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