Curso 2015-2016
Percepción y Cognición Audiovisual
| Titulación: | Código: | Tipo: |
| Grado en Ingeniería Informática | 21481 | Optativa |
| Grado en Ingeniería Telemática | 22585 | Optativa |
| Grado en Ingeniería en Sistemas Audiovisuales | 21611 | Obligatoria 2º curso |
| Créditos ECTS: | 4 | Dedicación: | 100 horas | Trimestre: | 3º |
| Departamento: | Dpto. de Tecnologías de la Información y las Comunicaciones |
| Coordinador: | Gustavo Deco |
| Profesorado: | Gustavo Deco, Andrea Insabato, Beatriz Jobst |
| Idioma: | castellano |
| Horario: | |
| Campus: | Campus de la Comunicación - Poblenou |
La asignatura de Percepci�n y Cognici�n Audiovisual est� ubicada al
3er trimestre del 2do curso de los estudios de grado de Ingenier�a
Inform�tica, de Sistemas Audiovisuales y de Telem�tica.
El
objetivo de esta asignatura es hacer un curso introductorio a aquellos
algoritmos elementales del aprendizaje de m�quinas inspirados por la
biolog�a -m�s concretamente por la neurociencia-. Concretamente, la
primera parte del curso consistir� en una breve introducci�n a la
biolog�a de los sistemas visual y auditivo del ser humano, as� como uno
de los modelos neuronales m�s b�sicos. Algunos de estos conocimientos
servir�n de base y de inspiraci�n para el dise�o de algoritmos que
pretenden implementar parcialmente algunas tareas elementales de los
sistemas visual y auditivo, como por ejemplo la clasificaci�n,
identificaci�n y segregaci�n de objetos visuales y auditivos. Estas
tareas son la base de la percepci�n y la cognici�n. La metodolog�a de
trabajo se basa en dos grandes bloques: las clases de teor�a, y las
sesiones de seminario y de pr�cticas de laboratorio donde se
experimentar� con algunos de los conceptos expuestos a lo largo de las
sesiones te�ricas de la asignatura.
Esta asignatura tiene una
parte importante de contenidos te�ricos (fisiolog�a de los sistemas
auditivo y visual, modelos neuronales, algoritmos de aprendizaje) pero
tambi�n es fundamental la aplicaci�n de estos conocimientos a problemas
concretos relacionados con la percepci�n y la cognici�n audiovisual. La
resoluci�n de estos ejercicios requiere el dominio de instrumentos
matem�ticos (como por ejemplo el �lgebra lineal, el c�lculo en una y en
varias variables y la probabilidad) y la programaci�n.
Para lograr con �xito las competencias propuestas en la asignatura de
Percepci�n y Cognici�n Audiovisual se requiere el conocimiento los
siguientes contenidos:
C�lculo: Hay que tener conocimiento de los
conceptos de derivada, gradiente, problemas de optimizaci�n. Adem�s de
los conceptos b�sicos de ecuaciones diferenciales.
Estad�stica: Nociones b�sicas de probabilidad y estad�stica.
Programaci�n:
Conocimientos b�sicos de programaci�n y de Matlab, puesto que ser� el
lenguaje que se emplear� para la realizaci�n de las pr�cticas, es el
contenido m�s importante para realizar las pr�cticas.
Biolog�a: A
pesar de que se har� un repaso de conceptos como celulas y fisiolog�a
tanto del sistema auditivo como audiovisual se recomienda tener una idea
b�sica de los mismos.
| Competencias transversales | Competencias espec�ficas |
|---|---|
|
Instrumentales |
1.
Conocer los fundamentos biol�gicos que permiten la cognici�n y
percepci�n, as� como una noci�n b�sica de la fisiolog�a del c�rtex
cerebral humano. 2. Entender el funcionamiento de una neurona. 3. Conocer los principales modelos neuronales. 4. Entender la motivaci�n biol�gica de los algoritmos de aprendizaje. 5. Conocer los principales algoritmos de aprendizaje. 6. Entender los principales modelos basados en el sistema visual humano. 7. Comprender los principales modelos basados en el sistema auditivo humano. |
La evaluaci�n de la asignatura contemplar� las siguientes tareas/actividades:
-
Pr�cticas de Laboratorio (PR): estas sesiones son fundamentales para la
adquisici�n de las competencias planteadas en la asignatura. Se har�n 4
pr�cticas (todas con el mismo peso sobre la evaluaci�n). La media
computar� un 50% de la nota final. Hay que tener en cuenta que no se
coger� ninguna pr�ctica entregada fuera de plazo y que hay que presentar
las 4 dado que no son recuperables. La �ltima pr�ctica se evaluar�
oralmente, mediante una exposici�n oral de la misma. La nota final se
podr� ver modificada por las observaciones del profesor/a durante las
clases. Es decir se valorar� la actitud en clase y el comportamiento.
