![]() |
Guia docente | |||||||||||||||||||||||||||||||||||||||
DATOS IDENTIFICATIVOS | 2020_21 | |||||||||||||||||||||||||||||||||||||||
Asignatura | COMPUTACIóN NEURONAL Y EVOLUTIVA | Código | 00709029 | |||||||||||||||||||||||||||||||||||||
Enseñanza |
|
|||||||||||||||||||||||||||||||||||||||
Descriptores | Cr.totales | Tipo | Curso | Semestre | ||||||||||||||||||||||||||||||||||||
6 | Optativa | Tercero | Segundo |
|||||||||||||||||||||||||||||||||||||
Idioma |
|
|||||||||||||||||||||||||||||||||||||||
Prerrequisitos | ||||||||||||||||||||||||||||||||||||||||
Departamento | MATEMATICAS |
|||||||||||||||||||||||||||||||||||||||
Responsable |
|
Correo-e | mmlopc@unileon.es hdiem@unileon.es |
|||||||||||||||||||||||||||||||||||||
Profesores/as |
|
|||||||||||||||||||||||||||||||||||||||
Web | http:// | |||||||||||||||||||||||||||||||||||||||
Descripción general | Conceptos, conocimientos y análisis de técnicas softcomputing de la Inteligencia Artificial: Redes Neuronales Artificiales y Computacion Evolutiva. Aplicación de tales conocimientos a diversos problemas prácticos de la Ingenieria: posicionamiento de satélites, diseño de juegos, trazado de rutas, agrupamientos homogéneos, robótica, planificación de tareas, búsqueda web de documentos,... | |||||||||||||||||||||||||||||||||||||||
Tribunales de Revisión |
|
|||||||||||||||||||||||||||||||||||||||
Competencias |
Código | |
A18096 | 709CE1 Capacidad para la resolución de los problemas matemáticos que puedan plantearse en la ingeniería. Aptitud para aplicar los conocimientos sobre: álgebra lineal; cálculo diferencial e integral; métodos numéricos; algorítmica numérica; estadística y optimización. |
A18142 | 709ULE7 Conocimiento de los principios, fundamentos matemáticos y técnicas evolutivas y su aplicación a la resolución de problemas de optimización y clasificación. |
A18143 | 709ULE8 Capacidad para analizar problemas de ingeniería y (bio)tecnología con herramientas de computación neuronales y genéticas. |
B5618 | 709CG8 Conocimiento de las materias básicas y tecnologías, que capaciten para el aprendizaje y desarrollo de nuevos métodos y tecnologías, así como las que les doten de una gran versatilidad para adaptarse a nuevas situaciones. |
B5619 | 709CG9 Capacidad para resolver problemas con iniciativa, toma de decisiones, autonomía y creatividad. Capacidad para saber comunicar y transmitir los conocimientos, habilidades y destrezas de la profesión de Ingeniero Técnico en Informática. |
B5623 | 709CT1 Capacidad para el análisis, síntesis, resolución de problemas y la toma de decisiones. |
B5624 | 709CT2 Capacidad para interpretación de resultados con iniciativa, creatividad y razonamiento crítico y autocrítico. |
B5625 | 709CT3 Capacidad para comunicar y transmitir de forma oral o por escrito conocimientos y razonamientos derivados de su trabajo individual o en grupo de forma clara y concreta. |
C1 | CMECES1 Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio. |
C4 | CMECES4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado |
C5 | CMECES5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía |
Resultados de aprendizaje |
Resultados | Competencias | ||
Demuestra capacidad para el análisis, síntesis, toma de decisiones y razonamiento crítico. | B5619 B5623 B5624 |
C5 |
|
Aplica los conceptos y procedimientos matemáticos aprendidos en la elaboración de razonamientos y argumentaciones correctas; potenciando de esta manera su aprendizaje autónomo. | A18096 |
B5618 |
|
Comunica de forma oral y escrita información, ideas, problemas y soluciones mediante el lenguaje matemático. | B5619 B5625 |
C1 C4 |
|
Conoce los principios, fundamentos matemáticos y técnicas evolutivas; y las aplica a la resolución de problemas de optimización y clasificación en el campo de la ingeniería y de la (bio)tecnología; apoyándose en conocimientos básicos matemáticos adquiridos con anterioridad. | A18142 A18143 |
Contenidos |
Bloque | Tema |
Bloque I: REDES NEURONALES ARTIFICIALES Y OTROS MODELOS CON APRENDIZAJE | Tema 1: INTRODUCCIÓN A LA COMPUTACIÓN ARTIFICIAL. Fundamentos de la computación artificial. Modelos matemáticos e interpretaciones geométricas. Regresión lineal. Red Perceptrón Simple y Red AdaLine. Aplicaciones. Tema 2: RED PERCEPTRÓN MULTICAPA. Modelo matemático. Regla de aprendizaje del descenso del gradiente. Aplicaciones. Tema 3: OTRAS REDES NEURONALES. Modelos matemáticos y reglas de aprendizaje en otra redes: Red Hopfield, Red RBFN, Red SOM,.. Aplicaciones. Tema 4: OTROS MODELOS CON APRENDIZAJE. Modelos Matemáticos como Cadenas de Markov y Máquinas de Soporte Vectorial. Aplicaciones. |
