Guías Académicas

TALLER II: REDES NEURONALES Y ALGORITMOS GENETICOS

TALLER II: REDES NEURONALES Y ALGORITMOS GENETICOS

GRADO EN ESTADÍSTICA PLAN 2009

Curso 2017/2018

1. Datos de la asignatura

(Fecha última modificación: 20-06-18 12:09)
Código
100739
Plan
2009
ECTS
6.00
Carácter
OPTATIVA
Curso
4
Periodicidad
Primer Semestre
Área
ESTADÍSTICA E INVESTIGACIÓN OPERATIVA
Departamento
Estadística
Plataforma Virtual

Campus Virtual de la Universidad de Salamanca

Datos del profesorado

Profesor/Profesora
Quintín Martín Martín
Grupo/s
1
Centro
Fac. Ciencias
Departamento
Estadística
Área
Estadística e Investigación Operativa
Despacho
D1512
Horario de tutorías
Lunes y miércoles de 9:00 a 12:00
URL Web
http://campus.usal.es/~eioq/io/
E-mail
qmm@usal.es
Teléfono
923 294500, Ext. 6997 / 670621216

2. Sentido de la materia en el plan de estudios

Bloque formativo al que pertenece la materia.

Esta asignatura pertenece al módulo “Talleres” formado por las siguientes asignaturas:

Taller I: Diseño Óptimo de Experimentos

Taller III: Detección y medida del cambio en estudios de autopercepción

Taller IV: Diseños de investigación y análisis de datos en psicología

Taller V: LaTeX y Programas de Cálculo Simbólico

Taller VI: Diseño de Páginas Web.

Papel de la asignatura.

Su carácter es optativo y su docencia está programada en el primer semestre del 4º curso. El bloque formativo se complementa con una asignatura de 1º (Investigación Operativa I) y otras dos en el 2º curso (Investigación Operativa II e Investigación Operativa III). Sus contenidos son necesarios para continuar con la formación en las técnicas de optimización y predicción centrándose esta asignatura fundamentalmente en las técnicas heurísticas Redes Neuronales Artificiales y Algoritmos Genéticos.

Perfil profesional.

En todas aquellas profesiones en las que sea necesario optimizar recursos, minimizar costes, planificación y gestión de la producción e inventarios,… como por ejemplo en Ingeniería, Operaciones de transporte, Logística, Sector de las Telecomunicaciones, Sector de la Energía, Baca, Ciencias de la Salud, Planificación y Gestión de la producción, etc.

3. Recomendaciones previas

Las generales para acceder al Grado en Estadística.

4. Objetivo de la asignatura

Objetivos Generales:

Conseguir que los estudiantes puedan identificar, modelizar, analizar y sintetizar los problemas de los distintos campos de aplicación de la Investigación Operativa. Que sepan interpretar las soluciones proporcionadas por los modelos y que puedan comunicarlos de forma inteligible para el resto de la empresa u organismo, para conseguir que sean aceptadas e implantadas por los responsables de la toma de decisiones. Así como conocer y utilizar diferentes herramientas informáticas de uso común en el ámbito de la Investigación Operativa.

Objetivos Específicos:

Proponer, analizar, validar e interpretar modelos de situaciones reales utilizando las técnicas de Investigación Operativa más adecuadas a los fines que se persigan.

Identificar, diferenciar y modelizar los problemas reales mediante: Toma de decisión bajo incertidumbre, teoría de juegos, simulación, aplicación de las redes neuronales artificiales y algoritmos genéticos a la Investigación Operativa.

Resolver los problemas de Investigación Operativa, según la técnica más adecuada en cada caso, usando cuando sea necesario el programa informático adecuado.

Conocer la relación entre las redes neuronales artificiales y algoritmos genéticos dentro de la Investigación Operativa.

Investigar los cambios que experimenta la solución óptima cuando alguna de las componentes del problema es modificada, analizando las consecuencias derivadas de dicha variación. Cambio de las funciones de activación en las neuronas de la capa oculta/capa de salida de una red neuronal artificial

5. Contenidos

Teoría.

TEMA 1. Redes Neuronales Artificiales. El Perceptrón multicapa. Algoritmos de aprendizaje. Entrenamiento de la red neuronal. Tasa de aprendizaje y factor momento. Función de activación de las neuronas de la capa oculta y de la capa de salida. Redes neuronales artificiales de Kohonen y de Hopfield. Aplicación de las redes neuronales al problema del Viajante de Comercio (TSP) y a la predicción. Función de Base Radial (RBF). Aplicaciones. Redes neuronales artificiales vs técnicas paramétrica y no paramétricas. Lenguajes de programación.

TEMA 2. Algoritmos Genéticos. Codificación de las variables para trabajar con algoritmos genéticos. Evaluación y selección de los cromosomas (soluciones). Operadores genéticos. Aplicación de los algoritmos genéticos al problema del Viajante de Comercio (TSP) y al problema de inventarios. Aplicación de los algoritmos genéticos al diseño de Redes Neuronales Artificiales. Lenguajes de programación.

Práctica.

PRÁCTICA 1: Manejo del Perceptrón.

PRÁCTICA 2: Manejo de la Función de Base Radial (RBF).

PRÁCTICA 3: Redes neuronales artificiales vs técnicas paramétrica y no paramétricas.

PRÁCTICA 4: Aplicación de los algoritmos genéticos/redes neuronales al problema del Viajante de Comercio (TSP).

