1

SLABO DE WOIA SISTEMAS INTELIGENTES Y REDES

NEURONALES
2014-1
1. DATOS GENERALES
Facultad: Ingeniera De Sistemas y Electrnica
Carrera: Ingeniera Electrnica
Nmero de crditos: 6
Coordinador: Alberto Alvarado Rivera
Requisitos: WEE0
2. FUNDAMENTACIN
Esta asignatura se fundamenta porque permitir que el estudiante aprenda nuevos
algoritmos para el reconocimiento de patrones, basado en la teora de las redes
neuronales artificiales. Asimismo, aprender el uso de una teora alternativa de control de
procesos a travs de los conceptos de lgica difusa. De esta manera, podr entender los
principios bsicos de la inteligencia artificial, as como le permitir plantear temas de
investigacin aplicados en diferentes campos de la ingeniera.
3. SUMILLA
Introduccin a la Inteligencia Artificial. Fundamentos de las Redes neuronales artificiales.
Redes neuronales supervisadas y no supervisadas. Redes auto- organizativas y recurrentes.
Fundamentos de Lgica Difusa. Fusificacin y desfusificacin para los modelos Mandani.
Aplicacin de las reglas difusas y diseo de sistemas de control difuso. Simulaciones en el
software Matlab utilizando los toolbox Neural Networks y Fuzzy Logic.
4. LOGROS DE APRENDIZAJE
Al final de la asignatura el estudiante brindar soluciones en base a redes neuronales
artificiales, en cuanto a aplicaciones de reconocimiento de patrones. Asimismo, la
implementacin algortmica de un controlador difuso para un sistema de control de
procesos.
5. CONTENIDOS
Inteligencia Artificial, redes neuronales, aprendizaje y
limitaciones
Semanas: 1, 2, 3,4
Redes Multicapas, competitivas y recurrentes Semana: 5,6,7,8,
Lgica Difusa, conjuntos difusos, mtodos de Fusificacin Semana: 9,10,11,12,13,14
2
6. METODOLOGA
Se dictarn clases tericas con ayudas audiovisuales, as como experiencias de laboratorio
para complementar la parte terica, asimismo, se usar referencias bibliogrficas y
separatas para algunos temas especficos.
7. SISTEMA DE EVALUACIN
Nota:
Solo se podr rezagar el Examen Final.
No se elimina ninguna Prctica Calificada.
El examen rezagado incluye los contenidos de todo el curso.
La nota mnima aprobatoria es 12.
8. FUENTES DE INFORMACIN
Bibliografa Base:
Bonifacio, Martn Del Brio. Redes Neuronales y Sistemas Borrosos.
Demuth, Howard; Hagan Martin Neural Network TOOLBOX.
and Beale
Bibliografa Complementaria:
Passino Kevin M. Yurkovich Stephen. Fuzzy Control.
Haykin, Simon. Neural Networks. A Comprehensive
Foundation.
9. CRONOGRAMA DE ACTIVIDADES
Semana Contenidos o temas Actividades y evaluaciones
Semana 1
Introduccin a la Inteligencia Artificial.
Aplicaciones y ejemplos en diferentes
sectores.
Intervenciones en clase, ejemplos y
propuesta de ejercicios aplicativos.
Semana 2
Conceptos de redes neuronales
artificiales. Matriz de pesos sinpticos.
Funciones de transferencia.
Intervenciones en clase, ejemplos y
propuesta de ejercicios aplicativos..
Semana 3
Redes neuronales artificiales. Tipos de
entrenamientos y algoritmos de
aprendizaje.
Intervenciones en clase, ejemplos y
propuesta de ejercicios aplicativos.
0.1PC1 + 0.1PC2 + 0.2PC3 + 0.2PL + 0.4EF
PC1 es Prctica Calificada Grupal de 4 Estudiantes
PC2 y PC3 son Prcticas Calificadas Individuales
PL es Promedio de Laboratorios Calificados
([LC1 + LC2 + LC3] / 3)
EF es Examen Final
3
Semana 4
Red Neuronal Perceptron. Definiciones.
Tipo de entrenamiento. Clasificacin de
padrones con redes de 1 y 2 neuronas.
Intervenciones en clase, ejemplos y
propuesta de ejercicios aplicativos.
Practica calificada 1
Semana 5
Algoritmos de aprendizaje y limitaciones de
la Red Perceptron. Ejemplo de la funcin
XOR. Aplicaciones de reconocimiento de
patrones.
Intervenciones en clase, ejemplos y
propuesta de ejercicios aplicativos.
Laboratorio Calificado 1 Grupo A
Semana 6
Red Neuronal Perceptron Multicapa
MLP. Definiciones. Algoritmo de
aprendizaje. Aplicaciones de
reconocimiento de patrones.
Intervenciones en clase, ejemplos y
propuesta de ejercicios aplicativos.
Laboratorio Calificado 1 Grupo B
Semana 7
Red Neuronal Competitiva. Definiciones.
Algoritmo de aprendizaje. Aplicaciones de
compresin de seales.
Intervenciones en clase, ejemplos y
propuesta de ejercicios aplicativos.
Semana 8
Red Neuronal Recurrente. Definiciones.
Clculo de la matriz de pesos sinpticos.
Aplicaciones de reconocimiento de
patrones.
Intervenciones en clase, ejemplos y
propuesta de ejercicios aplicativos.
Practica calificada 2
Semana 9
Conceptos de lgica difusa.
Caractersticas y Aplicaciones en el rea
de control de procesos.
Intervenciones en clase, ejemplos y
propuesta de ejercicios aplicativos.
Laboratorio Calificado 2 Grupo A
Semana 10
Tipos de conjuntos difusos o funciones
memberships. Representacin grfica y
simulacin con Matlab.
Intervenciones en clase, ejemplos y
propuesta de ejercicios aplicativos.
Laboratorio Calificado 2 Grupo B
Semana 11
Operaciones entre grados de pertenencia:
unin, interseccin y complemento.
Ejemplos de aplicacin.
Intervenciones en clase, ejemplos y
propuesta de ejercicios aplicativos.
Semana 12
Mtodos de fusificacin y
desfusificacin. Mtodo de correlacin
mnima y agregacin mxima. Mtodo
del centroide.
Intervenciones en clase, ejemplos y
propuesta de ejercicios aplicativos.
Practica calificada 3
Semana 13
Aplicaciones de los controladores difusos.
Sistemas de control a lazo abierto.
Intervenciones en clase, ejemplos y
propuesta de ejercicios aplicativos.
Laboratorio Calificado 3 Grupo A
Semana 14
Aplicaciones de los controladores difusos.
Sistemas de control a lazo cerrado.
PRCTICA 5
Intervenciones en clase, ejemplos y
propuesta de ejercicios aplicativos.
Laboratorio Calificado 3 Grupo B
Semana 15 EXAMEN FINAL
10. FECHA DE ACTUALIZACIN:16/04/2014