Universidad de la Salle

Ingeniería de Diseño y Automatización Electrónica 2002 –I

Syllabus


Asignatura: Inteligencia Artificial II

Horario: L 7-9, V 7-9 Gr. 02

Profesor: Sergio A. Rojas (srojas@udistrital.edu.co)

Ingeniero de Sistemas - Universidad Nacional de Colombia

Especialista en Ingeniería de Software – Universidad Distrital


Objetivo

Profundizar en las teorías, métodos y herramientas modernas de inteligencia artificial para el diseño y construcción de sistemas autónomos. Se busca que mediante un trabajo autogestionado, el estudiante encuentre aplicaciones prácticas que puedan hacer uso de la inteligencia artificial como una alternativa viable para la solución de problemas de ingeniería.


Contenido de la asignatura

  1. Lógica de la ambigüedad

Conjuntos difusos. Operaciones difusas.

Variables lingüísticas. Sistemas de control difuso.

  1. Conexionismo y Redes Neuronales Artificiales

Introducción. Perceptrón simple. Perceptrón multicapa. Simulaciones en software.

Topologías y algoritmos de aprendizaje. Aprendizaje supervisado, competitivo, autoorganizativo.

Sistemas Neurodifusos.

  1. Computación Evolutiva

Computación celular. Autómatas celulares.

Algoritmos genéticos. Simulaciones con GALib. Sistemas clasificadores.

Programación genética. Computación con ADN.

  1. Aprendizaje maquinal

Vida artificial. Aprendizaje por refuerzo. Condicionamiento clásico.

Aprendizaje Q. Animats. Agentes en Internet.


Evaluación

Primer Corte:

5% Primer Taller (LD)

15% Segundo Taller (RNA)

15% Exposición (RNA)

Segundo Corte:

15% Taller (AG)

15% Ensayo (IA)

5% Seguimiento proyecto


Examen Final: Durante el semestre se debe llevar a cabo un proyecto cuya nota equivale al 30% de la nota final. Los temas propuestos incluyen reconocimiento de patrones, compresión de información, clasificación, sistemas de información inteligentes, agentes de software en Internet, simulaciones de vida artificial, autómatas celulares, sistemas de aprendizaje, interfaces hombre – máquina, control difuso, entre otros.


Bibliografía

FREEMAN, J.; SKAPURA, D. (1991). Neural Networks. Adisson Wesley.

GOLDBERG, D. (1989). Genetic Algorithms in Search, Optimization and Machine Learning. Addison-Wesley.

HAYKIN, S. (1994). Neural Networks, A Comprehensive Foundation. New Jersey: Prentice-Hall.

HILERA, J.; MARTINEZ, V. (2000). Redes Neuronales Artificiales. Mexico: AlfaOmega.

LANGTON, C. (Ed) (1995). Artificial Life: an Overview. Cambridge, Massachusetts: MIT Press.

KINNEAR, K. (Ed) (1994). Advances in Genetic Programming. Cambridge, Massachusetts: MIT Press.

KULKARNI, A. (2000). Computer Vision and Fuzzy-Neural Systems. Prentice Hall.

MARTINEZ, J.; ROJAS, S. (1999). Introducción a la Informática Evolutiva. Universidad Nacional de Colombia.

RICH, E.; KNIGHT, K. (1991). Artificial Intelligence. New York: McGraw-Hill.

SUTTON, R.; BARTO, A. (1998). Reinforcement Learning: An Introduction. Cambridge, Massachusetts: MIT Press.