SISTEMAS INTELIGENTES COMPUTACIONALES

David Cárdenas Peña

dcardenasp@unal.edu.co

Oficina: GCPDS

DescripciónLos sistemas inteligentes computacionales se pueden ver como aplicaciones que emulan elaprendizaje humano o animal, generando interacciones complejas y adaptables a las condiciones delentorno o a la respuesta del usuario. en el curso de sistemas inteligentes computacionales se tratanlas nociones del aprendizaje computacional, en forma de paralelo al proceso cognoscitivo propio delos animales y el hombre, así como algunas de las técnicas utilizadas en inteligencia artificial.

Objetivos Brindar al estudiante los fundamentos necesarios que le permitan incursionar en el mundo de

los sistemas inteligentes a través de la aplicación de la distintas filosofías, teorías, conceptos,técnicas y procedimientos que son objeto de estudio.

Presentar las técnicas y generar destrezas en la representación de conocimiento.

Dar a conocer y aplicar la forma de resolución de problemas mediante inteligencia artificial.

Conceptualizar sobre sistemas inteligentes y afianzar al estudiante en el proceso de análisis ydiseño de sistemas inteligentes

MetodologíaLa parte teórica se realizará mediante clases magistrales por parte del profesor y mediante unarevisión bibliográfica crítica por parte de los estudiantes. El estudiante con asesoría del profesorrealizará ejercicios de modelamiento mediante el enfoque de IA. Adicionalmente el estudianterealizará el análisis y síntesis de problemas resueltos mediante técnicas de inteligencia artificial.

Contenido1. Fundamentos de sistemas inteligentes

1.1. Conceptos fundamentales

1.2. Aprendizaje computacional

1.3. Adaptación

1.4. Caso de estudio: Perceptrón

1.5. Caso de estudio: Árbol de decisión

2. Fundamentos de redes neuronales artificiales

2.1. Introducción

2.2. Redes de propagación hacia adelante

2.3. Redes dinámicas

2.4. Mapas auto-organizativos

2.5. Caso de estudio: Modelado de sistemas dinámicos usando un perceptrón multicapa

3. Sistemas de lógica difusa

3.1. Introducción

3.2. Esquema básico de un sistema de inferencia difuso

3.3. Sistemas difusos tipo Mamdani

3.4. Sistemas difusos tipo Takagi-Sugeno

3.5. Caso de estudio: Sintonización de SS.DD. tipo Takagi-sugeno

4. Temas avanzados (Contenido variable). Sugerencias:

4.1. Memorias autoasociativas

4.2. Máquinas de soporte vectorial

4.3. Algoritmos genéticos y otros heurísticos

4.4. Modelado estocástico

Herramientas Matlab

Python

C#

C++

Evaluacióna) Concurso en cada tema tratado, o

b) Proyecto de fin de curso, o

c) Examen final

Bibliografía hung t. nguyen. A FIRST COURSE IN FUZZY LOGIC. chapman & hall. 2005

R. O. Duda, P. Hart, D.G. Stork: PATTERN CLASSIFICATION. John Wiley. 2001

B. Scholkopf, A. J. Smola: LEARNING WITH KERNELS. The MIT Press. 2002

D. MacKay: INFORMATION THEORY, INFERENCE, AND LEARNING A LGORITHMS.Cambridge University Press. 2004

Ch. M. Bishop: PATTERN RECOGNITION AND MACHINE LEARNING. Springer. 2006

sanghamitra bandyopadhyay: CLASSIFICATION AND LEARNING USING GENETICALGORITHMS: APPLICATIONS IN BIOINFORMATICS AND WEB INTELLIGENCE (naturalcomputing series). Springer. 2007

amit konar: COMPUTATIONAL INTELLIGENCE: PRINCIPLES, TECHNIQUES ANDAPPLICATIONS. Springer. 2005

alfredo sanz: REDES NEURONALES Y SISTEMAS BORROSOS. alfaomega - rama. 2007

stuart russel peter norvig: INTELIGENCIA ARTIFICIAL UN ENFOQUE MODERNO. Pearson.2003

Enlaces de interés http://videolectures.net/

http://neuron.eng.wayne.edu/software.html

www.computer-data.com/Artificial_Intelligence/Neural_Networks/Companies/

http://www.computational-intelligence.eu/?lang=en

Metodologías, técnicas, herramientas, conceptos... Fuzzy logic

Neural networks

Genetic algorithms

Probabilistic computing

Hybrid methods

Rough set theory

Evidence theory

Interactive computational models

AI and expert systems

Machine learning

Aplicaciones Decision support systems

Process and system control

System identification and modeling and Optimization

Signal or image processing

Pattern recognition

Condition monitoring, Fault diagnosis, and Systems integration

Internet tools

Human-machine interface

Time series prediction

Virtual reality

Data mining