Disciplina

Área

Área Científica de Inteligência Artificial > Sistemas Inteligentes

Activa nos planos curriculares

DEAEIC2006 > DEAEIC2006 > 3º Ciclo > Aprendizagem Estruturada

Nível

Projecto individual (relatório 60%, apresentação 40%)

Tipo

Não Estruturante

Regime

Semestral

Carga Horária

1º Semestre

1.5 h/semana

105.0 h/semestre

Objectivos

Entender a relação entre a teoria da informação, a aprendizagem automatica e a representação no cérebro humano. Ao contrário de muitas abordagens estatísticas de aprendizagem através de máquinas, que lidam com dados não estruturados, a aprendizagem através de agentes lida com dados estruturados. Em redes neurais hierárquicas, os níveis de representação nas camadas exibem uma estrutura hierárquica. Mais precisamente, a primeira camada (ou algumas das primeiras camadas) extraem características locais, tais como uma linha numa orientação particular. Características mais globais são extraídas em camadas seguintes. O objectivo de tal estrutura de representação hierárquica baseia-se no facto de que a posição do símbolo no padrão de introdução torna-se menos importante, por atravessar as camadas sucessivas mais profundamente.

Programa

O cérebro. Memória associativa, agregados de células, o cerebelo, o córtex visual. Clustering e EM-clustering, avaliação, mapas auto-organizados. Transformação de dados, normalização, transformada de Fourier, wavelets, transformada KL, PCA. Entropia e teoria da informação. O perceptrão, retro-propagação, redes RBF, "kernel trick", aprendizagem profunda, regularização. O córtex visual e aprendizagem profunda. Redes neuronais convolucionais. Hmax, Neocognitron.

Metodologia de avaliação

Projecto individual (relatório 60%, apresentação 40%)

Bibliografia

Principal

Neural Networks and Learning Machines

S. Haykin

2008

Pearson


The Illusion of Reality

Howard L. Resnikoff

1987

Springer-Verlag