Fornecer ao aluno, conceitos básicos e características de modelos conexionistas, apresentando os principais modelos, bem como, as diversas áreas em que esses modelos podem ser utilizados.
Apresentação dos principais modelos de redes neurais artificiais para classificação/predição de padrões e aplicações.
Definição de modelos conexionistas. Aprendizado em Modelos Conexionistas: aprendizado supervisionado, não-supervisionado. competitivo. Arquiteturas básicas: Perceptron. Adaline, Perceptron Multi-Camadas, Redes RBF, Memórias Associativas: Redes de Hopfield. Sistemas de Auto-organização: Rede de Kohonen. Aplicações.
Livro(s) Texto(s):-BRAGA,A.; CARVALHO, A.; LUDERMIR, T. "Redes Neurais Artificiais: Teoria e Aplicações", Livro Técnico e Científico, Rio de Janeiro, 2000.-HAYKIN, S. "Neural Networks. A Comprehensive Foundation", New Jersey, Prentice Hall, 2 ed., 1999.Bibliografia Complementar:-FRANCELIN, R.A., "Uma Introdução a Redes Neurais", Anais do Workshop sobre Redes Neurais, UFSCar, setembro, 1992.-HERTZ,J.; JROGH,A.; PALMER,R.G. "Introduction to the Theory of Neural Computation", Addison-Wesley Publishing Company, CA, 1991.-KOHONENT,T. "Self-Organization and Associative Memory", Springer-Verlag, 1984.-LIPPMANN,R.P. "An Introduction to Computing with Neural Nets", IEE-ASSP Magazine, Vol. 4, No. 2, abril, 1987.-PEDRYCZ,W. "Fuzzy Control and Fuzzy Systems", 2 ed., Tauton, Research Studies, 1993.-RUMELHART,D.; HINTON,G.; WILLIAMS,R. "Learning Internal Representations by Error Propagation", In: Rumelhart,D. & McClelland, J. Parallel Distributed Processing: Explorations in the Microstructure of Cognition, Vol. 1, Cambridge MA:MIT Press, 1986.