INSTITUTO POLITCNICO NACIONAL SECRETARIA DE INVESTIGACIN Y POSGRADO

DIRECCIN DE POSGRADO

SIP-30

INSTRUCTIVO para el correcto llenado del formato SIP-30, Registro o Actualizacin de Unidades de Aprendizaje (UAP)

El formato SIP-30 es un formulario PDF interactivo, el cual puede ser completado en forma electrnica con un lector de archivos PDF (Adobe Reader 9 o superior).

Para facilitar la identificacin de los campos del formulario, haga clic en el botn Resaltar campos existentes, en la barra de mensajes del documento. Si lo prefiere,

puede imprimir el formato y completarlo a mquina de escribir o a mano.

El nombre de los campos y las reas designadas para requisitar la informacin son autoexplicativos; sin embargo se tienen instrucciones especficas para campos de

inters especial:

CAMPO INSTRUCCIONES

1.5 Nmero de semanas por semestre del programa

Es el nmero de semanas lectivas efectivas al semestre, indicadas en el acuerdo de creacin del programa acadmico o en alguna actualizacin posterior del programa. En caso de haber tenido una actualizacin en este sentido, la misma deber haber sido presentada y avalada en reunin del Colegio de Profesores de la Unidad Acadmica, adems de haber sido aprobada por la SIP. El rango de semanas lectivas al semestre es mnimo 15 y mximo 18.

1.7 Tipo de horas Las unidades de aprendizaje, en cuanto a las horas asignadas, estn clasificadas como: Tericas, Prcticas y Terico-prcticas. Estas denominaciones son excluyentes, es decir, las unidades de aprendizaje solo pueden ser de un solo tipo, no pueden tener horas combinadas.

1.8 Nmero de horas - semana

Es el nmero de horas asignadas para ser impartida la Unidad de Aprendizaje a la semana.

1.8 Total de horas al semestre Es el nmero de horas totales a impartir de la Unidad de Aprendizaje al semestre. Se calcula multiplicando el campo 1.5 (Nmero de semanas) por el campo 1.8 (Nmero de horas-semana)

1.9 Crditos (Reglamento de Estudios de Posgrado 2006)

Este campo se calcula automticamente cuando el formato se requisita electrnicamente

FRMULA DE CLCULO

Tipo de Curso

A B

Crditos Duracin mnima en Horas a la semana

Nmero de crditos asignados por cada

hora

Terico 2 2 A * B

Terico-prctico 4 2 A * B

Seminario 2 1 A * B

Prctico 4 1

B * (Horas totales) Sin exceder de 12 crditos al semestre.

Estancia 8 Se computar globalmente segn su importancia en el plan de estudios y a juicio

del Colegio correspondiente

B * (Horas totales) Sin exceder de 8 crditos al semestre.

No deben asignarse fracciones, los crditos deben redondearse.

1.9 Crditos SATCA

Este campo se calcula automticamente cuando el formato se requisita electrnicamente

FRMULA DE CLCULO

Tipo de Curso Criterio Crditos

Terico 16 hrs. = 1 crdito (horas totales / 16)

Terico-prctico 16 hrs. = 1 crdito (horas totales / 16)

Prctico 16 hrs. = 1 crdito (horas totales / 16)

Seminario 16 hrs. = 1 crdito (horas totales / 16)

Estancia 50 hrs. = 1 crdito (horas totales / 50)

No deben asignarse fracciones, los crditos deben redondearse.

3.2 Temario Debe organizarse por temas y subtemas, indicando la dedicacin de horas en la segunda columna. La suma de horas debe coincidir con las horas indicadas en el campo (1.6) y deber indicarse al final del desglose del temario.

El formato SIP-30 deber estar firmado por el Director o Jefe de la Seccin de Estudios de Posgrado e Investigacin de la Unidad Acadmica. La ausencia de dicha firma invalida la solicitud.

