Πληροφορίες μαθήματος
Στην ιστοσελίδα αυτή παρουσιάζουμε πληροφορίες για το μάθημα Τεχνητά Νευρωνικά Δίκτυα, του Τμήματος Φυσικής, με βάση τον οδηγό σπουδών του Τμήματος.
Ο κατάλογος με τα προσφερόμενα μαθήματα του τρέχοντος ακαδημαϊκού έτους βρίσκεται εδώ.
Ο κατάλογος με πληροφορίες για όλα τα μαθήματα του Τμήματος βρίσκεται εδώ.
| Κωδικός | Φ-528 |
|---|---|
| Τίτλος | Τεχνητά Νευρωνικά Δίκτυα |
| Κατηγορία | Β |
| ECTS | 5 |
| Ώρες | 4 |
| Επίπεδο | Μεταπτυχιακό |
| Εξάμηνο | Χειμερινό |
| Διδάσκων | Γ. Αθανασίου |
| Πρόγραμμα | Αυτομελέτη |
| Ιστοσελίδα Μαθήματος | |
| Σκοπός Μαθήματος | Tο µάθηµα απευθύνεται σε µεταπτυχιακούς φοιτητές της σχολής Θετικών Επιστηµών και του διατµηµατικού µεταπτυχιακού “Εγκέφαλος και Νούς”. Αποτελεί µία µελέτη σε µοντέλα των Βιολογικών Νευρωνικών Δικτύων και στις θεµελιώδεις έννοιες, τις µεθόδους και τους αλγορίθµους των Τεχνητών Νευρωνικών Δικτύων (ΤΝΔ). Είναι επιπλέον µια επιτοµή στο “Φ- 428 Εισαγωγή στα Τεχνητά Νευρωνικά Δικτυα”, το οποίο προσφέρεται σαν προπτυχιακό µάθηµα στο Τµήµα Φυσικής. |
| Διδακτέα Ύλη | Μαθηµατικά θεµέλια των ΤΝΔ-Θεώρηµα υπέρθεσης Kolmogorov-Προσεγγίσεις G.G.Lorentz- Μοντέλα δοµής του κεντρικού νευρικού συστήµατος-IAF Δίκτυα Νευρωνίων-Συνδιαστική Βελτιστοποίηση-Αρχές Χωροχρονικής Αποσύζευξης και µοντέλα του οπτικού δρόµου - Ανάπτυξη αναγνωριστών µε Βιοµιµητικούς Αλγορίθµους αυτοεκµάθησης (PCA-ICA-RBF). Εφαρµογές-ανάπτυξη ανιχνευτών µε ΤΝΔ (Retina-HEP) |
| Βιβλιογραφία |
Επιλεγµένες δηµοσιευµένες εργασίες διεθνώς αναγνωρισµένων ερευνητών αποτελούν την βάση των διαλέξεων και των τελικών εργασιών-παραδοτέων (Ενδεικτικός κατάλογος προτεινοµένων συγγραφέων D.Horn, J.Atick, J.J.Hopfield, T.J.Sejnowski, W.Bialek, D.Ruderman, T.Zee, C.Bishop, G.G.Lorentz, M.Griebel, D.A.Sprecher) «Neural Networks An Introduction» – B.Muller & J.Reinhardt - Springer & Verlag «An introduction to the modeling of Neural Networks» - P.Peretto – Cambridge University Press «Introduction to the theory of Neural Computation» – J.Hertz&A.Krogh&R.G.Palmer- Addison-Wesley Publishing Company «Spin Glass Theory and Beyond» – M.Mezard & G.Parisi & M.A.Virasoro - World Scientific «Self Organization and Associative Memory» – T.Kohonen-Springer&Verlag «Modeling Brain Function. The world of attractor neural networks» – D.J.Amit - Cambridge University Press |
