter
Responsable	HORAS, JORGE ALBERTO	20 hs.	PROFESOR TITULAR EXC.	Efectivo

**III - CARACTERÍSTICAS DEL CURSO**
CREDITO HORARIO SEMANAL				MODALIDAD	REGIMEN
Teórico/ Práctico	Teóricas	Prácticas de Aula	Práct. de lab/ camp/ Resid/ PIP, etc.		1c
5 Hs.	1 Hs.	4 Hs.	4 Hs.	Seminario	Otro:
					Duración: 14 semanas
					Período del 18/03/02 al 21/06/02

**IV.- FUNDAMENTACION**
Este curso que se dicta en el ultimo año de la Licenciatura en Fisica esta diseñado para brindar los conocimientos basicos necesarios en temas de actualidad que forman parte de la fisica de sistemas complejos, cuales son el estudio y analisis de redes neuronales artificiales. Se pretende entonces introducir estas nuevas temáticas en la formación general del físico abriendo una nueva perspectiva en sus estudios finales de licenciatura

**V.- OBJETIVOS**
El objetivo central de esta materia es brindar los conocimientos basicos en una tematica, redes neuronales artificiales, que forma parte ya establecida de la fisica estadistica y en un sentido mas amplio de la fisica de sistemas complejos. En coincidencia con ello la asignatura se estructura en base a textos de uso corriente en muchas universidades del mundo. Se intenta que al finalizar la materia el alumno tenga suficiente familiaridad con sistemas basicos de redes neuronales artificiales, y obtenga suficiente familiaridad tanto con sistemas de redes multicapas como con redes de memorias asociativas. Finalizado esto se pretende que el alumno pueda comenzar con éxito su trabajo final de licenciatura.

**VI. - CONTENIDOS**
TEMA 1: INSPIRACION DESDE LA NEUROCIENCIA Neuronas Biológicas. Neuronas Artificiales. Redes de Neuronas Artificiales. Breve historia del tema y su situación actual. Problemas principales. TEMA 2: PERCEPTRONES SIMPLES Redes alimentadas hacia delante (feed-forward). Separabilidad Lineal. Unidades Lineales. Unidades no Lineales. Unidades Estocasticas. Sincronía. Ejemplos y aplicaciones. TEMA 3: REDES MULTICAPAS El algoritmo de Back-Propagation. Algunas variaciones sobre back-propagation. Performance. Generalización. Arquitecturas optimas. Ejemplos y aplicaciones. TEMA 4: MEMORIAS ASOCIATIVAS El modelo de Hopfield y algunas variaciones sobre el. Secuencia temporal de patrones. Otros modelos de memorias asociativas. Ejemplos y aplicaciones. TEMA 5 REDES RECURRENTES Maquina de Boltzmann y otras redes recurrentes. Aprendizajes y secuencias temporales. Ejemplos y aplicaciones

**VII. - PLAN DE TRABAJOS PRÁCTICOS**
Durante el desarrollo del curso se realizaran una serie de trabajos practicos tanto de aula como simulaciones en la computadora haciendo aplicaciones en los contenidos basicos a partir del tema 2.

**VIII - RÉGIMEN DE APROBACIÓN**
La materia se dictara por promoción sin examen final y en forma de seminario. Los alumnos deberán exponer temas de cada unidad y de la evaluación de estas resultara la nota promedio que constituirá la nota final de la materia.

**IX.a - BIBLIOGRAFÍA BÁSICA**
HERTZ, J., KROGH, A. And PALMER, R: “Introduction to the theory of Neural Computation” Addison- Wesley Publishing Company. 1991. FREEDMAN, J. And SKAPURA, D.: “Neural Networks” Algorithms, Applications and Programming Techniques. Addison-Wesley Publishing Company 1991. PERETTO, P.: “An introduction to the modelling of neural networks”. Cambridge University Press 1992.

**IX b - BIBLIOGRAFÍA COMPLEMENTARIA**
OPPER, M. And SAAD, D.:”Advanced Mean Field Methods” Theory and Practice. The MIT Press 2001. ANDERSON, J. And ROSENFELD, E.: “Neurocomputing” Foundations of Research. The MIT Press 1988. WATKIN, T. L. H. And RAU,A.: “The statistical mechanics of Learning a Rule” Rev. Mod. Phys., Vol. 65, Nº 2, April 1993.

COMPLEMENTO DE DIVULGACION

**OBJETIVOS DEL CURSO**
Se intenta brindar un curso a nivel introductorio sobre redes neuronales artificiales y alguna de sus aplicaciones que van desde el reconocimiento de patrones hasta la aplicación en memorias asociativas. Se pretende que no solo se adquieran los conocimientos básicos de estas nuevas tecnologías, sino también incursionar en alguna de sus aplicaciones.

**PROGRAMA SINTETICO**
En este curso se desarrollan temas básicos que permiten el análisis de redes neuronales. La idea es desarrollar ejemplos y aplicaciones concretas al finalizar cada uno de los temas que muy sintéticamente abarca lo siguiente: Inspiración desde la neurociencia, Perceptrones Simples, Redes Multicapas, Memorias Asociativas, Redes Recurrentes.

**IMPREVISTOS**