Para Mayor informacin Consultar las siguientes pginas WEB: http://www.aplicaciones.abogadogeneral.ipn.mx/reglamentos/rgto_posgrado.pdf

http://www.aplicaciones.abogadogeneral.ipn.mx/reglamentos/rgto_posgrado.pdf

INSTITUTOPOLITCNICONACIONALSECRETARIADEINVESTIGACINYPOSGRADO

DIRECCINDEPOSGRADO

SIP30

DD MM AAAA

DDMMAAAA

FORMATOGUAPARAREGISTRODEUNIDADESDEAPRENDIZAJE(UAP)NUEVASOACTUALIZACIN

Tipodesolicitud

NuevaUAP Actualizacin

I. DATOSDELPROGRAMAYDELAUAP

1.1 NOMBREDELPROGRAMA:

1.2 COORDINADORDELPROGRAMA:

1.3 NOMBREDELAUAP:

1.4 CLAVE: (ParaserllenadoporlaSIP)

1.5 NMERODESEMANASPORSEMESTREDELPROGRAMA:

1.6 TIPODEUAP: OBLIGATORIA OPTATIVA

1.7 TIPODEHORAS: TEORA PRCTICA TEORICOPRCTICA SEMINARIO ESTANCIA

1.8 NMERODEHORASSEMANA: TOTALDEHORASALSEMESTRE:

1.9 CRDITOS(ReglamentodeEstudiosdePosgrado2006): CRDITOSSATCA

1.10 FECHADEELABORACINDELPROGRAMADELAUAP:

1.11 SESINDELCOLEGIODEPROFESORESENQUESEACORD FECHA:LAIMPLANTACINDELAASIGNATURA:

INSTITUTO POLITCNICO NACIONAL SECRETARIA DE INVESTIGACIN Y POSGRADO

DIRECCIN DE POSGRADO

SIP-30

II. DATOS DEL PERSONAL ACADMICO A CARGO DEL DISEO O ACTUALIZACIN DE LA UAP

2.1 COORD. DEL DISEO O ACTUALIZACIN DE LA UAP:

CLAVE:

2.2 PROFESORES PARTICIPANTES EN EL DISEO O ACTUALIZACIN DE LA UAP: (MXIMO 4)

CLAVE:

CLAVE:

CLAVE:

CLAVE:

