Curso 2014-15

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

 

Presentación de la assignatura

La asignatura de Percepción y Cognición Audiovisual está ubicada al 3er trimestre del 2do curso de los estudios de grado de Ingeniería Informática, de Sistemas Audiovisuales y de Telemática.

El objetivo de esta asignatura es hacer un curso introductorio a aquellos algoritmos elementales del aprendizaje de máquinas inspirados por la biología -más concretamente por la neurociencia-. Concretamente, la primera parte del curso consistirá en una breve introducción a la biología de los sistemas visual y auditivo del ser humano, así como uno de los modelos neuronales más básicos. Algunos de estos conocimientos servirán de base y de inspiración para el diseño de algoritmos que pretenden implementar parcialmente algunas tareas elementales de los sistemas visual y auditivo, como por ejemplo la clasificación, identificación y segregación de objetos visuales y auditivos. Estas tareas son la base de la percepción y la cognición. La metodología de trabajo se basa en dos grandes bloques: las clases de teoría, y las sesiones de seminario y de prácticas de laboratorio donde se experimentará con algunos de los conceptos expuestos a lo largo de las sesiones teóricas de la asignatura.

Esta asignatura tiene una parte importante de contenidos teóricos (fisiología de los sistemas auditivo y visual, modelos neuronales, algoritmos de aprendizaje) pero también es fundamental la aplicación de estos conocimientos a problemas concretos relacionados con la percepción y la cognición audiovisual. La resolución de estos ejercicios requiere el dominio de instrumentos matemáticos (como por ejemplo el álgebra lineal, el cálculo en una y en varias variables y la probabilidad) y la programación.

 

Prerequisitos

Para lograr con éxito las competencias propuestas en la asignatura de Percepción y Cognición Audiovisual se requiere el conocimiento los siguientes contenidos:

Cálculo: Hay que tener conocimiento de los conceptos de derivada, gradiente, problemas de optimización. Además de los conceptos básicos de ecuaciones diferenciales.

Estadística: Nociones básicas de probabilidad y estadística.

Programación: Conocimientos básicos de programación y de Matlab, puesto que será el lenguaje que se empleará para la realización de las prácticas, es el contenido más importante para realizar las prácticas.

Biología: A pesar de que se hará un repaso de conceptos como celulas y fisiología tanto del sistema auditivo como audiovisual se recomienda tener una idea básica de los mismos.

 

Competencias

Competencias transversales

Competencias específicas

Instrumentales 1. Capacidad de análisis y síntesis. 2. Resolución de problemas. 3. Capacidad de organizar y planificar. 4. Capacidad de abstracción. 5. Razonamiento crítico Interpersonales 1.Trabajo en equipo Sistémicas 1. Habilidades de investigación. 2. Capacidad para aprender nuevos conceptos teóricos. 3. Habilidad para trabajar de forma conjunta. 4. Aplicación práctica de los conocimientos teóricos.

1. Conocer los fundamentos biológicos que permiten la cognición y percepción, así como una noción básica de la fisiología del córtex cerebral humano. 2. Entender el funcionamiento de una neurona. 3. Conocer los principales modelos neuronales. 4. Entender la motivación biológica 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.

 

Evaluación

La evaluación de la asignatura contemplará las siguientes tareas/actividades:

- Prácticas de Laboratorio (PR): estas sesiones son fundamentales para la adquisición de las competencias planteadas en la asignatura. Se harán 4 prácticas (todas con el mismo peso sobre la evaluación). La media computará un 50% de la nota final. Hay que tener en cuenta que no se cogerá ninguna práctica entregada fuera de plazo y que hay que presentar las 4 dado que no son recuperables. La última práctica se evaluará oralmente, mediante una exposición oral de la misma. La nota final se podrá ver modificada por las observaciones del profesor/a durante las clases. Es decir se valorará la actitud en clase y el comportamiento. Para poder presentarse al examen de junio hay que tener un mínimo de 5 en la media de las prácticas y tenerlas todas presentadas.

- Seminarios (S): Durante las sesiones de seminario se harán actividades relacionadas con las prácticas que se entregarán el mismo día de la clase. Estas actividades se valorarán junto con el informe de cada práctica.

- Examen Convocatoria Junio (EJ) : este examen es de carácter obligatorio y tiene un peso del 50%. Hay que conseguir como mínimo una nota de 5 en EJ. Será un examen oral.

Calificación Convocatoria Junio = 0.5 * EJ + 0.5 * PR

-Convocatoria Julio (CJ): en esta convocatoria es posible recuperar la parte teórica (correspondiente al examen de junio, EJ2). De la nota de prácticas solo es recuperable la última práctica (que hará media, PR2, con las notas de las otras prácticas).

Calificación Convocatoria de Julio = 0.5* EJ2 + 0.5* PR2

 

Contenidos

Tema 1: Fundamentos biológicos y modelos neuronales

Tema 2: Algoritmos de aprendizaje

Tema 3: Percepción y cognición visual

Tema 4: Percepción y cognición auditiva

 

Metodología

Cómo se ha presentado anteriormente la asignatura cuenta con clases de diferente tipo: teoría, seminarios y prácticas de laboratorio.

A continuación se presenta en detalle cada uno:

- Sesiones de teoría: Durante estas sesiones el profesor expondrá los contenidos fundamentales de la asignatura. Para hacer más comprensible algunos aspectos se usarán ejemplos tanto visuales como auditivos como por ejemplos vídeos.

- Sesiones de seminario: Durante las sesiones de seminario se expondrán los contenidos específicos relacionados con las prácticas y se trabajarán ejemplos de algunos de los algoritmos y modelos expuestos en las sesiones de teoría. Estas sesiones ayudarán a la los estudiantes a preparar mejor las prácticas de laboratorio donde se implementarán parte de estos algoritmos y modelos.

- Prácticas de laboratorio: Tal y cómo se ha dicho anteriormente las prácticas de laboratorios tienen un papel fundamental a la asignatura. Durante estas sesiones se implementarán con ordenador algunos de los algoritmos desarrollados a las clases de teoría y seminarios. Estos programas se tendrán que entregar junto con un informe sobre el trabajo realizado. El profesorado facilitará un guion para la elaboración de estos informes y apoyará para la resolución de dudas que surjan. A pesar de que el profesor no tiene la obligación de encontrar los errores en los códigos, en caso de que no funcionen correctamente. De manera aleatoria el profesorado de laboratorio cogerá códigos desarrollados por el los estudiantes para ejecutarlos durante las sesiones de laboratorio. Así mismo se podrán 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 començar el trimestre) 

	Actividades en el aula			Actividades fuera de el aula	Evaluación
Temas	Grupo grande	Grupo mediano	Grupo pequeño
Teoria	x				0-10
Seminario: neurona integrate-and-fire		x			0-10
Práctica: neurona integrate-and-fire		x			0-10
Seminario: perceptron i regressiò lineal		x			0-10
Práctica: perceptron i regressiò lineal		x			0-10
Seminario: multi/layer perceptron		x			0-10
Práctica: multi/layer perceptron		x			0-10
Seminario: filtros de Gabor		x			0-10
Pràctica: reconocimiento visual		x			0-10
						Total:

 

Recursos

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