Anar al contingut (clic a Intro)
UdG Home UdG Home
Tancar
Menú

Estudia

Dades generals

Curs acadèmic:
2008
Descripció:
Intel·ligència Artificial. Sistemes Experts. Lògica difusa. Xarxes Neurals. Algorismes Genètics.
Crèdits:
6
Idioma principal de les classes:
Català
S’utilitza oralment la llengua anglesa en l'assignatura:
Gens (0%)
S’utilitzen documents en llengua anglesa:
Poc (25%)

Grups

Grup A

Durada:
Semestral, 2n semestre
Professorat:
Maria Beatriz Lopez Ibañez

Competències

  • Analitzar i dissenyar aplicacions informàtiques tan des del punt de vista teòric com pràctic
  • Ser capaç d'integrar sistemes d'informació.
  • Ser capaç d'analitzar i sintetitzar problemes.
  • Ser capaç d'organitzar i planificar
  • Comunicar-se adequadament tant de forma oral com escrita.
  • Resolució de problemes i anàlisi crítica de resultats
  • Presa de decisions
  • Treballar en equip i de manera compromesa en el grup de treball.

Altres Competències

  • Aprendre a ser capaç d'identificar problemes resolubles mitjançant tècniques que ofereix la IA
  • Aprendre a utilitzar les eines que ofereix la IA

Continguts

1. Introducció

          1.1. Què és la Intel·ligència Artificial.

          1.2. El paradigma de Soft Computing

2. Sistemes basats en el coneixement.

          2.1. Introducció als sistemes basats en el coneixement.

          2.2. Sistemes basats en regles

          2.3. Sistemes amb representació estructurada

          2.4. Sistemes basats en models

          2.5. Sistemes basats en casos

          2.6. Aplicacions

3. Lògica difusa (fuzzy)

          3.1. Raonament amb incertesa.

          3.2. Elements de la lògica difusa

          3.3. Raonament difús

          3.4. Fuzzyficació i defuzzificació

          3.5. Aplicacions

4. Xarxes neurals

          4.1. Definició i conceptes bàsics

          4.2. Primers models de computació: Cel·lules de McCulloch-Pitts, Perceptró, Adaline.

          4.3. Xarxes multicapa

          4.4. Xarxes auto-organitzatives

          4.5. Aplicacions

5. Algorismes genètics

          5.1. Definició i característiques dels algorismes genètics.

          5.2. Algorisme bàsic

          5.3. Codificació

          5.4. Operadors: Selecció, Recombinació, Mutació, Reinserció

          5.5. Implementacions paral·leles

          5.6. Aplicacions

6. Sistemes híbrids

          6.1. Introducció: o com combinar la mecànica alemanya amb l'amor italià

          6.2. Sistemes experts neurals

          6.3. Sistemes neuro-difusos

          6.4. Xarxes neurals evolutives

          6.5. Sistemes difusos evolutius

          6.6. Casos d'estudi

7. Temes avançats

          7.1. Mineria de dades

          7.2. Tecnologia agent

Activitats

Tipus d’activitat Hores amb professor Hores sense professor Total
Anàlisi / estudi de casos 15,50 24,00 39,50
Debat 2,00 2,00 4,00
Exposició dels estudiants 2,00 2,00 4,00
Resolució d'exercicis 3,00 7,00 10,00
Sessió expositiva 14,00 14,00 28,00
Sessió participativa 0,50 0 0,50
Sessió pràctica 16,00 19,00 35,00
Treball en equip 2,00 6,00 8,00
Total 55,00 74,00 129

Bibliografia

  • Inteligencia artificial, : modelos, técnicas y áreas de aplicación (cop. 2003). Madrid: Thomson.
  • Rich, Elaine, Knight, Kevin (1994). Inteligencia artificial (2ª ed). Madrid [etc.]: McGraw-Hill.
  • King, Robert E (1999). Computational intelligence in control engineering. New York [etc.]: Dekker.
  • Godo Lacasa, Lluís (2002). Intel ligència artificial I (2a ed). Barcelona: Universitat Oberta de Catalunya.
  • Isasi Viñuela, Pedro, Galván León, Inés M (cop. 2004). Redes de neuronas artificiales, : un enfoque práctico. Madrid [etc.]: Prentice Hall.
  • Giarratano, Joseph, Riley, Gary (1994). Expert systems, : principles and programming (2nd ed). Boston: PWS.
  • Mitchell, Melanie (cop. 1996). An Introduction to genetic algorithms. Cambridge [etc.]: The MIT Press.
  • Klir, George J, Folger, Tina A (1988). Fuzzy sets, uncertainty, and information. Englewood Cliffs: Prentice Hall.
  • Negnevitsky, Michael (2005). Artificial intelligence : a guide to intelligent systems (2a ed). Harlow: Addison-Wesley.

