Disciplina
Aprendizagem Estruturada
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%)
Pré-requisitos
Componente Laboratorial
Princípios Éticos
Componente de Programação e Computação
Componente de Competências Transversais
Bibliografia
Principal
Neural Networks and Learning Machines