home *** CD-ROM | disk | FTP | other *** search
/ Monster Media 1993 #2 / Image.iso / text / 9305nni.zip / 930515.ANC < prev    next >
Internet Message Format  |  1993-05-15  |  7KB
  1. From ml-connectionists-request@q.cs.cmu.edu Fri May 14 21:25:39 1993
  2. Received: by cse.uta.edu (5.57/Ultrix2.4-C)
  3.     id AA29479; Fri, 14 May 93 23:25:31 -0500
  4. Message-Id: <9305150425.AA29479@cse.uta.edu>
  5. Received: from Q.CS.CMU.EDU by q.cs.CMU.EDU id ab08160; 14 May 93 18:44:03 EDT
  6. Received: from DST.BOLTZ.CS.CMU.EDU by Q.CS.CMU.EDU id aa08134;
  7.           14 May 93 17:55:29 EDT
  8. Received: from DST.BOLTZ.CS.CMU.EDU by DST.BOLTZ.CS.CMU.EDU id aa18136;
  9.           14 May 93 17:54:41 EDT
  10. Date: Thu, 13 May 1993  9:18:30 UTC+0200
  11. From: "Fernando M. Pescador" <ferna1@sis.ucm.es>
  12. Subject: Re: Request for Connectionists Information
  13. To: Connectionists@cs.cmu.edu
  14. Status: R
  15.  
  16. I send to you the content of our 1st FORUM in Neural Networks.
  17. Sorry because the content is in Spanish language.
  18.  
  19.         Sincerely,
  20.                                                 Fernando Pescador
  21.                                                 ferna1@sis.ucm.es
  22.  
  23.  
  24.  
  25.  
  26.         *  *  *  *  *   FORUM DE REDES NEURONALES   *  *  *  *  *
  27.  
  28.                  Jueves 27 de Mayo de 1993 Universidad Complutense
  29.                  Salon de Actos del Centro de Proceso de Datos de la U.C.M.
  30.                         Hora: 9:30 de la Ma~nana.
  31.                         Organizacion: Servicio de Informatica 
  32.                         Universidad Complutense de Madrid
  33.                         Fernando Pescador ( ferna1@sis.ucm.es )
  34.          
  35.                         ------ Ponencias --------
  36.  
  37.         1 *.- " MOLECULAR COMPUTING : O como dise~nar redes neuronales con
  38. proteinas y su aplicacion en el dise~no de Nano-computadores."
  39.  
  40.         Autor: Rafael Lahoz Beltra.
  41.         Dpto. de Biomatematica (Matematica Aplicada) U.C.M.
  42.  
  43.         Resumen:        
  44.         El objeto de la conferencia es introducir el concepto de Molecular 
  45. Computing y mostrar como redes neuronales pueden implementarse fisicamente
  46. con redes de polimeros, concretamente proteinas, y comentar los resultados 
  47. por nosotros obtenidos y publicados en las revistas COMPUTER, ByoSystem, etc.
  48.  
  49.  
  50.         2 *.- " REPRESENTACION Y CODIFICACION DE ESTRUCTURAS DE LA QUIMICA
  51. ORGANICA MEDIANTE REDES NEURONALES "
  52.  
  53.         Autor: Manfred Stud.
  54.         Instituto de Quimica del C.S.I.C.
  55.  
  56.         
  57.         Resumen: " Se presenta un modulo grafico que transforma una 
  58. estructura molecular de la Quimica Organica en una red neuronal 
  59. cuyo procesamiento conduce a un codigo que es utilizado como 
  60. representacion de dicha estructura en un proceso de asociacion 
  61. mediante bp con una propiedad de la misma (su actividad biologica)."
  62.  
  63.  
  64.         3 *.- " IDENTIFICACION DE TIPOS DE DIAS MEDIANTE UN MAPA
  65.                  AUTO-ORGANIZATIVO "
  66.  
  67.     Autor: Alvaro Garcia Tejedor
  68.     Dpto. Ingenieria del Conocimiento de ERITEL
  69.  
  70.     Resumen: Se esta intentando predecir la demanda nacional de
  71. consumo electrico en escala horaria (curva de demanda horaria) para
  72. cualquier dia del a~no. Sin embargo, el comportamiento de la demanda
  73. depende fuertemente del dia que se intenta predecir. El numero y tipo
  74. de dias presentes en un a~o es desconocido, ya que gran parte de los
  75. factores que influyen en la demanda no son cuantificables. Se ha
  76. propuesto un mapa de Kohonen como metodo para clasificar los dias a
  77. partir de los perfiles de demanda horaria. El resultado se ha comparado
  78. con otras tecnicas de clasificacion (Analisis de Componentes Principales
  79.  y Analisis Discriminante usando Distancias de Mahalanobis).
