Академический Документы
Профессиональный Документы
Культура Документы
DE VENEZUELA
PROPSITO DE LA ASIGNATURA
La Unidad Curricular CONTROL DE PROCESOS I pretende proporcionar a los estudiantes del Programa Nacional de
Formacin en Instrumentacin y Control, las competencias para comprender el control de los procesos llevados a cabo en la industria
que permitan la obtencin de un producto final que cumpla con las especificaciones y niveles exigidos por el mercado nacional e
internacional; por lo tanto, uno de sus propsitos ser corregir las desviaciones que surjan en las variables de proceso con relacin a
ciertos valores determinados que se consideran ptimos, los cuales permitirn conseguir las propiedades requeridas en el producto
producido, lo que hace ms fiable y sencillo la operacin del proceso.
Pgina 1 de 6
3.- Estrategias de
Control
Clase magistral.
Discusin y socializacin
de los resultados despus
de cada sesin.
Evaluacin
terico
prctica individual y/o
grupal.
Talleres grupales por cada
tema desarrollado.
Exposicin grupal de
temas especficos.
Pgina 2 de 6
Procesos
Clase magistral.
Discusin y socializacin
de los resultados despus
de cada sesin.
Evaluacin
terico
prctica individual y/o
grupal.
Talleres grupales por cada
tema desarrollado.
Exposicin grupal de
temas especficos.
Pgina 3 de 6
Tema 2:
Redes Neuronales
Tema 3:
Sistemas Difusos
Clase magistral.
Discusin y socializacin
de los resultados despus
de cada sesin.
Pgina 4 de 6
Tema 4:
Algoritmos Evolutivos
Pgina 5 de 6
REFERENCIAS
B. Martn del Bro and A. Sanz Molina, REDES NEURONALES Y SISTEMAS BORROSOS. 3ra Edicin. Mxico:
Alfaomega, 2007.
Brown and Harris. NEURO-FUZZY ADAPTIVE MODELING CONTROL. Prentice-Hall, 2000.
Compoy, P. CONTROL DE PROCESOS INDUSTRIALES. DISPONIBLE EN: HTTP://OCW.UPM.ES/INGENIERIADE-SISTEMAS-Y-AUTOMATICA/CONTROL-DE-PROCESOS-INDUSTRIALES/Contenidos/Documentos/capitulo-1
D. B. Fogel, EVOLUTIONARY COMPUTATION: THE FOSSIL RECORD. IEEE Press, 1998.
Escobet, A. Nebot, and F.E. Cellier, VISUAL-FIR: A NEW PLATFORM FOR MODELLING AND PREDICTION OF
DYNAMICAL SYSTEMS, in Proc. of the Summer Computer Simulation(SCSC04), San Jos, CA. 2004
F. Herrera and J. L. Verdegay, GENETIC ALGORITHMS AND SOFT COMPUTING. Physica-Verlag, 1996.
Golbert. GENETIC ALGORITHMS IN SEARCH, OPTIMIZATION AND MACHINE LEARNING. AddisonWesley, 1996.
Haykin, S. NEURAL NETWORKS. IEEE Press, Mac Millan College Publishing Co., U.S.A, 1998
Jang, Sun and Mizutani. NEURO-FUZZY AND SOFT COMPUTING. Prentice-Hall, 2001.
Kosko, Bart. NEURAL NETWORK AND FUZZY SYSTEMS Prentice-Hall, 1992
Koza, John. GENETIC PROGRAMING. Mit Press, 1992.
Kuo, B. (1996). SISTEMA DE CONTROL AUTOMTICO. 7ma Edicin. Prentice Hall Hispanoamericana, S.A. Mxico.
L. Davis, HANDBOOK OF GENETIC ALGORITHMS. New York: Van Nostrand Reinhold, 1991.
Ogata, K. (2003). INGENIERA DE CONTROL MODERNA. 4ta Edicin. Pearson Educacin, S.A. Madrid.
Smith, C y Corripio, A. (1991). CONTROL AUTOMTICO DE PROCESOS. TEORA Y PRCTICA. 1era. Edicin.
Editores Noriega. Editorial Limusa. Mxico.
Y. Jin, KNOWLEDGE INCORPORATION IN EVOLUTIONARY COMPUTATION. SERIES: STUDIES IN
FUZZINESS AND SOFT COMPUTING. Vol. 167. Heidelberg: Springer-Verlag, 2004.
Yager, R y Filev, D. ESSENTIALS OF FUZZY MODELLING AND CONTROL. John Wiley & Sons. U.S.A, 1994
Zilouchian, Ali y Janshidi Mohammad. INTELLIGENT CONTROL SYSTEMS USING SOFT COMPUTING
METHODOLOGIES. CRC Press, 2001
Zurada, J., Marks, R., Robinson. COMPUTATIONAL INTELLIGENCE: IMITATING LIFE. IEEE Press, Piscataway.
USA, 1994.
Pgina 6 de 6