Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
1.   DATOS DE LA ASIGNATURANombre: Técnicas de Inteligencia Artificial y Sistemas Multi-agentes     Carrera: Licenciatura ...
b). Aportación de la asignatura al perfil del egresado-Integrar conocimientos en el estudio de inteligencia artificial y s...
5.   TEMARIO     Unidad     Temas                              Subtemas       1    Introducción   1.1 1.1 Que es Inteligen...
Unidad    Temas                               Subtemas  3    Redes         3.1 Introducción a las Redes Neuronales Artific...
Unidad    Temas                              Subtemas       4    Lógica Fuzzy 4.1 Introducción.                           ...
Dominio de cálculo diferencial e integral.7.   SUGERENCIAS DIDÁCTICASEl Maestro, induce, explica, orienta y guía en:* Prop...
Unidad 2 Algoritmos Genéticos.         Objetivo                 Actividades de      Fuentes de Información       Educacion...
orientado a objetos.                          4.3 El alumno evaluará el                              desempeño del modelo ...
aplicaciones real.10.   FUENTES DE INFORMACIÓN      1. [Back 97] Back T. Handbook of Evolutionary Computation, pp. C7.1:1-...
13. [Russell 95] Russell S. J., Norvig P. Artificial Intelligence: A Modern      Approach, Prentice-Hall, Englewood Cliffs...
un enfoque práctico.                    Implementación de un modelo práctico en lógica Fuzzy                    Implementa...
Upcoming SlideShare
Loading in …5
×

Tecnicas de inteligencia_artificial_y_sistemas_multi-agentes (1)

288 views

Published on

nnln

  • Be the first to comment

  • Be the first to like this

Tecnicas de inteligencia_artificial_y_sistemas_multi-agentes (1)

