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
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.