Para poder presentarse al examen de junio hay que tener un m�nimo de 5
en la media de las pr�cticas y tenerlas todas presentadas.
-
Seminarios (S): Durante las sesiones de seminario se har�n actividades
relacionadas con las pr�cticas que se entregar�n el mismo d�a de la
clase. Estas actividades se valorar�n junto con el informe de cada
pr�ctica.
- Examen Convocatoria Junio (EJ) : este examen es de
car�cter obligatorio y tiene un peso del 50%. Hay que conseguir como
m�nimo una nota de 5 en EJ. Ser� un examen oral.
Calificaci�n Convocatoria Junio = 0.5 * EJ + 0.5 * PR
-Convocatoria
Julio (CJ): en esta convocatoria es posible recuperar la parte te�rica
(correspondiente al examen de junio, EJ2). De la nota de pr�cticas solo
es recuperable la �ltima pr�ctica (que har� media, PR2, con las notas de
las otras pr�cticas).
Calificaci�n Convocatoria de Julio = 0.5* EJ2 + 0.5* PR2
Tema 1: Fundamentos biol�gicos y modelos neuronales
Tema 2: Algoritmos de aprendizaje
Tema 3: Percepci�n y cognici�n visual
Tema 4: Percepci�n y cognici�n auditiva
C�mo se ha presentado anteriormente la asignatura cuenta con clases
de diferente tipo: teor�a, seminarios y pr�cticas de laboratorio.
A continuaci�n se presenta en detalle cada uno:
-
Sesiones de teor�a: Durante estas sesiones el profesor expondr� los
contenidos fundamentales de la asignatura. Para hacer m�s comprensible
algunos aspectos se usar�n ejemplos tanto visuales como auditivos como
por ejemplos v�deos.
- Sesiones de seminario: Durante las
sesiones de seminario se expondr�n los contenidos espec�ficos
relacionados con las pr�cticas y se trabajar�n ejemplos de algunos de
los algoritmos y modelos expuestos en las sesiones de teor�a. Estas
sesiones ayudar�n a la los estudiantes a preparar mejor las pr�cticas de
laboratorio donde se implementar�n parte de estos algoritmos y modelos.
-
Pr�cticas de laboratorio: Tal y c�mo se ha dicho anteriormente las
pr�cticas de laboratorios tienen un papel fundamental a la asignatura.
Durante estas sesiones se implementar�n con ordenador algunos de los
algoritmos desarrollados a las clases de teor�a y seminarios. Estos
programas se tendr�n que entregar junto con un informe sobre el trabajo
realizado. El profesorado facilitar� un guion para la elaboraci�n de
estos informes y apoyar� para la resoluci�n de dudas que surjan. A pesar
de que el profesor no tiene la obligaci�n de encontrar los errores en
los c�digos, en caso de que no funcionen correctamente. De manera
aleatoria el profesorado de laboratorio coger� c�digos desarrollados por
el los estudiantes para ejecutarlos durante las sesiones de
laboratorio. As� mismo se podr�n hacer preguntas sobre el mismo durante
las clases.
Tabla de actividades (la pot posar, COMPLETA, directament el professor a l'Aula Global de l'Assignatura ABANS de comen�ar el trimestre)
| Actividades en el aula | Actividades fuera de el aula | Evaluaci�n | ||||
|---|---|---|---|---|---|---|
| Temas | Grupo grande | Grupo mediano | Grupo peque�o | |||
|
Teoria |
x |
|
|
|
0-10 |
|
|
Seminario: neurona integrate-and-fire |
|
x |
|
|
0-10 |
|
|
Pr�ctica: neurona integrate-and-fire |
x |
0-10 |
||||
|
Seminario: perceptron i regressi� lineal |
x |
0-10 |
||||
|
Pr�ctica: perceptron i regressi� lineal |
x |
0-10 |
||||
|
Seminario: multi/layer perceptron |
x | 0-10 | ||||
|
Pr�ctica: multi/layer perceptron |
x | 0-10 | ||||
|
Seminario: filtros de Gabor |
x | 0-10 | ||||
|
Pr�ctica: reconocimiento visual |
x | 0-10 | ||||
|
|
|
|
|
|
Total: |
|
o Introduction to Theory of Neural Computation (Herz et al)
o Foundations of Cellular Neurophysiology. Johnston and Wu (MIT)
o Computational Neuroscience of Vision. Rolls and Deco (Oxford)
o Biophysics of Computation. C. Koch