  1. 1. 1. DATOS DE LA ASIGNATURANombre: Técnicas de Inteligencia Artificial y Sistemas Multi-agentes Carrera: Licenciatura en Informática Clave de la asignatura: IFS-0405 Horas teoría - horas práctica - créditos: 4-2-102. HISTORIA DEL PROGRAMA Lugar y fecha de Participantes Observaciones elaboración o revisión (cambios y justificación)Instituto Tecnológico de Academia de la carrera de Forma parte de laAguascalientes Licenciatura en Informática especialidad de la carreraDiciembre 2006 del Instituto Tecnológico de de Licenciatura en Aguascalientes Informática3. UBICACIÓN DE LA ASIGNATURAa). Relación con otras asignaturas del plan de estudio Anteriores Posteriores Asignaturas Temas Asignaturas TemasMatemáticas I Todos NingunaMatemáticas IIInvestigación deOperaciones IInvestigación deOperaciones IIProgramación I.Estructura dedatosOrganización dedatos.Programación IIFundamentos deBase de DatosTaller de Base deDatosTópicosAvanzados deBases de Datos
  2. 2. b). Aportación de la asignatura al perfil del egresado-Integrar conocimientos en el estudio de inteligencia artificial y sistemas basadosen conocimiento.4. OBJETIVO(S) GENERAL(ES) DEL CURSOIntroducir al Alumno en el estudio de inteligencia artificial y el desarrollo desistemas basados en conocimiento. Además se pretende que adquiera lasmetodologías de representación y resolución de problemas desarrollados en IApara ser empleadas en abordaje de los problemas que se presentarán en suactividad profesional.
  3. 3. 5. TEMARIO Unidad Temas Subtemas 1 Introducción 1.1 1.1 Que es Inteligencia Artificial (IA)?. a la 1.2 Los fundamentos de la IA. Inteligencia 1.3 Historia de la IA. Artificial. 1.4 El estado del arte de la IA (Los últimos avances). 2 Algoritmos 2.1 Introducción. Genéticos. 2.1.2 Definición de Algoritmo Genético (AG). 2.1.3 Funcionamiento de un AG. 2.1.4 Trabajando los Principios de los Algoritmos Genéticos Binarios. 2.1.5 Representando la Solución. 2.2 Teorema del Esquema. 2.2.1 Teorema del Esquema (Efecto de Supervivencia). 2.2.2 Efecto de Selección Sobre el Número Esperado de Instancias de un Esquema en la Población t-1. 2.2.3 Efecto de Cruzamiento Sobre el Número Esperado de Instancias de un Esquema en la Población t+1. 2.2.4 Efecto de Mutación Sobre el Número Esperado de Instancias de un Esquema en la Población t+1. 2.3 Como Trabaja el Procesamiento de Esquemas: Un Ejemplo Revisado Manualmente. 2.4 Aplicaciones de los Algoritmos Genéticos
  4. 4. Unidad Temas Subtemas 3 Redes 3.1 Introducción a las Redes Neuronales Artificiales. Neuronales. 3.1 Introducción a la Tecnología de las Redes Neuronales Artificiales. 3.2 Microprocesadores, computadoras y cerebro. 3.3 Redes neuronales artificiales e inteligencia artificial. 3.4 Antecedentes históricos de las redes neuronales artificiales 3.5 Definición de una red neuronal artificial 3.6 Caracteristicas de las redes neuronales artificiales. 3.7 Ventajas y desventajas de las redes neuronales artificiales. 3.2 Fundamentos de las redes neuronales artificiales. 2.2.1 El modelo biológico de las redes neuronales artificiales. 2.2.2 El modelo general de una red neuronal artificial. 2.2.3 Módelo estándar de una red neuronal artificial. 3.3 Aprendizaje. 3.4 Estructura de una red neuronal artificial. 3.5 Modelo de operación. 3.6 El perceptron 3.6.1 Antecedentes historicos. 3.6.2 Funcionamiento del Perceptron. 3.6.3 Regla de aprendizaje. 3.6.4 Algoritmo de Entrenamiento. 3.7 Rede Neuronal Backpropagation (Retropropagacion). 3.7.1 Antecedentes Historicos. 3.7.2 Estructura de la Red. 3.7.3 Reglas de Aprendizaje. 3.7.4 Algoritmo de Entrenamiento. 3.7.5 Ejemplos.
