Neurociencias y aprendizaje
El Instituto de Ingeniería Biomédica de la FIUBA informa que se encuentra abierta la inscripción al curso de complementación “Introducción a las neurociencias y el aprendizaje: formulación de teorías con redes neuronales y aplicación a máquinas inteligentes”, a cargo del Dr. Ing. Silvano Zanutto, que se dictará a partir del 3 de octubre hasta el 5 de diciembre.
Objetivos:
El curso está orientado a estudiantes (sin requerimiento de correlativas), a jóvenes egresados de ingeniería y jóvenes egresados de ciencias exactas, físicas y naturales con interés en teorías computacionales con redes neuronales para explicar funciones superiores del cerebro y su aplicación a robots.
Docente:
Dr. Ing. B. Silvano Zanutto
Horarios:
Del jueves 3/10 al jueves 5/12 de 18.00 a 21.00.
Lugar:
A confirmar.
Informes e inscripción:
Programa:
- Neurona y sinapsis
1.1 Introducción epistemológica al estudio de las funciones superiores del cerebro. Neurona y sinapsis.
1.2 Circuito reflejo. Modelo formal de neurona y de sinapsis.
1.3 Codificación de señales neuronales.
1.4 Formalización de la plasticidad sináptica.
- Procesamiento cerebral de la información nerviosa
2.1 Distintas aproximaciones al estudio del procesamiento cerebral de la información nerviosa: Inteligencia artificial y redes neuronales.
2.2 Comparación de los abordajes "Bottom-up" y Top-down".
2.3 Propiedades emergentes de las Redes Neuronales.
2.4 Modelos conexionistas y semánticos.
- Sistema nervioso periférico y central
3.1 Sistema nervioso periférico y central.
3.2 Organización de los sistemas simpático y parasimpático.
3.3 Función de distintas áreas del cerebro.
- Sistemas sensitivo y motor
4.1 Sistema sensitivo: visión, audición, tacto, olfato y gusto.
4.2 Sistema motor.
4.3 Regla Delta: Perceptrón. Formación de respuestas localizadas por inhibición lateral.
4.4 Sistemas auto-organizados: Modelo de Kohonen.
- Procesos cognitivos y motivacionales.
5.1 Procesos cognitivos y motivacionales.
5.2 Sistema límbico. Atención. Modelos de motivación.
5.3 Bases neurobiológicas del aprendizaje y la memoria.
5.4 Aprendizaje Hebbiano.
5.5 Memoria direccionable por su contenido: Modelo de Hopfield.
- Teorías del aprendizaje
6.1 Teoría del condicionamiento clásico. Modelo de Rescorla-Wagner
6.2 Análisis de las teorías del comportamiento aversivo.
6.3 Teoría del condicionamiento operante.
6.4 Bases neurofisiólogas de la categorización preceptual y lógica. Teoría de aprendizaje de clases de equivalencia. Aprendizaje de reglas.
6.5 Categorización y su papel en el estudio del lenguaje.
6.6 Análisis neurocientífico y desde la psicología experimental de la conciencia.
- Aprendizaje en máquinas inteligentes
7.1 Aprendizaje en robots para la evitación de obstáculos por mecanismos de condicionamiento operante.
7.2 Aprendizaje de mapas cognitivos en máquinas inteligentes a partir de claves visuales.
7.3 Control de robots para el aprendizaje de laberintos.
7.4 Aproximación evolutiva al estudio de la cooperación y su aplicación a robots.
Bibliografía:
. Purves D. (2001). Invitacion a la Neurociencia. Medica Panamericana.
. Haykin S. S. (1998) Neural Networks: A Comprehensive Foundation (2nd Edition). Prentice Hall.
. Trabajos en revistas especializadas.