Disciplina: Redes Neurais
Professora: Ana Teresa de Castro Martins (ana@lia.ufc.br)
Créditos: 4
Carga Horária: 60 h/a
Mestrado:   Tópicos Especiais em Automatização do Raciocínio (UFC,  99.1)

Ementa: Evolução, Modelos, Aprendizagem, Convergência, Computabilidade, Aplicações, Conexionismo X Simbolismo

Objetivos:
0.   Saber diferenciar os diferentes modelos de Redes Neurais;
1.     Entender as vantagens e desvantagens do uso de Redes Neurais em aplicações de IA
2.     Saber da  correspondência entre as abordagens  Conexionista  e Simbolista;
3.     Analisar o poder computacional das   Redes Neurais;
4.     Provar propriedades dos algoritmos de aprendizagem

Programa:
1.     Introdução
      1.1     Motivação Biológica e Evolução
      1.2     Elementos constitutivos de uma rede neural: neurônios, arquitetura da rede, técnicas de aprendizado
      1.3     Vantagens e Desvantagens dos Modelos
      1.4     Aplicações 

2.   Modelos de Redes Neurais 
      2.1     Retropropagação
      2.2     Redes de Hopfield
      2.3     Mapas de Kohonen
      2.4     Outras Redes

 3     Técnicas de Aprendizagem
      3.1 Paradigmas de aprendizagem supervisionada
       3.2 Paradigmas de aprendizagem por reforço
       3.3 Paradigmas de aprendizagem não supervisionada

4. Provas de Convergência 

5.     Computabilidade

6.     Aplicações de Redes Neurais
      6.1 Problemas de Classificação
     6.2     Reconhecimento de Padrões
     6.3     Memória Associativa
     6.4     Otimização
     6.5     Predição de Séries Temporais

7.    Comparações
      7.1      Simbolismo  x Conexionismo
     7.2     Tradução RN para Lógica (extração de regras)

Bibliografia Básica:
1.        J. Hertz, A Krogh e R. Palmer, Introduction to the Theory of Neural Computation, Addison-Wesley, 1991.
2.  D. Partridge   e Y. Wilks, The Foundation of Artificial Intelligence: A Source Book, Cambridge University Press, Cambridge, 1990.
3.      Simon Haykin, Neural Networks: A Comprehensive Foundation, Prentice Hall, New York, 1994.
4.         Patrick Simpson, Artificial Neural Systems: Foundation, Paradigms, Applications and  Implementation, Pergamont Press, 1990.
5.         Joseph Bigus, Data Mining with Neural Networks, McGraw-Hill, New York, 1996.
6         Stephen Gallant, Neural Network Learning and Expert Systems, MIT Press, Cambridge, 1994.
7         Artigos Diversos