  5. 5. Unidad Temas Subtemas 4 Lógica Fuzzy 4.1 Introducción. 4.1.1 Que es lógica fuzzy?. 4.1.2 Motivaciones. 4.1.3 Por que usar lógica fuzzy?. 4.2 Conceptos Básicos de Lógica Fuzzy. 4.2.1 Conjuntos fuzzy. 4.2.2 Operaciones con Conjuntos. 4.2.2 Variables lingüísticas. 4.3 Reglas Fuzzy If-Then. 4.4 Estructura Basica de un Modelo Basado en Lógica Fuzzy. 4.4.1 Interfaz de Fuzzyficación. 4.4.2 Mecanismo de Inferencia. 4.4.2.1 Base de Datos. 4.4.2.2 Base de Reglas. 4.4.3 Interfaz de Defuzzyficación. 4.5 Aplicaciones de Modelos Basados en Lógica Fuzzy. 5 Construcción 5.1 Agentes Inteligentes. de Agentes 5.1.1 Introducción. Inteligentes y 5.1.2 Cómo debe de proceder un agente. Sistemas 5.1.3 Taxonomía de los agentes. Multiagentes. 5.1.3 Estructura de los agentes inteligentes. 5.1.4 Ambientes. 5.2.5 Aplicaciones. 5.2.6 Implementación. 5.2 Sistemas Multi-Agentes. 5.2.1 Introducción. 5.2.2 Taxonomía. 5.2.3 Arquitecturas abstractas. 5.2.4 Arquitecturas concretas. 5.2.5 Lenguajes formales para sistemas multiagentes. 5.2.6 Protocolos. 5.2.7 Aplicaciones. 6 Abierta. Sistemas Expertos/ Ant Colony.6. APRENDIZAJES REQUERIDOSDominio de diseño de bases de datos.Dominio del un lenguaje Orientado a Objetos.Habilidades para utilizar software de sistemas.Manejo de métodos de Optimización.
  6. 6. Dominio de cálculo diferencial e integral.7. SUGERENCIAS DIDÁCTICASEl Maestro, induce, explica, orienta y guía en:* Propiciar el trabajo en equipo.* Desarrollar ejemplos de lo simple a lo complejo, buscando que el estudiante,asocie el tema con elementos significativos de su entorno.* Realizar un circulo de estudios en donde el profesor conduzca paso a paso asus estudiantes en el desarrollo del ejemplo, teniendo el cuidado que durante lasolución se resalten los puntos de importancia que la teoría define, ya sea comoconcepto o el uso de la sintaxis en el momento de su aplicación.* Propiciar el desarrollo y la realización de prácticas.* Elaborar un conjunto de problemas actuales asociados al entorno.* Solicitar al estudiante el desarrollo de un proyecto de su interés, aplicando losconocimientos adquiridos durante el curso.* Involucrar al estudiante en las innovaciones que la evolución de la programacióngenera día con día, propiciando que éste se documente en distintas fuentes deinformación impresas y electrónicas.* Seleccionar en acuerdo de academia, el lenguaje de programación a utilizarconforme a las necesidades del entorno, el contenido del programa y los recursosdisponibles.8. SUGERENCIAS DE EVALUACIÓN* Establecer de común acuerdo con los estudiantes, la ponderación de lasdiferentes actividades del curso.* Participar en clase y en el taller.* Exponer temas específicos en aula.* Elaborar reportes de trabajos de investigación.* Elaborar reportes de prácticas.* Aplicar exámenes escritos y prácticos (en computadora) correspondientes a cadaunidad.* Dar seguimiento a los avances y documentación del proyecto propuesto.9. UNIDADES DE APRENDIZAJEUnidad I Introducción a la Inteligencia Artificial. Objetivo Actividades de Fuentes de Información Educacional AprendizajeEl alumno conocerá 1.1 El alumno conoce los 13conceptos básicos del aspectos generales deInteligencia artificial la Inteligencia artificial.
  7. 7. Unidad 2 Algoritmos Genéticos. Objetivo Actividades de Fuentes de Información Educacional AprendizajeEl alumno conocerá 1, 2, 4, 5, 6, 8, 9,11conceptos básicos, 2.1 El alumno conoce losimplementación y uso de la fundamentos de un AG.computación evolutiva 2.2 El alumno una vez queaplicando algoritmos se han conocido losgenéticos (AG). fundamentos, implementara un AG aplicando un lenguaje orientado a objetos. 2.3 El alumno evaluará el AG con diferentes funciones objetivo.Unidad 3 Redes Neuronales. Objetivo Actividades de Fuentes de Información Educacional AprendizajeEl alumno conocerá 3.1 El alumno conoce los 2, 7conceptos básicos, fundamentos de unaimplementación y uso de NN.las redes neuronales (NN). 3.2 El alumno una vez que se han conocido los fundamentos, implementara una NN aplicando un lenguaje orientado a objetos. 3.3 El alumno evaluará el desempeño de la NN en una aplicación práctica.Unidad 4 Lógica Fuzzy Objetivo Actividades de Fuentes de Información Educacional AprendizajeEl alumno conocerá 4.1 El alumno conoce los 2, 13, 14, 16conceptos básicos, fundamentos de laimplementación y uso de Lógica Fuzzy.las Lógica Fuzzy. 4.2 El alumno una vez que se han conocido los fundamentos, implementara un modelo fuzzy con MATLAB o un lenguaje
