IDENTIFYING DATA 2009_10
Subject (*) Code 175112118
Study programme
Enginyeria Informàtica i de la Seguretat (2007)
 Cycle 2nd
Descriptors Credits Type Year Period
4.5 Compulsory First Only annual
Language
Català
Department Enginyeria Informàtica i Matemàtiques
Coordinator
GÓMEZ JIMÉNEZ, SERGIO
 E-mail sergio.gomez@urv.cat
Lecturers
GÓMEZ JIMÉNEZ, SERGIO
Web http://moodle.urv.cat/
General description and relevant information 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.

Competences
Type A Code Competences Specific
  Research
  AR1 Dominar l’anàlisi estadística.
  AR2 Aplicar els coneixements de matemàtiques a l’enginyeria informàtica.
  AR12 Aplicar metodologies de la intel·ligència artificial.
Type B Code Competences Transversal
  Common
  BC2 Treballar autònomament amb iniciativa
  BC5 Transferibilitat. Aplicar coneixements i habilitats en entorns nous o no familiars i en contextos multidisciplinars relatius a la seva àrea específica
  BC11 Treballar en equip i gestionar equips
  BC13 Learning to learn
  BC14 Planificació i organització
Type C Code Competences Nuclear
  Common
  CC1 Domini de l’expressió i la comprensió del/s idioma/es estrangers per al desenvolupament professional derivat del curs del postgrau.

Learning aims
Objectives Competences
Comprendre la dificultat en el tractament de dades reals multidimensionals, i conèixer algunes tècniques clàssiques lineals AR1
AR2
Conèixer tècniques de computació neuronal i evolutiva aplicables a problemes de predicció, classificació, optimització, agrupació i visualització de dades multidimensionals AR1
AR2
AR12
 BC5
Familiaritzar-se amb la cerca, comprensió i utilització d'articles de recerca en llengua estrangera BC2
BC13
 CC1
Treballar en equip per a resoldre problemes de certa magnitud BC11
BC14

Contents
Topic Sub-topic
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. Altres algorismes.

Planning
Methodologies  ::  Tests
  Competences (*) Class hours Hours outside the classroom (**) Total hours
Introductory activities
1 0 1
 
Lecture
26 13 39
Practicals using information and communication technologies (ICTs) in computer rooms
10 5 15
ICT practicals
5 50 55
 
Personal tuition
2 0 2
 
Objective short-answer tests
3 0 3
Oral tests
1 0 1
 
(*) On e-learning, hours of virtual attendance of the teacher.
(**) The information in the planning table is for guidance only and does not take into account the heterogeneity of the students.

Methodologies
Methodologies
  Description
Introductory activities Introducció al desenvolupament de l'assignatura i als seus continguts
Lecture Exposició dels continguts amb disponibilitat dels materials en format electrònic
Practicals using information and communication technologies (ICTs) in computer rooms Exposició d’eines per al desenvolupament de solucions i resolució pràctica de problemes
ICT practicals Exercicis pràctics per a assolir experiència i consolidar els coneixements teòrics

Personalized attention
 
ICT practicals
Description
Resolució de dubtes sobre els continguts i els exercicis pràctics. Es realitzarà personalment al despatx del professor, o via correu electrònic.

Assessment
  Description Weight
ICT practicals Avaluació dels exercicis pràctics 40% (mínim un 4)
Objective short-answer tests Avaluació dels coneixements teòrics 30% (mínim un 4)
Oral tests Avaluació de l'exposició d'un tema proposat 30% (mínim un 4)
 
Other comments and second exam session

Per segona convocatòria: avaluació idèntica a la de primera convocatòria.

Sources of information

Basic Hertz, J.A., Krogh, A., Palmer, R.G., Introduction to the Theory of Neural Computation, Addison-Wesley, 1991
Bishop, C.M., Neural Networks for Pattern Recognition, Oxford University Press, 1995
Cristianini, N.; Shawe-Taylor, J., An Introduction to Support Vector Machines and Other Kernel-based Learning Methods, Cambridge University Press, 2000
Goldberg, D.E., Genetic Algorithms in Search, Optimization, and Machine Learning, Addison-Wesley, 1989
Davis, L. (ed), Handbook of Genetic Algorithms, Van Nostrand Reinhold, 1991

Neural Network FAQ: http://www.faqs.org/faqs/ai-faq/neural-nets/

Evolutionary Computation FAQ: http://www.faqs.org/faqs/ai-faq/genetic/
Complementary

Recommendations
(*)The teaching guide is the document in which the URV publishes the information about all its courses. It is a public document and cannot be modified. Only in exceptional cases can it be revised by the competent agent or duly revised so that it is in line with current legislation.