III. DESCRIPCIN DEL CONTENIDO DEL PROGRAMA DE LA UAP

3.1 OBJETIVO GENERAL:

3.2 COMPETENCIAS DEL PERFIL DE EGRESO A LAS QUE CONTRIBUYE:

INSTITUTO POLITCNICO NACIONAL SECRETARIA DE INVESTIGACIN Y POSGRADO

DIRECCIN DE POSGRADO

SIP-30

3.3 TEMARIO:

TEMAS Y SUBTEMAS HORAS

INSTITUTO POLITCNICO NACIONAL SECRETARIA DE INVESTIGACIN Y POSGRADO

DIRECCIN DE POSGRADO

SIP-30

TEMAS Y SUBTEMAS HORAS

INSTITUTOPOLITCNICONACIONALSECRETARIADEINVESTIGACINYPOSGRADO

DIRECCINDEPOSGRADO

SIP30

3.4 REFERENCIASDOCUMENTALES:

3.5 PROCEDIMIENTOSOINSTRUMENTOSDEEVALUACINAUTILIZAR:

Tipo de Solicitud: Nueva UAPTipoUAP: OptaTipohoras: Teoriacoorddiseo: Dr. Cornelio Yez Mrquezclavecoord: 9163-EE-13 claveprof1: 10088-EH-14prof2: Dr. Itzam Lpez Yezclaveprof2: 9506-EA-13prof3: Dr. Juan Humberto Sossa Azuelaclaveprof3: 10093-EG-14prof1: Dr. Amadeo Jos Argelles Cruzclaveprof4: 11096-ED-15ojetivog: Estudiar, ejemplificar y aplicar los modelos ms importantes de Redes Neuronales Artificiales. Describir ampliamente el contexto histrico en el que se concibi la primera neurona artificial: el modelo de McCulloch-Pitts; estudiar el modelo matemtico, sus alcances y limitaciones. Estudiar el surgimiento del perceptrn y su relacin con el modelo de aprendizaje artificial de Hebb; ejemplificar las aplicaciones del perceptrn, sus alcances y limitaciones, de acuerdo con la obra "Perceptrons" de Minsky y Papert. Estudiar el modelo de Hopfield y el papel que tuvo en el resurgimiento de las redes neuronales artificiales. Examinar a fondo el algoritmo backpropagation para el entrenamiento de perceptrones multicapa, y ejemplificar con aplicaciones recientes. Estudiar las redes neuronales morfolgicas (slo el modelo bsico inicial). En cada caso, justificar los modelos matemticos. Competencia: El contenido de la presente UAP contribuye decisivamente en las competencias del perfil de egreso de la Maestra en Ciencias de la Computacin, cuyo egresado se define como "un especialista con slidos conocimientos en su rea de especializacin y un manejo sinrgico de la computacin y de las matemticas aplicadas, de acuerdo con su especialidad." En este perfil de egreso se especifica, adems, que estas capacidades permiten al egresado, por un lado, incorporarse al sector industrial como un profesional capaz de promover la adopcin de nuevas tecnologas de la computacin; y por otro, desarrollar investigacin bsica o aplicada con el objetivo de continuar con sus estudios de doctorado. Esta UAP contribuye a que el egresado adquiera competencias para que realice, de manera eficaz, investigacin bsica y aplicada en redes neuronales artificiales. TEMAS Y SUBTEMAS HORASRow1_3: Reflexin inicial: comparativa entre el cerebro humano y la computadoraTEMAS Y SUBTEMAS HORASRow1_4: 2 HorasTEMAS Y SUBTEMAS HORASRow2_3: 1 IntroduccinTEMAS Y SUBTEMAS HORASRow2_4: 4 HorasTEMAS Y SUBTEMAS HORASRow3_3: 1.1 Panorama histrico de las redes neuronales artificialesTEMAS Y SUBTEMAS HORASRow3_4: TEMAS Y SUBTEMAS HORASRow4_3: 1.2 Conceptos bsicos y clasificacin de las redes neuronales artificialesTEMAS Y SUBTEMAS HORASRow4_4: TEMAS Y SUBTEMAS HORASRow5_3: 1.3 Conjuntos fundamental, de entrenamiento y de pruebaTEMAS Y SUBTEMAS HORASRow5_4: TEMAS Y SUBTEMAS HORASRow6_3: 1.4 Fases de aprendizaje y operacin de una red