Estudia a la UdG

Disseny assignatura




Intel·ligència artificial aplicada (3105IS0010/2007)


Dades generals  
  • Curs acadèmic : 2007
  • 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 : Indistintament (50%)

Torna a l'inici / Vuelve al principio / Back to top

  Grups
Grup A

Durada : Semestral, 2n semestre

Professorat : MARIA BEATRIZ LOPEZ IBAÑEZ

Horaris :

Activitat Horari Grup de classe Aula
Teoria1
Pràctiques d'aula informàtica1

Torna a l'inici / Vuelve al principio / Back to top

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

Altres competències :

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

Torna a l'inici / Vuelve al principio / Back to top

  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 casos15,52439,5
Classes expositives141428
Classes participatives1,501,5
Classes pràctiques141731
Debat224
Exposició dels estudiants224
Resolució d'exercicis 3710
Treball en equip268
Total 5472126

Torna a l'inici / Vuelve al principio / Back to top

  Bibliografia
  • Inteligencia artificial, : modelos, técnicas y áreas de aplicación (cop. 2003). Madrid: Thomson. Catàleg   Enllaç al catàleg de la Biblioteca. S'obre en finestra nova
  • Rich, Elaine, Knight, Kevin (1994). Inteligencia artificial (2ª ed). Madrid [etc.]: McGraw-Hill. Catàleg   Enllaç al catàleg de la Biblioteca. S'obre en finestra nova
  • King, Robert E (1999). Computational intelligence in control engineering. New York [etc.]: Dekker. Catàleg   Enllaç al catàleg de la Biblioteca. S'obre en finestra nova
  • Godo Lacasa, Lluís (2002). Intel ligència artificial I (2a ed). Barcelona: Universitat Oberta de Catalunya. Catàleg   Enllaç al catàleg de la Biblioteca. S'obre en finestra nova
  • Isasi Viñuela, Pedro, Galván León, Inés M (cop. 2004). Redes de neuronas artificiales, : un enfoque práctico. Madrid [etc.]: Prentice Hall. Catàleg   Enllaç al catàleg de la Biblioteca. S'obre en finestra nova
  • 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. Catàleg   Enllaç al catàleg de la Biblioteca. S'obre en finestra nova
  • Klir, George J, Folger, Tina A (1988). Fuzzy sets, uncertainty, and information. Englewood Cliffs: Prentice Hall. Catàleg   Enllaç al catàleg de la Biblioteca. S'obre en finestra nova
  • Negnevitsky, Michael (2005). Artificial intelligence : a guide to intelligent systems (2a ed). Harlow: Addison-Wesley. Catàleg   Enllaç al catàleg de la Biblioteca. S'obre en finestra nova

Torna a l'inici / Vuelve al principio / Back to top

  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.
Activitat a l'aula. F2. Tic Tac Toe: com la modelització del problem porta a la solució.
Activitat a l'aula. F2-A. Exercici xarxa d'inferència.
Activitat a l'aula. F3. Metodologies de desenvolupament de sistemes experts.
Activitat a l'aula. F4. Models de raonament aproximat
Activitat a l'aula. F5. Paràmetres de les xarxes neurals.
Activitat a l'aula. F6. Casos d'estudi
Pràctiques. P1. Demostracions de la Intel·ligència Artificial.
Pràctiques. P2. Introducció a JESS
Pràctiques. P3. Sistema expert per a la diagnosi.
Pràctiques. P4. Estructura modular en JESS.
Pràctiques. P5. Sistemes difusos. Control de temperatura.
Pràctiques. P6. Sistemes difusos. Control dels llums de trànsit.
Pràctiques. P7. XN. Reconeixement de caràcters.
Pràctiques. P8. Aplicació dels algorismes genètics per l'optimització de la producció
Treball curs.
Presentació de treballs de curs.

 

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.

Torna a l'inici / Vuelve al principio / Back to top