<?xml version="1.0" encoding="UTF-8"?>
<collection xmlns="http://www.loc.gov/MARC21/slim">
    <record>
        <controlfield tag="001">45839</controlfield>
        <controlfield tag="005">20170831083811.0</controlfield>
        <datafield tag="037" ind1=" " ind2=" ">
            <subfield code="a">GDOC-2010-1247</subfield>
        </datafield>
        <datafield tag="041" ind1=" " ind2=" ">
            <subfield code="a">spa</subfield>
        </datafield>
        <datafield tag="100" ind1=" " ind2=" ">
            <subfield code="0">(orcid)0000-0003-3431-5863</subfield>
            <subfield code="a">Buldain Pérez, Julio David</subfield>
        </datafield>
        <datafield tag="245" ind1="0" ind2="0">
            <subfield code="9">67221</subfield>
            <subfield code="a">Redes neuronales: realización electrónica y aplicaciones</subfield>
        </datafield>
        <datafield tag="260" ind1=" " ind2=" ">
            <subfield code="a">Zaragoza</subfield>
            <subfield code="b">Universidad de Zaragoza</subfield>
            <subfield code="c">2010-2011</subfield>
        </datafield>
        <datafield tag="520" ind1=" " ind2=" ">
            <subfield code="a">“Redes Neuronales: Realización Electrónica y Aplicaciones” es una asignatura optativa integrada en el Bloque Temático 2 “Electrónica para ambientes inteligentes”. Sus 4 créditos ECTS equivalen a 100h totales de trabajo, correspondientes a 30h en aula (2h semanales durante el 1er cuatrimestre), 10h de laboratorio y 60h de trabajo del alumno (elaboración de trabajos, estudio personal…). Esta asignatura aborda todos los aspectos relacionados con las redes neuronales artificiales (RNA) que, como su nombre indica, están inspiradas en el sistema nervioso animal.  Partiendo de una descripción básica del comportamiento de las neuronas biológicas, se plantean modelos simples de neuronas artificiales cuya composición en arquitecturas jerárquicas (múltiples capas de neuronas) dan lugar a redes complejas con interesantes capacidades computacionales paralelas a las de los sistemas naturales a los que imitan (aprendizaje, generalización y abstracción), propias de sistemas con cierto grado de inteligencia y adaptabilidad.  Mediante métodos de aprendizaje a partir de ejemplos, las RNA permiten modelar funciones no lineales y realizar reconocimiento de patrones con el objetivo de dotar de inteligencia a sistemas y equipos.  En la asignatura se presentan los fundamentos de este campo, haciéndose un énfasis especial en su aplicación en ingeniería y su realización electrónica.</subfield>
        </datafield>
        <datafield tag="521" ind1=" " ind2=" ">
            <subfield code="9">657</subfield>
            <subfield code="a">Máster Universitario en Ingeniería Electrónica</subfield>
        </datafield>
        <datafield tag="540" ind1=" " ind2=" ">
            <subfield code="a">by-nc-sa</subfield>
            <subfield code="b">Creative Commons</subfield>
            <subfield code="c">3.0</subfield>
            <subfield code="u">http://creativecommons.org/licenses/by-nc-sa/3.0/</subfield>
        </datafield>
        <datafield tag="700" ind1=" " ind2=" ">
            <subfield code="0">(orcid)0000-0002-3643-2847</subfield>
            <subfield code="a">Martín del Brío, Bonifacio</subfield>
        </datafield>
        <datafield tag="830" ind1=" " ind2=" ">
            <subfield code="9">329</subfield>
        </datafield>
        <datafield tag="856" ind1="4" ind2=" ">
            <subfield code="s">89546</subfield>
            <subfield code="u">http://zaguan.unizar.es/record/45839/files/guia.pdf</subfield>
            <subfield code="y">Guía (idioma español)</subfield>
        </datafield>
        <datafield tag="980" ind1=" " ind2=" ">
            <subfield code="a">GDOC</subfield>
            <subfield code="b">Ingeniería y Arquitectura</subfield>
            <subfield code="c">106</subfield>
        </datafield>
    </record>

    
</collection>