neuronal artificialTEMAS Y SUBTEMAS HORASRow6_4: TEMAS Y SUBTEMAS HORASRow7_3: 2 El modelo de McCulloch-PittsTEMAS Y SUBTEMAS HORASRow7_4: 7 HorasTEMAS Y SUBTEMAS HORASRow8: 2.1 Teora del primer modelo de neurona artificialTEMAS Y SUBTEMAS HORASRow8_2: TEMAS Y SUBTEMAS HORASRow9: 2.2 Representacin de compuertas lgicas con el modelo de McCulloch-PittsTEMAS Y SUBTEMAS HORASRow9_2: TEMAS Y SUBTEMAS HORASRow10: 3 Donald Hebb y el aprendizaje artificialTEMAS Y SUBTEMAS HORASRow10_2: 7 HorasTEMAS Y SUBTEMAS HORASRow11: 4 El Perceptron de RosenblattTEMAS Y SUBTEMAS HORASRow11_2: 8 HorasTEMAS Y SUBTEMAS HORASRow12: 4.1 La TLU (Threshold Logical Unit)TEMAS Y SUBTEMAS HORASRow12_2: TEMAS Y SUBTEMAS HORASRow13: 4.2 Regla del Perceptrn SimpleTEMAS Y SUBTEMAS HORASRow13_2: TEMAS Y SUBTEMAS HORASRow14: 4.3 Regla DeltaTEMAS Y SUBTEMAS HORASRow14_2: TEMAS Y SUBTEMAS HORASRow15: 4.4 Teorema de Convergencia del Perceptrn SimpleTEMAS Y SUBTEMAS HORASRow15_2: TEMAS Y SUBTEMAS HORASRow16: 5 Adaline y MadalineTEMAS Y SUBTEMAS HORASRow16_2: 8 HorasTEMAS Y SUBTEMAS HORASRow17: 5.1 Teora y aplicaciones del Adaline TEMAS Y SUBTEMAS HORASRow17_2: TEMAS Y SUBTEMAS HORASRow18: 5.2 MadalineTEMAS Y SUBTEMAS HORASRow18_2: TEMAS Y SUBTEMAS HORASRow19: 5.3 El trabajo de Minsky y Papert - limitaciones del Perceptrn SimpleTEMAS Y SUBTEMAS HORASRow19_2: TEMAS Y SUBTEMAS HORASRow20: 6 Las redes de HopfieldTEMAS Y SUBTEMAS HORASRow20_2: 8 HorasTEMAS Y SUBTEMAS HORASRow21: 6.1 Introduccin a los sistemas dinmicosTEMAS Y SUBTEMAS HORASRow21_2: TEMAS Y SUBTEMAS HORASRow22: 6.2 Modelo discreto de HopfieldTEMAS Y SUBTEMAS HORASRow22_2: TEMAS Y SUBTEMAS HORASRow23: 6.3 Modelo continuo de HopfieldTEMAS Y SUBTEMAS HORASRow23_2: TEMAS Y SUBTEMAS HORASRow24: 7 Peceptrones Multicapa (MLPs) y BackpropagationTEMAS Y SUBTEMAS HORASRow24_2: 18 HorasTEMAS Y SUBTEMAS HORASRow25: 7.1 Estructura del Perceptrn MulticapaTEMAS Y SUBTEMAS HORASRow25_2: TEMAS Y SUBTEMAS HORASRow26: 7.2 Teorema de SuperposicinTEMAS Y SUBTEMAS HORASRow26_2: TEMAS Y SUBTEMAS HORASRow27: 7.3 Regla de aprendizaje BackpropagationTEMAS Y SUBTEMAS HORASRow27_2: TEMAS Y SUBTEMAS HORASRow28: 8 Introduccin a los Modelos AsociativosTEMAS Y SUBTEMAS HORASRow28_2: 10 HorasTEMAS Y SUBTEMAS HORASRow29: 8.1 Concepto de modelo asociativoTEMAS Y SUBTEMAS HORASRow29_2: TEMAS Y SUBTEMAS HORASRow30: 8.1 LernmatrixTEMAS Y SUBTEMAS HORASRow30_2: TEMAS Y SUBTEMAS HORASRow31: 8.1 Linear AssociatorTEMAS Y SUBTEMAS HORASRow31_2: TEMAS Y SUBTEMAS HORASRow32: 8.1 Modelo de WillshawTEMAS Y SUBTEMAS HORASRow32_2: TEMAS Y SUBTEMAS HORASRow33: 8.1 Modelo de HammingTEMAS Y SUBTEMAS HORASRow33_2: TEMAS Y SUBTEMAS HORASRow34: 8.1 Modelo bsico de las Memorias Asociativas Morfolgicas TEMAS Y SUBTEMAS HORASRow34_2: TEMAS Y SUBTEMAS HORASRow1_5: TOTALTEMAS Y SUBTEMAS HORASRow1_6: 72 HorasTEMAS Y SUBTEMAS HORASRow2_5: TEMAS Y SUBTEMAS HORASRow2_6: TEMAS Y SUBTEMAS HORASRow3_5: TEMAS Y SUBTEMAS HORASRow3_6: TEMAS Y SUBTEMAS HORASRow4_5: TEMAS Y SUBTEMAS HORASRow4_6: TEMAS Y SUBTEMAS HORASRow5_5: TEMAS Y SUBTEMAS HORASRow5_6: TEMAS Y SUBTEMAS HORASRow6_5: TEMAS Y SUBTEMAS HORASRow6_6: TEMAS Y SUBTEMAS HORASRow7_5: TEMAS Y SUBTEMAS HORASRow7_6: TEMAS Y SUBTEMAS HORASRow8_3: TEMAS Y SUBTEMAS HORASRow8_4: TEMAS Y SUBTEMAS HORASRow9_3: TEMAS Y