Ir para o conteúdo 1
Fechar menu lateral
Logo da Universidade Federal de Juiz de Fora

Graduação em Ciência da Computação

Ciência da Computação Noturno

Os links a seguir apresentam todas as disciplinas com vagas disponíveis para os discentes do Curso de CIÊNCIA DA COMPUTAÇÃO NOTURNO (35A) da Universidade Federal de Juiz de Fora (UFJF) no período letivo atual. Os horários e os docentes responsáveis por cada disciplina podem ser consultados clicando na turma desejada.

Ressalta-se que o Curso de Ciência da Computação  Noturno da UFJF é ofertado em período noturno, com aulas de segunda a sexta-feira, podendo ocorrer no turno noturno (19h às 23h), conforme estabelecido na grade curricular.

Plano de Ensino

Disciplina: DCC068 - REDES NEURAIS ARTIFICIAIS

Carga horária: 60

Departamento: DEPTO DE CIENCIA DA COMPUTACAO /ICE

Ementa
keyboard_arrow_down keyboard_arrow_up
Introdução à Computação de Redes Neurais. Fundamentos da Computação de Redes Neurais. Rede Perceptrons. Algoritmo Back-Propagation. Redes Recorrentes. Redes de Organização Própria. Outros Modelos.
1. Introdução à Computação de Redes Neurais: Definição e Características. O Cérebro e a Mente Base Neurofísica. Histórico e Evolução. Neurônio Biológico e Neurônio Matemático.
2. Fundamentos da Computação de Redes Neurais: Terminologia e Conceitos. Topologia das Redes. Dinâmica de Computação. Paradigmas de Aprendizagem. Domínios Favoráveis a Aplicações. Modelos de Regressão e Classificadores Bayesianos.
3. Rede Perceptrons: Introdução às Redes Lineares. Topologia da Rede Perceptron. Dinâmica de Computação. Problema do OU-Exclusivo Separabilidade Linear. Dinâmica de Aprendizagem. Regra Delta Modelo Adaline.
4. Algoritmo Back-Propagation: Introdução Redes Multi-camadas. Topologia. Regra Delta Generalizada. Deficiências e Limitações. Modelo Counter-Propagation.
5. Redes Recorrentes: Introdução Máquinas Estocásticas. Rede Hopfield e Hopfield-Tank. Conversor Analógico-Digital. Problema do Caixeiro Viajante. Máquina de Boltzman. Bi-Seccionamento de Grafos.
6. Redes de Organização Própria: Aprendizagem Competitiva. Mapas de Kohonen. Problema do Caixeiro Viajante. Redes ART Teoria da Ressonância Adaptativa. Aprendizagem Hebbiana. Memória Associativa.
7. Outros Modelos: Rede RBF Funções Radiais de Base. Rede Cognitron e Neocognitron
7.3 Máquinas de Vetor de Suporte.
HAYKIN, S. Redes Neurais: Princípios e Prática. Bookman, 2001.
BRAGA, A.; LUDERMIR, T e CARVALHO, A. Redes Neurais Artificiais: Teoria e Aplicações. Livros Técnicos e Científicos Editora, 2000.
AZEVEDO, F.; BRASIL, L. e OLIVEIRA, R. Redes Neurais com aplicação em Controle e em Sistemas Especialistas. Visual Books, 2000.
WASSERMAN, P. Neural Computing: Theory and Practice. Van Nostrand Reinhold, 1989.
KROSE, B., VAN DER SMAGT, P. An Introduction to Neural Networks. University of Amsterdan, 1993.
PRÍNCIPE, J., EULIANO, N and LEFÈBVRE, W. Neural and Adaptative Systems: Fundamental Through Simulations. John Wiley & Sons, 2000.
arrow_upward home