Download Tópicos Selectos de Inteligencia Artificial
Document related concepts
Transcript
INGENIERIA EN COMPUTACIÓN DEPARTAMENTO DE ELECTRICIDAD, ELECTRÓNICA Y COMPUTACIÓN UNIVERSIDAD NACIONAL DE TUCUMAN Facultad de Ciencias Exactas y Tecnología TÓPICOS SELECTOS DE INTELIGENCIA ARTIFICIAL 1. OBJETIVOS • Enfrentar problemas reales, decidiendo cuándo es conveniente y adecuado aplicar las herramientas estudiadas. Desarrollar herramientas de software propias o utilizar eficientemente herramientas existentes, incluyendo diseño de algoritmos híbridos. 2. CONTENIDOS MINIMOS • Algoritmos Genéticos. Arquitectura de un Algoritmo Genético. Tipos especiales de Algoritmo Genético. Algoritmos Genéticos Multiobjetivo. Programación Genética. • Redes Neuronales Artificiales. Redes de Base Radial. Redes Recurrentes. • Sistemas Híbridos. Redes Neuronales Difusas. ANFIS. Aplicaciones Matemáticas en Inteligencia Artificial. Pre procesamiento de datos Descomposición en Valores Singulares. Métodos de Validación 3. PROGRAMA ANALITICO • UNIDAD TEMÁTICA 1: ALGORITMOS GENÉTICOS Tipos especiales de Algoritmo Genético. Algoritmos Genéticos Niching, Algoritmos Genéticos Grouping. Algoritmos más utilizados. Ventajas y desventajas. Problemas de Implementación. Aplicaciones. Algoritmos Genéticos Multiobjetivo: Frente Pareto. Distintos Algoritmos y variantes. Problemas de Benchmark para Optimización Multiobjetivo. Genetic Programming (Programación Genética). Descripción. Codificación. Aplicaciones. Operadores utilizados. Selección de Stock: Una Aplicación Innovadora de la Programación Genética. Aplicaciones. • UNIDAD TEMÁTICA 2: REDES NEURONALES ARTIFICIALES Redes de Base Radial. Redes de Base Radial. Redes de Regresión Generalizada y Redes Probabilísticas. Uso en la aproximación de Funciones. Ventajas y desventajas. Redes Recurrentes. Redes que pueden aprender a reconocer y generar patrones temporales y espaciales. La red de Elman y la red de Hopfield. • UNIDAD TEMÁTICA 3: SISTEMAS HÍBRIDOS Redes Neuronales Fuzzy. ANFIS. Integración de Características Fuzzy y Neurales. Diseño de FAM (Memoria Asociativa Fuzzy) y FCM (Mapa Cognitivo Fuzzy). Modelos de Integración. Redes Neuronales y Algoritmos Genéticos. Sinergia. Características. Acoplamiento Genético con Redes Neuronales. Preprocesamiento de Algoritmos Genéticos de Entradas con Redes Neuronales. Diseño Genético de Redes Neuronales. Entrenamiento Genético de Redes Neuronales. .Aplicaciones. Algoritmos Genéticos y Sistemas Fuzzy. Integración. Categorías. Diseño de Sistemas Fuzzy. Sistemas Híbridos para Análisis de Datos. Control Fuzzy Dinámico de Sistemas Genéticos. Aplicaciones combinadas de Algoritmos Genéticos, Redes Neuronales, y Lógica Fuzzy • UNIDAD TEMÁTICA 4: APLICACIONES MATEMÁTICAS EN INTELIGENCIA ARTIFICIAL. Algoritmos de Validación. CrossValidation y Bootstraping. Eliminación de Ruido y redundancias usando Descomposición en Valores Singulares (SVD). Métodos para la reducción de la dimensión y compresión de datos en Redes Neuronales. Redes de Base Radial Elípticas (ERBF NN). Distancia de Mahalanobis. 4. BIBLIOGRAFÍA INGENIERIA EN COMPUTACIÓN DEPARTAMENTO DE ELECTRICIDAD, ELECTRÓNICA Y COMPUTACIÓN UNIVERSIDAD NACIONAL DE TUCUMAN Facultad de Ciencias Exactas y Tecnología • • Neural fuzzy systems. A neuro fuzzy synergism to intelligent systems - Chin -Teng Lin & C. S. George Lee - Prentice Hall – 1996. Neural Networks: Algorithms, Applications, and Programming Techniques - J. Freeman, D. Skapura - Addison-Wesley – 1991. 5. DE LA ACTIVIDAD CURRICULAR • Se dictan dos clases teóricas de 2 horas cada una, consistentes en presentaciones por computadora (powerpoint o beamer), o simulaciones en Matlab, que permiten desarrollar con mayor eficacia los conceptos numéricos estudiados. • Se complementa con Trabajos Prácticos, tanto para demostrar, aplicar, y completar los conceptos dados en clase, como para presentar situaciones simples que pueden ser resueltas manualmente o con calculadora. • Se completa con trabajos de laboratorio que requieren uso de PC, para implementar y resolver casos de complejidad creciente. • Parte del examen final es el desarrollo de un proyecto de aplicación, de preferencia a un caso real. . • 6 PCs gabinete CEMNCI, Matlab 7 ver. restringida (donac. Fullbright 2008), software desarrollado en Matlab por docente de cátedra. Se entregan transparencias. a alumnos en forma de pdf y programas Matlab desarrollados en clase como material de estudio y prácticos. 6. EVALUACIÓN Formas de Evaluación: • Asistencia igual o superior al 80% a Teóricos y Prácticos • Presentación y Aprobación de Carpeta de Trabajos Prácticos, incluyendo presentación de programas de Laboratorio • Presentar y aprobar un trabajo Final, en forma individual o grupal, que deberá incluir una aplicación de alguno de los algoritmos utilizados, y un análisis de las razones, decisiones, y diseños, relativos a la implementación del Algoritmo elegido. Regularidad: • 80% de asistencia a teóricos y prácticos, 100% de trabajos prácticos presentados y aprobados. Promedio de exámenes parciales no inferior a 4. 7. ARTICULACIÓN VERTICAL Y HORIZONTAL DE LOS CONTENIDOS Y LA FORMACIÓN. • Articulación con asignaturas del área del conocimiento: Inteligencia Artificial y Modelos de Inteligencia Artificial (Módulos VII y X) 8. OTRA INFORMACIÓN • La cátedra está considerando migrar a Scilab por ser gratuito, lo que requiere el desarrollo de programas propios ya que no se encuentran al momento toolboxes para Redes Neuronales (gratuitos y disponibles). Sin embargo, Matlab es de uso extendido en diversas ramas de la ciencia y la ingeniería, lo que hace preferible su utilización de estar disponible. • Bibliografía Adicional disponible por Internet (SECYT) • Multi-Objective Genetic Algorithms: Problem Difficulties and Construction of Test Problems Deb, K. - Evolutionary Computation 7 3 (1999), 205-230. • Multi-target matching based on Niching Genetic Algorithm - Gao, L. & Hu, Y Internacional Journal of Computer Science and Network Security, 6 7A (2006),215-220. • Unbiased Tournament Selection - Sokolov, A & Whitley, D - Proceedings of the 2005 Conference on Genetic and evolutionary computation (GECCO 2005), 1131-1138.