Taller sobre otros modelos de redes neuronales:
Equipo # 1: Red de Hopfield
Equipo # 2: Aprendizaje Competitivo Diferencial (Differential Competitive Learning, DCL)
Equipo # 3: Mapa Auto-Organizado ( Self-organizaing Maps, SOM)
Equipo # 4: Máquina de Boltzman (Boltzman Machine)
Equipo # 5: Memoria Asociativa Bidireccional (Bidirectional Associative Memory, BAM)
Equipo # 6: Redes de Cuantificación del Vector de Aprendizaje (Learning Vector Quantization, LVQ)
Equipo # 7: Red Neuronal Probabilística (Probabilistic Neural Network, PNN)


Elementos principales a abordar:
- Antecedentes
- Clasificación según estructura, flujo de información, tipo de aprendizaje, etc
- Arquitectura
- Características
- Reglas de aprendizaje
- Ventajas y desventajas
- Aplicaciones
- Enunciar herramientas que tenga implementado este modelo de RNA
- Ideas para resolver el proyecto final con el dataset de su equipo

- 10 minutos para la presentación por cada equipo (todos los integrantes exponen y participan en la oponencia al resto de los equipos por lo que deben preparar preguntas)