El Instituto de Ingeniería Biomédica de la FIUBA informa que se encuentra abierta la inscripción al curso de complementación “Introducción a las neurociencias y teorías computacionales del aprendizaje: aplicación a máquinas inteligentes”, que comenzará a dictarse desde el 28 de septiembre hasta el 14 de diciembre de 18.00 a 21.00 en el Instituto de Biología y Medicina Experimental (IBYME), ubicado en Vuelta de Obligado 2490, de la CABA. El curso estará a cargo del Dr. Ing. B. Silvano Zanutto, director del Instituto de Ingeniería Biomédica y del Prof. Asociado Dr. Ing. Sergio Lew.

Informes e inscripción en: iibm@fi.uba.ar

:: Programa
1.  Neurona y sinapsis
Introducción epistemológica al estudio de las funciones superiores del cerebro. Neurona y sinapsis. 
Circuito reflejo. Modelo formal de neurona y de sinapsis.
Codificación de señales neuronales. 
Formalización de la plasticidad sináptica. 

2.  Sistema nervioso periférico y central
2.1 Sistema nervioso periférico y central.
2.2 Organización de los sistemas simpático y parasimpático.
2.3 Función de distintas áreas del cerebro. 

3.  Sistemas sensitivo y motor
3.1 Sistema  sensitivo: visión, audición, tacto, olfato y gusto.
3.2 Sistema motor. 
3.3 Formación de respuestas localizadas por inhibición lateral.
3.4 Sistemas auto-organizados.

4.   Procesos cognitivos y motivacionales
4.1 Procesos cognitivos y motivacionales.
4.2 Sistema límbico. Atención. Modelos de motivación.
4.3 Bases neurobiológicas del aprendizaje y la memoria.
4.4 Aprendizaje Hebbiano.
4.5 Memoria direccionable por su contenido.

5. Introducción a la neuroingeniería
5.1 Procesamiento de registros electrofisiológicos
5.2 Spikesorting
5.3 Modelos fisiológicos

6.  Teorías del aprendizaje
6.1 Teoría del condicionamiento clásico. Modelo de Rescorla-Wagner
6.2 Análisis de las teorías del comportamiento aversivo.
6.3 Teoría del condicionamiento operante. 
6.4 Bases neurofisiólogas de la categorización preceptual y lógica. Aprendizaje de reglas.
6.5 Categorización y su papel en el estudio del lenguaje.

7.  Aprendizaje en máquinas inteligentes 
7.1 Aprendizaje en robots condicionamiento operante.
7.2 Aprendizaje en robots para la evitación de obstáculos por mecanismos de condicionamiento operante.
7.3 Aprendizaje de mapas cognitivos en máquinas inteligentes a partir de claves visuales.
7.4 Control de robots para el aprendizaje de laberintos.
7.5 Aproximación evolutiva al estudio de la cooperación y su aplicación a robots.