Bloque II: COMPUTACIÓN EVOLUTIVA | Tema 1: INTRODUCCIÓN A LA COMPUTACIÓN EVOLUTIVA. Fundamentos de la computación evolutiva. Modelos matemáticos. Aplicaciones. Tema 2: ALGORITMOS GENÉTICOS. Fundamentos de los algoritmos genéticos y operadores genéticos básicos. Otros operadores genéticos. Aplicaciones. Tema 3: OTROS ALGORITMOS EVOLUTIVOS. Modelos matemáticos como Algoritmos Colonia de Hormigas. Aplicaciones. |
Planificación |
Metodologías :: Pruebas | |||||||||
Horas en clase | Horas fuera de clase | Horas totales | |||||||
Seminarios | 4 | 10 | 14 | ||||||
Resolución de problemas/ejercicios en el aula ordinaria | 12 | 18 | 30 | ||||||
Practicas a través de TIC en aulas informáticas | 26 | 39 | 65 | ||||||
Presentaciones/exposiciones | 4 | 8 | 12 | ||||||
Sesión Magistral | 10 | 15 | 25 | ||||||
Pruebas de desarrollo | 4 | 0 | 4 | ||||||
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos |
Metodologías |
descripción | |
Seminarios | Debate de artículos de investigación ya existentes en los que se resuelven problemas relacionados con diferentes áreas (mapas de juego, seguridad informática, robótica, situación de receptores,...) mediante modelos matemáticos neuronales y evolutivos. |
Resolución de problemas/ejercicios en el aula ordinaria | Resolución de ejercicios relacionados con las sesiones magistrales y estudio de artículos de investigación ya existentes relacionados con computación neuronal y evolutiva. Aplicaciones a problemas de clasificación, aproximación, reconocimiento y optimización en el campo de la Ingeniería o transversales. |
Practicas a través de TIC en aulas informáticas | Las prácticas se organizan en diferentes sesiones en las que se aborda el diseño de modelos matemáticos con aprendizaje artificial (neuronales y evolutivos). Las prácticas se realizarán tanto a través de programas ya existentes como desarrollando código propio en un lenguaje de programación adecuado. |
Presentaciones/exposiciones | Exposición y defensa de los trabajo elaborados en las clases prácticas a través de TIC. |
Sesión Magistral | Desarrollo de los contenidos de la Asignatura mediante la exposición oral, el uso de la pizarra, el cañón de proyección y el empleo de materiales de apoyo disponibles en la Web. |
Tutorías |
|
|
Evaluación |
descripción | calificación | ||
Pruebas de desarrollo | - Dos exámenes escritos individuales | 40% | |
Otros | - Exposición y defensa de trabajos --> 50% - Control de trabajo personal --> 10% |
60% | |
Otros comentarios y segunda convocatoria | |||
SEGUNDA CONVOCATORIA La segunda convocatoria dispone de dos modalidades de evaluación: Modalidad A. Realización de un único examen evaluado sobre el total de la asignatura (100%). En este examen entran todos los contenidos vistos en las diferentes partes de la asignatura. En esta modalidad no se guardan las notas obtenidas en las pruebas realizadas en la primera convocatoria. Modalidad B. Recuperar únicamente las pruebas con puntuación mínima establecida. En esta modalidad se guardan las notas obtenidas en las pruebas sin puntación mínima. ESTUDIANTES DE SEGUNDA MATRICULA O SUPERIOR
No está previsto ningún tipo de evaluación especial para los estudiantes de segunda matrícula o superior
(no se guardarán las notas obtenidas en matrículas anteriores).
OBSERVACIONES GENERALES
- El sistema de evaluación puede sufrir modificaciones en función de los recursos disponibles.
- Se podrá exigir una mínima puntuación de 3 sobre 10 en alguna de las pruebas realizadas para poder superar la asignatura.
- En las pruebas de evaluación no está permitido utilizar ni tener material (electrónico o no)
que pueda ayudar a la realización del examen y que no esté autorizado por el profesor.
- En determinados casos y a criterio del profesor, se podrá solicitar al alumno la defensa de cualquier prueba de evaluación realizada.
- En caso de copia, intento de copia o tenencia de material no autorizado durante la realización de alguna de las pruebas,
se tomarán las medidas oportunas.
- Se entiende que un alumno se ha presentado a la asignatura si se presenta a alguna de las pruebas propuestas. |
ADENDA |
Plan de contingencia para una situación de emergencia que impida actividades docentes presenciales |
Enlace de acceso a la Adenda de la Guia docente por el COVID-19 |
Fuentes de información |
Acceso a la Lista de lecturas de la asignatura |
Básica |
![]() ![]() ![]() ![]() |
Se proporcionará apuntes sobre la Teoría correspondiente a los diferentes temas explicados en la asignatura. |
|
Complementaria |
![]() ![]() |
Se proporcionará artículos de investigación relacionados con técnicas de Redes Neuronales y Computación Evolutiva. |
Recomendaciones |
Asignaturas que se recomienda haber cursado previamente | ||||
|