Aula de Redes Neurais Artificiais (2021-09-17): 2. Perceptron (2.4. Teorema da convergência; 2.5. Alguns aspectos do problema de reconhecimento de padrões) e 4. MLP (4.1. Introdução ao MLP)
1. Introdução aos modelos conexionistas. 2. Perceptron. 3. Perceptron multicamadas. 4. Arquiteturas recorrentes e Modelo de Hopfield. 5. Máquinas Desorganizadas: máquinas de aprendizado extremo e redes com estados de eco. 6. Redes com função de base radial (RBF). 7. Mapa auto-organizável de Kohonen e outros modelos não-supervisionados. 8. Máquinas de vetores de suporte (SVM). 9. Redes com memória externa. 10. Redes neurais convolucionais (aprendizado profundo).
Oferecer uma introdução às redes neurais artificiais e suas aplicações, apresentando os principais tipos de redes de uma maneira unificada a partir de conceitos matemáticos e estatísticos.