6. Competencias a adquirir

Específicas.

  • Adquirir la capacidad de comunicación con equipos multidisciplinares en lo que el uso de la Investigación Operativa y las técnicas de predicción jueguen un papel relevante a la hora de tomar decisiones.
  • Capacitar para la utilización de los conocimientos teóricos y prácticos adquiridos en la definición y planteamiento de problemas y en la búsqueda de sus soluciones tanto en contextos académicos como profesionales.
  • Adquirir la capacidad de adaptación a nuevas situaciones que puedan requerir la mejora o modificación de las técnicas usadas.
  • Capacidad de abstracción.
  • Conocimiento, identificación y selección de fuentes relacionadas con las redes neuronales y los algoritmos genéticos dentro de la Investigación Operativa y las técnicas de predicción.
  • Extracción de conclusiones y redacción de informes.

Transversales.

INSTRUMENTALES:

Capacidad de análisis y síntesis.

Capacidad de organización y planificación

Capacidad de gestión de la información.

Resolución de problemas.

Interpretación de resultados a partir de modelos de Investigación Operativa.

Elaboración de previsiones y escenarios.

Toma de decisiones.

INTERPERSONALES:

Trabajo en equipo.

Razonamiento crítico.

Compromiso ético

Habilidades en las relaciones interpersonales.

Tratamiento de conflictos.

SISTÉMICAS:

Aprendizaje autónomo

Motivación por la calidad

Creatividad

Espíritu emprendedor

Capacidad innovadora

Gestión de proyectos

7. Metodologías

Se expondrá el contenido teórico de los temas a través de clases presenciales, siguiendo el texto recomendado, que servirá para fijar los contenidos y dar paso a clases prácticas de resolución de problemas y clases prácticas de ordenador usando los programas informáticos adecuados en cada caso. Utilizando la plataforma virtual para apoyar los contenidos teóricos desarrollados, evaluar y comprobar los conocimientos adquiridos.

A partir de las clases teóricas y prácticas se propondrá a los alumnos la realización de trabajos personales sobre teoría, problemas y prácticas de ordenador, para cuya realización tendrán el apoyo del profesor en seminarios tutelados. En esos seminarios los estudiantes podrán compartir con sus compañeros y con el profesor las dudas que encuentren, obtener solución a las mismas y comenzar a desempeñar por si mismos las competencias de la materia.

Además, los estudiantes tendrán que desarrollar por su parte un trabajo personal de estudio y asimilación de la teoría, resolución de problemas, prácticas y preparación de los trabajos propuestos, para alcanzar los objetivos previstos. De ello tendrán que responder, exponiendo sus trabajos ante el profesor y el resto de compañeros.

Realización de exámenes de teoría y resolución de problemas y prácticas.

8. Previsión de Técnicas (Estrategias) Docentes

9. Recursos

Libros de consulta para el alumno.

“Investigación Operativa”. Martín Q. (2003): Pearson Education. Madrid. ISBN: 84-205-4105-2

“Investigación Operativa. Problemas y ejercicios resueltos”. Martín Q., Santos M. T., Paz, Y.R. (2005) Pearson  Education. ISBN: 84-205-4466-3.

Otras referencias bibliográficas, electrónicas o cualquier otro tipo de recurso.

“Redes Neuronales Artificiales. Fundamentos, modelos y aplicaciones”. Hilera, J. R. y Martínez V. J. (2005): Ed. Ra-ma.

“Genetic algoritms in search, optimization, and machine learning” David E. Goldberg. Ed. Addison-Wesley (1997)

10. Evaluación

Consideraciones generales.

La evaluación será el resultado de una ponderación basada en el desarrollo de cuestiones y ejercicios planteados a los alumnos durante el curso, las exposiciones en clase, las prácticas, de trabajos y de la nota obtenida en un examen escrito de teoría, problemas y prácticas.

Criterios de evaluación.

Las cuestiones y ejercicios planteados a los alumnos junto con la exposición de éstos durante el curso supondrán hasta un 20% de la nota final. La asistencia y realización de prácticas-seminarios en Aula de Informática supondrá hasta un 10%.

La realización de trabajos supondrá hasta un 20%.

La evaluación final será por medio de prueba escrita que constará de una parte teórica que supondrá hasta un 20% de la nota final, y de una parte práctica (resolución de problemas) a la que corresponderá hasta el 30%.

Instrumentos de evaluación.

Pruebas escritas y exposiciones orales en clase:

  • Se propondrán cuestiones (Test), ejercicios y prácticas para resolver que el alumno debe entregar al profesor (ver STUDIUM) para su evaluación continua, realizando exposiciones orales de los trabajos presentados.
  • La prueba escrita final se realizará en la fecha prevista en la planificación docente.

Recomendaciones para la evaluación.

Se recomienda la asistencia y participación activa en todas las actividades programadas y el uso de las tutorías, así como estudiar la asignatura de forma regular desde el principio de curso y consultar al profesor las dudas que se planteen en cada momento. Las pruebas prácticas realizadas en el aula de informática se contarán como parte del examen (25%).

Recomendaciones para la recuperación.

Se realizará un examen de recuperación en la fecha prevista en la planificación docente.

Para dicha recuperación el alumno mantendrá la calificación obtenida en la evaluación continua (incluida la calificación de las pruebas prácticas realizadas en el aula de informática).