  8. 8. orientado a objetos. 4.3 El alumno evaluará el desempeño del modelo con diferentes aplicaciones.Unidad 5 Construcción de Agentes Inteligentes y Sistemas Multi-agentes Objetivo Actividades de Fuentes de Información Educacional AprendizajeEl alumno conocerá 5.1 El alumno conoce 2, 3, 10conceptos básicos, los fundamentos deimplementación y uso de los agentes ylos agentes. sistemas multi- agentes. 5.2 El alumno una vez que se han conocido los fundamentos, implementara un agente utilizando un lenguaje orientado a objetos. 5.3 El alumno evaluará el agente en una aplicación real.Unidad Abierta. Objetivo Actividades de Fuentes de Información Educacional AprendizajeEl alumno conocerá 6.1 El alumno conoce 2, 13conceptos básicos, los fundamentos deimplementación y uso de los sistemaslos sistemas expertos o expertos o coloniacolonia de hormigas. de hormigas. 6.2 El alumno una vez que se han conocido los fundamentos, implementara un sistema experto o una colonia de hormigas utilizando un lenguaje orientado a objetos. 6.3 El alumno evaluará el sistema experto o la colonia de hormigas en
  9. 9. aplicaciones real.10. FUENTES DE INFORMACIÓN 1. [Back 97] Back T. Handbook of Evolutionary Computation, pp. C7.1:1-15. Bristol: Institute of Physics Publishing and New York: Oxford University Press 1997. 2. [Bigus 01] Bigus P. Joseph and Bigus jennifer, Constructing Intelligent Agents with Java. A Programmer´s Guide to Smarter Applications. John Wiley & Sons, Inc. 2001. 3. [Ferber 99] Ferber Jacques. Multi-Agent Systems. An Introduction to Distributed Artificial Intelligence, Addison-Wesley, 1999. 4. [Gen 97] Gen M. and Cheng B. Genetic Algorithms and Engineering Design, New York, Wiley 1997. 5. [Goldberg 89] Goldberg D. E. Genetic Algorithms for Search, Optimization, and Machine Learning. Reading, MA: Addison-Wesley 1989. 6. [Goldberg 91] Goldberg D. E. and Deb K. A Comparison of Selection Schemes Used in Genetic Algorithms. In Foundations of Genetic Algorithms 1.(FOGA-1), pp. 69-93. 7. [Hilera 00] Hilera R. José y Martínez J. Victor, Redes Neuronales Artificiales (Fundamentos, Modelos y Aplicaciones). Alfaomega & Ra-Ma, 2000. 8. [Haupt 98] Haupt Randy L. and Haupt Sue E. Practical Genetic Algorithms. Wiley Inter-Science 1998. 9. [Holland 75] Holland J. H. Adaptation in Natural and Artificial Systems. Ann Arbor, MI: MIT Press 1975. 10. [Kalyanmoy 01] Kalyanmoy Deb. Multi-Objective Optimization Using Evolutionary Algorithms. First Edition, Wiley 2001. 11. [Kidwell 94] Kidwell M. D. and Cook D. J. “Genetic Algorithm for Dynamic Task Scheduling”, th Proc. IEEE 13 Ann. Int’l Phoenix Conf. Computers and Comm., pp. 61-67, 1994. 12. [Koza 92] Koza, J. R. Genetic Programming: On the programming of computer by means of natural selection. Cambridge, MA: MIT Press.
  10. 10. 13. [Russell 95] Russell S. J., Norvig P. Artificial Intelligence: A Modern Approach, Prentice-Hall, Englewood Cliffs, NJ, 1995. 14. [Yen 99] Yen John, Langari Reza. FUZZY LOGIC, Intelligence, Control and Information. Prentice Hall, 1999. 15. [Zomaya 01] Zomaya Y. Albert and The Yee-Hwei. Observations on Using Genetic Algorithms for Dynamic Load-Balancing. IEEE Transactions on Parallel and Distributed Systems, Vol 12. No. 9, September 2001. 16. [Yu 04] Yu-Kwong Kwok, Lap-Sun Cheung. A new fuzzy-decision based load balancing system for distributed object computing. Journal of Parallel and Distributed Computing 64(2004) 238-253.11. PRÁCTICAS Práctica Nombre Diseño e Implementación de tópicos de Inteligencia Artificial Objetivo Que el Alumno aplique e implemente los conceptos que involucran las diferentes áreas de Inteligencia Artificial. Material y Equipo Herramientas de software: Un lenguaje de programación, MatLab (como herramienta de simulación) y herramientas de hardware: Una computadora personal. Introducción La práctica trata de que el Alumno aprenda a implementar los conceptos que involucran las diferentes áreas de la inteligencia artificial. Actividades a Implementación de un algoritmo genético aplicando un desarrollar enfoque práctico. Implementación de una red backpropagation aplicando
  11. 11. un enfoque práctico. Implementación de un modelo práctico en lógica Fuzzy Implementación de un sistema multiagentes con un enfoque práctico.Participación del Establecer como el maestro acompañara la práctica: ElMaestro Maestro proporcionará por escrito el procedimiento a realizar y cada equipo contará con asesoría personal de parte del Instructor.

×