Anar al contingut (clic a Intro)
UdG Home UdG Home
Tancar
Menú

Estudia

Dades generals

Curs acadèmic:
2007
Descripció:
Control intel·ligent. Detecció i Daignostica de Falles. Tècniques i mètodes: Sistemes de inferència amb lògica borrosa. Sistemes experts. Xarxes neuronals. Mineria de Dades. Aplicacions en control, supervisió i planficació.
Crèdits:
6
Idioma principal de les classes:
Català
S’utilitza oralment la llengua anglesa en l'assignatura:
Gens (0%)
S’utilitzen documents en llengua anglesa:
Indistintament (50%)

Grups

Grup A

Durada:
Semestral, 1r semestre
Professorat:
Jose Luis de La Rosa Esteva  / Josep Antoni Ramon Guasch

Horaris:

Activitat Horari Aula
Teoria1 dt 19-21
Pràctiques d'aula1 dj 17-19A Lab.R.A.
Pràctiques d'aula informàtica1 dj 17-19B Lab.R.A.

Altres Competències

  • Conèixer les tècnices bàsiques de intel-ligència artificial
  • Ser capaç de seleccionar l'eina d'IA adequada per resoldre un problema de control, supervisió o planificació.
  • Implementar solucions basades en tècniques de intel.ligència artificial per resoldre problemes diversos.
  • Analitzar conjunts de dades d'un procés, extreure'n un model i explotar-lo en tasques dedetecció i diagnosi de falles.

Continguts

1. Introducció: Control i Supervisió. Una visió de futur

          1.1. Introducció: Control i Supervisió. Una visió de futur (6h) Limitacions dels sistemes de control actual i nous enfocs. Nous reptes en la supervisió de processos: volum de informació, us del coneixement, etc.

2. Intel•ligència artificial, control Intel·ligent i robòtica

          2.1. Sistemes Agent Agents físics

3. Arquitectures de control de sistemes multiagent

          3.1. Arquitectures de control per la coordinació de MAS

4. Sistemes de control difús

          4.1. Incertesa e imprecisió. Representar la imprecisió. Conjunts borrosos. Lògica borrosa. Mètodes de inferència Mamdani / inferència Sugeno Controladors borrosos. Aplicacions i exemples

5. Xarxes neurals

          5.1. La neurona artificial: element bàsic de computació. Xarxes neurals: topologies. Regla bàsica d’aprenentatge. Xarxes feedforward Aprenentatge per ‘backpropagation’ Aplicacions i exemples Xarxes autorganitzatives (SOM). Aplicacions i exemples ANFIS: Identificació neuro-borrosa

Activitats

Tipus d’activitat Hores amb professor Hores sense professor Total
Anàlisi / estudi de casos 14,00 0 14,00
Sessió pràctica 16,00 0 16,00
Total 30,00 0 30

Bibliografia

  • Adrian Hopgood (2000). Intelligent Systems for Engineers and Scientists. CRC Press.
  • Escolano, Franciso, et al. (2003). Inteligencia Artificial. Madrid: Thomson.
  • Russell, Stuart J., Norvig, Peter, Canny, John Francis (cop. 2003). Artificial intelligence : a modern approach (2nd ed.). Englewood Cliffs, N.J.: Prentice Hall.
  • Poole, David, Goebel, Randy, Mackworth, Alan K. (1998). Computational intelligence : a logical approach. New York [etc.]: Oxford University Press.
  • Panos J. Antsaklis and Kevin M. Pasino (1999). An Introduction to Intelligent and Autonomous Control. Kluwer Academic Publishers.

Avaluació i qualificació

Activitats d'avaluació:

Descripció de l'activitat Avaluació de l'activitat %
Pràcties laboratori Nota pràctica
Treball

Qualificació

Escull quins tipus de galetes acceptes que el web de la Universitat de Girona pugui guardar en el teu navegador.

Les imprescindibles per facilitar la vostra connexió. No hi ha opció d'inhabilitar-les, atès que són les necessàries pel funcionament del lloc web.

Permeten recordar les vostres opcions (per exemple llengua o regió des de la qual accediu), per tal de proporcionar-vos serveis avançats.

Proporcionen informació estadística i permeten millorar els serveis. Utilitzem cookies de Google Analytics que podeu desactivar instal·lant-vos aquest plugin.

Per a oferir continguts publicitaris relacionats amb els interessos de l'usuari, bé directament, bé per mitjà de tercers (“adservers”). Cal activar-les si vols veure els vídeos de Youtube incrustats en el web de la Universitat de Girona.