  80.  
  81.  
  82.         4 *.- " DEFINICION DE LA CAPA DE ENTRADA "
  83.  
  84.         Autor: Susana Lopez Ornat.
  85.         Dpto. Psicologia Basica: Procesos Cognitivos. U.C.M.
  86.  
  87.         Resumen: " Problema de definicion de la capa de entrada para modelos
  88. de adquisicion del lenguaje. Los resultados experimentales obtenidos muestran
  89. que el input es co-definido por el sistema-procesos en los patrones de entrada
  90. a la capa del input . "
  91.        
  92.   
  93.         5 *.- " APRENDIZAJE MEDIANTE VALOR ADAPTATIVO ".        
  94.  
  95.         Autor: Antonio Murciano Cespedosa y Javier Zamora Romero.
  96.         Dpto. Biomatematica (  Matematica Aplicada ) U.C.M.
  97.  
  98.         Resumen: Se presentara un modelo para el centrado de estimulos visuales,
  99. como ejemplo del aprendizaje mediante valor adaptativo. Dicho modelo esta
  100. basado en estructuras inspiradas biologicamente y evolutivamente seleccionadas.
  101. Este tipo de aprendizaje permite comportamientos dependientes del ambiente
  102. ( de entrenamiento y de funcionamiento ).
  103.  
  104.         6 *.-  "REDES METABOLICAS: PROTEINAS Y MAQUINAS DE TURING".
  105.  
  106.         Autor: Mario Reviriego Eiros.
  107.         Dpto. Biomatematica. ( Matematica Aplicada ) U.C.M.
  108.        
  109.          Resumen: "  El tema trata de la simulacion de redes metabolicas por
  110. medio de enzimas (proteinas) que se "comportan" como maquinas de Turing y
  111. metabolitos que son modelizados por medio de cadenas binarias."
  112.  
  113.  
  114.         7 *.-  "CALCULO DE ESTRUCTURA SECUNDARIA DE PROTEINAS MEDIANTE
  115. UNA RED NEURONAL CON APRENDIZAJE NO SUPERVISADO".
  116.  
  117.         Autor: Pablo Chacon Montes
  118.         Dpto. Biologia Molecular I ( Fac. Quimicas ) U.C.M.
  119.  
  120.         Resumen:" Se ha desarrollado una red de Kohonen para la clasificacion
  121. topologica de proteinas a partir de espectros de dicroismo circular. En los
  122. mapas resultantes se observa un ordenamiento en dependencia de los distintos
  123. tipos de estructura secundaria. Esta clasificacion es aprovechada
  124. posteriormente para el calculo de porcentaje de estructura de nuevas proteinas.
  125.  
  126.       
  127.         8 *.- "AUTOORGANIZACION DE CAMPOS RECEPTIVOS ON-OFF 
  128. EN EL CORTEX VISUAL"
  129.  
  130.         Autor: Miguel A. Andrade Navarro
  131.         Dpto. Biologia Molecular I ( Fac. Quimicas ) U.C.M.
  132.         
  133.         Resumen: " Se modeliza la autoorganizacion de las conexiones 
  134. sinapticas en el cortex visual de mamiferos que sucede durante las etapas
  135. tempranas del desarrollo. Se emplea para ello una red neuronal de dos capas
  136. en  la que la evolucion de las conexiones depende de la correlacion de
  137. actividad neuronal mediante reglas Hebbianas. Se observa la aparicion de
  138. neuronas sensibles a la posicion, orientacion y tama~no de un estimulo.
  139.  
  140.  
  141.         9 *.- " NT5000: SISTEMA PROCESADOR DE REDES NEURONALES ".
  142.  
  143.         Autor: Jose C. Chacon Gomez
  144.         Laboratorio de Vision. Fac. Psicologia.
  145.         
  146.         Resumen:  Presentacion de este sistema ( hardware especializado y
  147. software corriendo en PC ) de dise~no y calculo de redes neuronales.
  148.  
  149.  
  150.         10 *.- " ASPIRIN/MIGRAINES HERRAMIENTA DE DISE~NO Y ANALISIS DE 
  151. REDES NEURONALES ".
  152.  
  153.         Autor: Fernando Pescador.
  154.         Servicio de Informatica de la U.C.M.
  155.  
  156.         Resumen: Se presenta la herramienta de libre distribucion AM6.0, que
  157. puede correr en estaciones de trabajo y Superordenadores y sirve para el
  158. dise~no y analisis de Redes Neuronales. 
  159.  
  160. ===============================================================================
  161.  
  162.  
  163.