Seminario de Redes Neuronales Artificiales
Introducción a las redes neuronales: principios físicos y matemáticos para su diseño e implementación
Junio-Julio 2022
Entidades participantes
- Universidad de Málaga (España). Departamentos de Matemática Aplicada y Tecnología Electrónica
- Universidad de Holguín (Cuba)
- Universidad Técnica de Manabí (Ecuador)
- Laboratorio para el procesado de señales biomédicas. Agencia Andaluza de Cooperación Internacional para el Desarrollo (proyecto 2020CU010)
Coordinadores
- Dr. Rafael Ávila Ávila (UHo)
- Dr. Gonzalo Joya (UMA)
Programa
Sesiones
Todas las horas se indican en zona horaria de Málaga (GMT+2), seis horas menos en Holguín
Principios físicos y matemáticos (I). Miércoles 8/6
Dr. Rafael Ávila
Introducción a las redes neuronales: principios físicos y matemáticos para su diseño e implementación
- Las neuronas como sistema biológico
- Modelación de neuronas: física del impulso nervioso
- Modelo de Hodgkin-Huxley
- Modelos computacionales para la construcción de una neurona artificial
- Modelos de integración y disparo con pérdida y de integración y disparo
- Modelos de redes neuronales
Principios físicos y matemáticos (II). Viernes 10/6
Dr. Rafael Ávila
Introducción a las redes neuronales: principios físicos y matemáticos para su diseño e implementación
- Funciones de activación
- Funciones de activación continuas y discretas
- Funciones de activación lineal, lineal con saturación, lineal rectificada, escalón o de Heaviside
- Funciones sigmoidales: función logística, tangente hiperbólica
- Propiedades de continuidad y diferenciabilidad
- La diferenciabilidad y el ajuste de los parámetros de una red neuronal
Principios físicos y matemáticos (III). Lunes 13/6
Dr. Rafael Ávila
Introducción a las redes neuronales: principios físicos y matemáticos para su diseño e implementación
- Las redes neuronales artificiales
- Generalidades sobre su arquitectura
- Perceptrones, redes neuronales multicapas: algunos principios matemáticos
Redes neuronales clásicas y profundas. Lunes 13/6, 16:00
Dr. Gonzalo Joya
Breve introducción a la redes neuronales clásicas y su relación con las redes neuronales profundas
Principios físicos y matemáticos (IV). Miércoles 15/6
Dr. Rafael Ávila
Introducción a las redes neuronales: principios físicos y matemáticos para su diseño e implementación. Resolución de ejercicios y problemas.
Echo State Networks (ESN) I. Miércoles 15/6, 16:00
Dr. Miguel Atencia
Enlace Google Colab
Sesión teórico práctico sobre las ESN y Reservoir Computing
- Conceptos Fundamentales
- Programación de una red ESN
- Propuesta de ejercicios
Echo State Networks (ESN) II. Lunes 20/6, 16:00
Dr. Miguel Atencia
Sesión práctica: análisis de los ejercicios propuestos sobre ESN
Redes Neuronales Convolucionales (CNN) I. Miércoles 22/6, 16:00
Dr. Francisco García Lagos
Sesión teórico práctico sobre las CNN
- Conceptos Fundamentales
- Programación de una red CNN
- Propuesta de ejercicios
Captura y procesado de señales electrooculográficas. Jueves 23/6, 16:00
Dr. Roberto Becerra García
Uso del sistema de captura y procesado de señales
- Recursos Hardware
- Recursos Software
- Consejos de uso
Redes Neuronales Convolucionales (CNN) II. Lunes 27/6, 16:00
Dr. Francisco García Lagos
Sesión práctica: análisis de los ejercicios propuestos sobre CNN
Procesamiento básico de señales de movimientos oculares. Miércoles 6/7, 16:00
Dr. Rodolfo V. Garcia Bermúdez
Sesión teórico-práctica sobre señales
- Características de los movimientos oculares
- Señales asociadas a los movimientos oculares
- Preprocesamiento de la señal
- Identificación de eventos y cálculo de parámetros de interés clínico
- Herramientas para el procesado de movimientos oculares
Redes Long-Short Term Memory (LSTM) I. Jueves 7/7, hora a determinar
MSc. Carlos Cano Domingo / Dra. Ruxandra Stoean
Sesión teórico práctico sobre las LSTM
- Conceptos Fundamentales
- Programación de una red LSTM
- Propuesta de ejercicios
Redes Long-Short Term Memory (LSTM) II. Lunes 11/7, hora a determinar
MSc. Carlos Cano Domingo / Dra. Ruxandra Stoean
Sesión práctica: análisis de los ejercicios propuestos sobre LSTM