A tabela as seguir apresenta todas as disciplinas com vagas disponíveis para os discentes do Curso de ENGENHARIA COMPUTACIONAL (65B) 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 Engenharia Computacional da UFJF é ofertado em período integral, com aulas de segunda a sexta-feira, podendo ocorrer nos turnos matutino (8h às 12h), vespertino (14h às 18h) ou 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
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.
Conteúdo
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.
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.
Bibliografia
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.
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.
Bibliografia(continuação)
Não informado
Bibliografia complementar
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.
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.