SISTEMAS INTELIGENTES COMPUTACIONALES

David Crdenas Pea

dcardenasp@unal.edu.co
Oficina: GCPDS

Descripcin
Los sistemas inteligentes computacionales se pueden ver como aplicaciones que emulan el
aprendizaje humano o animal, generando interacciones complejas y adaptables a las condiciones del
entorno o a la respuesta del usuario. en el curso de sistemas inteligentes computacionales se tratan
las nociones del aprendizaje computacional, en forma de paralelo al proceso cognoscitivo propio de
los animales y el hombre, as como algunas de las tcnicas utilizadas en inteligencia artificial.

Objetivos

Brindar al estudiante los fundamentos necesarios que le permitan incursionar en el mundo de

los sistemas inteligentes a travs de la aplicacin de la distintas filosofas, teoras, conceptos,
tcnicas y procedimientos que son objeto de estudio.

Presentar las tcnicas y generar destrezas en la representacin de conocimiento.

Dar a conocer y aplicar la forma de resolucin de problemas mediante inteligencia artificial.

Conceptualizar sobre sistemas inteligentes y afianzar al estudiante en el proceso de anlisis y

diseo de sistemas inteligentes

Metodologa
La parte terica se realizar mediante clases magistrales por parte del profesor y mediante una
revisin bibliogrfica crtica por parte de los estudiantes. El estudiante con asesora del profesor
realizar ejercicios de modelamiento mediante el enfoque de IA. Adicionalmente el estudiante
realizar el anlisis y sntesis de problemas resueltos mediante tcnicas de inteligencia artificial.

Contenido
1. Fundamentos de sistemas inteligentes
1.1. Conceptos fundamentales
1.2. Aprendizaje computacional
1.3. Adaptacin
1.4. Caso de estudio: Perceptrn
1.5. Caso de estudio: rbol de decisin
2. Fundamentos de redes neuronales artificiales
2.1. Introduccin

2.2. Redes de propagacin hacia adelante

2.3. Redes dinmicas
2.4. Mapas auto-organizativos
2.5. Caso de estudio: Modelado de sistemas dinmicos usando un perceptrn multicapa
3. Sistemas de lgica difusa
3.1. Introduccin
3.2. Esquema bsico de un sistema de inferencia difuso
3.3. Sistemas difusos tipo Mamdani
3.4. Sistemas difusos tipo Takagi-Sugeno
3.5. Caso de estudio: Sintonizacin de SS.DD. tipo Takagi-sugeno
4. Temas avanzados (Contenido variable). Sugerencias:
4.1. Memorias autoasociativas
4.2. Mquinas de soporte vectorial
4.3. Algoritmos genticos y otros heursticos
4.4. Modelado estocstico

Herramientas

Matlab

Python

C#

C++

Evaluacin
a) Concurso en cada tema tratado, o
b) Proyecto de fin de curso, o
c) Examen final

Bibliografa

hung t. nguyen. A FIRST COURSE IN FUZZY LOGIC. chapman & hall. 2005

R. O. Duda, P. Hart, D.G. Stork: PATTERN CLASSIFICATION. John Wiley. 2001

B. Scholkopf, A. J. Smola: LEARNING WITH KERNELS. The MIT Press. 2002

D. MacKay: INFORMATION THEORY, INFERENCE, AND LEARNING A LGORITHMS.

Cambridge University Press. 2004

Ch. M. Bishop: PATTERN RECOGNITION AND MACHINE LEARNING. Springer. 2006

sanghamitra bandyopadhyay: CLASSIFICATION AND LEARNING USING GENETIC

ALGORITHMS: APPLICATIONS IN BIOINFORMATICS AND WEB INTELLIGENCE (natural
computing series). Springer. 2007

amit konar: COMPUTATIONAL

APPLICATIONS. Springer. 2005

alfredo sanz: REDES NEURONALES Y SISTEMAS BORROSOS. alfaomega - rama. 2007

stuart russel peter norvig: INTELIGENCIA ARTIFICIAL UN ENFOQUE MODERNO. Pearson.

2003

INTELLIGENCE:

PRINCIPLES,

TECHNIQUES

Enlaces de inters

http://videolectures.net/

http://neuron.eng.wayne.edu/software.html

www.computer-data.com/Artificial_Intelligence/Neural_Networks/Companies/

http://www.computational-intelligence.eu/?lang=en

Metodologas, tcnicas, herramientas, conceptos...

Fuzzy logic

Neural networks

Genetic algorithms

Probabilistic computing

Hybrid methods

Rough set theory

Evidence theory

Interactive computational models

AI and expert systems

Machine learning

Aplicaciones

Decision support systems

Process and system control

System identification and modeling and Optimization

Signal or image processing

Pattern recognition

Condition monitoring, Fault diagnosis, and Systems integration

Internet tools

Human-machine interface

AND

Time series prediction

Virtual reality

Data mining