UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO

FORMULÁRIO DE IDENTIFICAÇÃO DA DISCIPLINA
 

UNIDADE: INSTITUTO DE MATEMÁTICA E ESTATÍSTICA
DEPARTAMENTO: DEPTO. DE INFORMATICA E CIENCIAS DA COMPUTACAO
DISCIPLINA: Redes Neuronais
CARGA HORÁRIA: 60 CRÉDITOS: 4 CÓDIGO: IME04-10872
MODALIDADE DE ENSINO: Presencial TIPO DE APROVAÇÃO: Nota e Frequência
 
STATUSCURSO(S) / HABILITAÇÃO(ÕES) / ÊNFASE(S)
Eletiva RestritaIME - Ciência da Computação (versão 1)
FEN - Engenharia (versão 2) Engenharia Elétrica Sistemas e Computação
FEN - Engenharia (versão 2) Engenharia Elétrica Telecomunicações
IME - Informática e Tecn. Informação (versão 2)
IME - Informática e Tecn. Informação (versão 3)
Eletiva DefinidaFEN - Engenharia (versão 2)
FEN - Engenharia (versão 2) Engenharia Cartográfica
FEN - Engenharia (versão 2) Engenharia Civil
FEN - Engenharia (versão 2) Engenharia de Produção
FEN - Engenharia (versão 2) Engenharia Elétrica
FEN - Engenharia (versão 2) Engenharia Mecânica
FEN - Engenharia (versão 2) Engenharia Têxtil
FEN - Engenharia (versão 2) Engenharia Civil Construção Civil
FEN - Engenharia (versão 2) Engenharia Elétrica Eletricidade Industrial
FEN - Engenharia (versão 2) Engenharia Civil Estruturas
FEN - Engenharia (versão 2) Engenharia Civil Sanitária
FEN - Engenharia (versão 2) Engenharia Elétrica Sistemas de Potência
FEN - Engenharia (versão 2) Engenharia Elétrica Sistemas e Computação
FEN - Engenharia (versão 2) Engenharia Elétrica Sistemas Eletrônicos
FEN - Engenharia (versão 2) Engenharia Elétrica Telecomunicações
FEN - Engenharia (versão 2) Engenharia Civil Transportes
FEN - Engenharia (versão 2) Engenharia de Produção Têxtil
Eletiva Universalpara todos os cursos da UERJ

TIPO DE AULA CRÉDITO CH SEMANAL CH TOTAL
Teórica4460
TOTAL 4 4 60
OBJETIVO(S):

Introduzir o aluno ao paradigma de computação conexionista, com os principais modelos de redes neuronais. São abordados aspectos teóricos, introduzindo estes modelos no contexto de sistemas complexos e também a aplicação destes modelos a problemas típicos de inteligência artificial.
EMENTA:

Introdução ao paradigma conexionista. A estrutura dos modelos conexionistas. Os modelos de Hopfield: analógico e binário. Otimização combinatória e redes de Hopfield. Aprendizado supervisionado e não supervisionado: regra de Hebb, regra Delta, regra de Cooper. Redes de aprendizado por retroprogramação de erros. Aprendizado competitivo. Mapas auto-organizáveis. Teoria da ressonância adaptativa.

TRAVA:

137 créditos (Informática e Tecn. Informação - versão 3)
108 créditos (Ciência da Computação - versão 1)
 
BIBLIOGRAFIA:

-J. Hertz, A. Krogh, R.G. Palmer, "Introduction to the Theory of Neural Computation", Lecture Notes, Vol. 1, Santa Fé Institute, Studies in the Sciences of Complexity, Addison Wesley publishing Company, 1991.

-S. Haykin, "Neural Networks, A Comprehensive Foundation", Macmillan Publishing Company, 1994.

-D.E. Rumelhart, and J. L. mcCleland, "Parallel Distributed Processing: Explorations in the Microstruture of Cognition", Vols. I and II, Cambridge Massachusetts, The MIT Press, 1986.