SUBTEMAS HORASRow9_4: TEMAS Y SUBTEMAS HORASRow10_3: TEMAS Y SUBTEMAS HORASRow10_4: TEMAS Y SUBTEMAS HORASRow11_3: TEMAS Y SUBTEMAS HORASRow11_4: TEMAS Y SUBTEMAS HORASRow12_3: TEMAS Y SUBTEMAS HORASRow12_4: TEMAS Y SUBTEMAS HORASRow13_3: TEMAS Y SUBTEMAS HORASRow13_4: TEMAS Y SUBTEMAS HORASRow14_3: TEMAS Y SUBTEMAS HORASRow14_4: TEMAS Y SUBTEMAS HORASRow15_3: TEMAS Y SUBTEMAS HORASRow15_4: TEMAS Y SUBTEMAS HORASRow16_3: TEMAS Y SUBTEMAS HORASRow16_4: TEMAS Y SUBTEMAS HORASRow17_3: TEMAS Y SUBTEMAS HORASRow17_4: TEMAS Y SUBTEMAS HORASRow18_3: TEMAS Y SUBTEMAS HORASRow18_4: TEMAS Y SUBTEMAS HORASRow19_3: TEMAS Y SUBTEMAS HORASRow19_4: TEMAS Y SUBTEMAS HORASRow20_3: TEMAS Y SUBTEMAS HORASRow20_4: TEMAS Y SUBTEMAS HORASRow21_3: TEMAS Y SUBTEMAS HORASRow21_4: TEMAS Y SUBTEMAS HORASRow22_3: TEMAS Y SUBTEMAS HORASRow22_4: TEMAS Y SUBTEMAS HORASRow23_3: TEMAS Y SUBTEMAS HORASRow23_4: TEMAS Y SUBTEMAS HORASRow24_3: TEMAS Y SUBTEMAS HORASRow24_4: TEMAS Y SUBTEMAS HORASRow25_3: TEMAS Y SUBTEMAS HORASRow25_4: TEMAS Y SUBTEMAS HORASRow26_3: TEMAS Y SUBTEMAS HORASRow26_4: TEMAS Y SUBTEMAS HORASRow27_3: TEMAS Y SUBTEMAS HORASRow27_4: TEMAS Y SUBTEMAS HORASRow28_3: TEMAS Y SUBTEMAS HORASRow28_4: TEMAS Y SUBTEMAS HORASRow29_3: TEMAS Y SUBTEMAS HORASRow29_4: TEMAS Y SUBTEMAS HORASRow30_3: TEMAS Y SUBTEMAS HORASRow30_4: TEMAS Y SUBTEMAS HORASRow31_3: TEMAS Y SUBTEMAS HORASRow31_4: TEMAS Y SUBTEMAS HORASRow32_3: TEMAS Y SUBTEMAS HORASRow32_4: TEMAS Y SUBTEMAS HORASRow33_3: TEMAS Y SUBTEMAS HORASRow33_4: TEMAS Y SUBTEMAS HORASRow34_3: TEMAS Y SUBTEMAS HORASRow34_4: TEMAS Y SUBTEMAS HORASRow35_3: TEMAS Y SUBTEMAS HORASRow35_4: TEMAS Y SUBTEMAS HORASRow36_3: TEMAS Y SUBTEMAS HORASRow36_4: Referencias: 1 Anderson, J. A. & Rosenfeld, E. (Eds.) (1990). Neurocomputing: Fundations of Research, Cambridge: MIT Press.2 Duda, R. O., Hart, P. E. & Stork, D. G. (2001). Pattern Classification, New York: John Wiley & Sons, Inc.3 Freeman, J.A. & Skapura, D. M (1992). Neural Networks: Algorithms, Applications, and Programming Techniques, Addison-Wesley, Massachusetts.4 Hertz, J., Krogh, A. & Palmer, R.G. (1991). Introduction to the Theory of Neural Computation, Redwood City CA: Addison-Wesley.5 Hopfield, J.J. (1982). Neural networks and physical systems with emergent collective computational abilities, Proceedings of the National Academy of Sciences, 79, 2554-2558.6 McCulloch, W. & Pitts, W. (1943). A logical calculus of the ideas immanent in nervous activity, Bulletin of Mathematical Biophysics, 5, 115-133.7 Minsky, M. & Papert, S. (1988). Perceptrons, Cambridge: MIT Press..8 Ritter, G. X., Sussner, P. & Diaz-de-Leon, J. L. (1998). Morphological associative memories, IEEE Transactions on Neural Networks, 9, 281-293.9 Rosenblatt, F. (1962). Neurodynamics: Perceptrons and the Theory of Brain Mechanisms, Cornell University, Spartan Books, Washington, D. C.

Evaluacion: 1 Tareas 30 %2 Exmenes 30%3 Trabajo final 40%Programa: Maestra en Ciencias de la ComputacinNombreUAP: Introduccin a las redes neuronales artificialesCoordinador: Dr. Amadeo Jos Argelles CruzclaveUAP: semasem: 18horassema: 4Totalhoras: 72creditos: 8SATCA: 5diaelab: 28meselab: 05aoelab: 2015sesion: Extraordinaria No. 3diasesion: 13messesion: 11aosesion: 2013prof4: Dr. Marco Antonio Moreno Armendriz