Avaluació i qualificació

Activitats d'avaluació:

Descripció de l'activitat Avaluació de l'activitat %
Activitat a l'aula. F1. Què és la IA? Aprendre la definició a partir d'exemples d'ús en el passat, l'actualitat, i el que s'espera en el futur. Resposta raonada de les qüestions.
Activitat a l'aula. F2. Exercici xarxa d'inferència. Resposta raonada de les qüestions.
Activitat a l'aula. F3. Metodologies de desenvolupament de sistemes experts. Resposta raonada de les qüestions.
Activitat a l'aula. F4. Models de raonament aproximat Resposta raonada de les qüestions.
Activitat a l'aula. F5. Paràmetres de les xarxes neurals. Resposta raonada de les qüestions.
Activitat a l'aula. F6. Casos d'estudi Resposta raonada de les qüestions.
Pràctiques. P1. Demostracions de la Intel·ligència Artificial. Resposta raonada de les qüestions.
Pràctiques. P2. Introducció a JESS. Recomanar extintors. Regles ben definides.
Ús correcte dels mecanismes de backward chaining.
Implementació que funcioni correctament.
Pràctiques. P3. Sistema expert per a la diagnosi. L'ADSL no funciona. Descripció dels fets.
Xarxa d'inferència correcte.
Regles ben definides.
Resostes raonades sobre l'algorisme Rete.
Conclusions raonades.
Pràctiques. P4. Estructura modular en JESS. Risc de prèstec hipotecari. Definició d'un fet estructurat com a mínim.
Definició de dos mòduls com a mínim.
Definició de regles de control o meta-regles.
Comparació raonada dels mecanismes de resolució del conjunt conflicte.
Pràctiques. P5. Sistemes difusos. Risc de prèstec hipotecari [difús]. Descripció gràfica de les variables difuses definides.
Descripció tabular de les regles generades.
Conjunt de proves i anàlisi de resultats.
Coentaris reonats de les qüestions.
Pràctiques. P6. Sistemes difusos. Fuzzy camera. Descripció de les variables.
Descripció de les regles.
Explicacions i comentaris de com s'ha testejat el sistema.
Pràctiques. P7. XN. Reconeixement de caràcters. Disseny de xarxa neural adequat a cada problema.
Pràctiques. P8. Aplicació dels algorismes genètics per l'optimització de la producció Representació del cromosoma.
Disseny de la funció d'avaluació (fitness).
Operadors genètics nous.
Manual d'ús.
Optenció d'una solució òptima o quasi òptima. Anàlisi dels resultats obtinguts.
Correctesa/organització del codi.
Treball curs. Consulta de tres fonts d'informació com a mínim, de solvència contrastada.
Organització i llargada segons les directrius.
Presentació de treballs de curs. Capacitat de síntesi en l'exposició.
Ús d'exemples il·lustratius.
Transparències amb gràfics, dibuixos, esquemes (versus abús de text).

Qualificació

Examen: E.
Activitats realitzades a l'aula: A.
Treball en equip: T.
Pràctiques: P

-------------------
VIA A: sense examen
-------------------
IMPORTANT: No s'acceptaran lliuraments fora de termini. Si una pràctica o treball no es lliura a temps, comptarà com a 0.

Si A > 5, i P > 5, i T > 5 aleshores

Qualificació final= A*0.2 + T*0.4 + P * 0.4


Altrament: VIA B

-------------------
VIA B: amb examen
-------------------
- Cal lliurar les pràctiques i aprovar-les en mitjana
- Cal fer el treball i aprovar-lo
- Poden ser lliurades fora de termini
- Si E > 5
Qualificació final = E
Altrament, Qualificació final = suspens.

Escull quins tipus de galetes acceptes que el web de la Universitat de Girona pugui guardar en el teu navegador.

Les imprescindibles per facilitar la vostra connexió. No hi ha opció d'inhabilitar-les, atès que són les necessàries pel funcionament del lloc web.

Permeten recordar les vostres opcions (per exemple llengua o regió des de la qual accediu), per tal de proporcionar-vos serveis avançats.

Proporcionen informació estadística i permeten millorar els serveis. Utilitzem cookies de Google Analytics que podeu desactivar instal·lant-vos aquest plugin.

Per a oferir continguts publicitaris relacionats amb els interessos de l'usuari, bé directament, bé per mitjà de tercers (“adservers”). Cal activar-les si vols veure els vídeos de Youtube incrustats en el web de la Universitat de Girona.