Computación neuromórfica desde la perspectiva de la informática - Algoritmos y aplicaciones

Resumen

Programa

• Introducción a la Computación Neuromórfica
Definición y visión general
Contexto histórico y evolución
Importancia en los paradigmas de computación modernos
• Fundamentos de las Redes Neuronales de Disparos (SNNs)
Inspiración biológica
Modelos neuronales: LIF, Izhikevich y otros
Codificación y decodificación de la información
• Fundamentos Algorítmicos de los Sistemas Neuromórficos
Algoritmos de aprendizaje: STDP, aprendizaje por refuerzo
Arquitecturas y topologías de red
Desafíos de implementación y estrategias de optimización
• Arquitecturas de Hardware Neuromórfico
Panorama de hardware existente: IBM TrueNorth, Intel Loihi
Chips neuromórficos personalizados: características y capacidades
Comparaciones con arquitecturas de computación tradicionales
• Aplicaciones en el Análisis de Datos Científicos
Reconocimiento de patrones y clasificación
Procesamiento de datos en tiempo real
Estudios de caso: astronomía, neurociencia y modelado climático
• Aplicaciones en Sistemas Autónomos
Procesamiento de sensores en tiempo real
Toma de decisiones en vehículos autónomos
Desafíos de integración en sistemas complejos
• Direcciones Futuras y Fronteras de Investigación
Tendencias emergentes en computación neuromórfica
Oportunidades en IA y aprendizaje automático
Preguntas de investigación abiertas y brechas tecnológicas
• Resumen del Curso y Proyecto
Resumen de conceptos clave
Presentación de proyectos de estudiantes
Vías de aprendizaje futuro y recursos

---

Materias

Computer Science