UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Perú, DECANA DE AMÉRICA)

FACULTAD DE INGENIERIA DE SISTEMAS E INFORMATICA

Escuela Académico Profesional de Ingeniería de Sistemas

SILABUS

1.- ESPECIFICACIONES GENERALES

2.- SUMILLA

Los Sistemas inteligentes, conceptos, taxonomía y aplicaciones en la industria y servicios. Conjuntos borrosos, representación y operaciones. Funciones de membresía. Representación de conceptos con conjuntos borrosos. Relaciones borrosas y su composición. Modificadores linguísticos. Lógica borrosa Sistemas de inferencia borrosa. Algoritmos Genéricos, conceptos, operadores y aplicaciones Representación de problemas de la IA mediante algoritmos genéticos y su resolución.

3.- OBJETIVO GENERAL

El presente curso extiende y complementa el curso Inteligencia Artificial, presentando los fundamentos, operadores y métodos básicos de dos de los sistemas inteligantes más conocidos: los sistemas basados en logica borrosa y los basados en algoritmos genéticos. El potencial de aplicación de ambos sistemas es enorme en secciones tales como el industrial, el educativo, el de servicios y, de ciencia y tecnología.

4.- OBJETIVOS ESPECÉFICOS

• Presentar los fundamentos de los sistemas inteligentes y sus aplicaciones, asi como las diferencias respecto de los métodos basados en búsqueda y los sistemas expertos.
• Representar los conceptos linguísticos mediante conjuntos borrosos y funciones de pertenencia.
• Representar el conocimieto mediante reglas borrosas usando los formatos Sugeno y Mamdani.
• Diseñar y desarrollar sistemas de inferencia borrosa basados en diversos mecanismos de inferencia (formato Sugeno y formato Mamdani).
• Representar y resolver problemas de optimización mediante cromosomas y operadores genéticos.
• Diseñar y desarrollar software para problemas de optimización que usean la técnica denominada Algoritmos Genéticos.

5.- CONTENIDO ANALÍTICO POR SEMANAS

SEMANAS	TEMAS	RESUMENES/TRABAJOS
1	Introduccion: Sistemas inteligentes Presentación del Curso Introducción a los Sistemas Inteligentes
2	Conjuntos Borrosos - Universos de discursos Probabilidad y borrosidad, funciones de densidad de probabilidad y funciones de pertenencia. Representacion de los conjuntos borrosos. Introducción a las funciones de pertenencia. Introducción a los Sistemas de inferencia borroso.
3	Teorema de Representación - Funciones de membrecía Principio de incompatibilidad. Funciones de pertenencia.
4	Operaciones básicas con conjuntos borrosos Unión, intersección y complemento. Negación de conjuntos borrosos. t-nomas y s-normas.
5	Principio de extensión - Relaciones borrosas y su composición Principio de extensión. Producto y co-producto cartesiando de conjuntos borrosos. Relaciones borrosas. Composición de relaciones borrosas.
6	Variables Linguísticas y Modificaciones Linguísticas Variables linguísticas: definición. Mofidicadores linguísticos.
7	Diseño de un Controlador Difuso para una Máquina Lavadora Diseñar el controlador borroso de una máquina lavadora que proporcione el tiempo de lavado correcto aunque no se tenga disponible un modelo preciso de la relación entrada/salida del sistema.
8	EXAMEN PARCIAL
9	Arquitecturas Inferencia borrosa Lógica borrosa. Fundamentos. Comparación con la lógica tradicional. Modus Ponens Generalizado y Modus Tollens Generalizado .
10	Sistema de inferencia borrosa Definición de un Sistema de Inferencia borrosa(SIB). Normalización y borrosificación de las entradas. Etapas de la inferencia borrosa: agregación y composición. Módulo de inferencia borrosa.
11	Desarrollo de un Controlador borroso para una grúa Diseño y desarrollo de un controlador borroso de una grúa puente para contenedores. Se presentara el algoritmo básico del controlador borroso. Se desarrollaran las etapas de borrosificación de las entradas, procesamiento borroso y desborrosificación de las salidas. Se utilizará para esta sesión el software llamado fuzzy Tech versión 5.54.
12	Introducción a algoritmos evolutivos Repaso de resolución de problemas de búsqueda. Introducción a las Metaheuristicas. Evolución natural y artificial. Algoritmos evolutivos.
13	Algoritmos genéticos Introducción a los algoritmos genóticos. Representación cromosómica Evaluación y selección de los individuos. Operadores genéticos.
14	Algoritmos Genéticos continuación Métodos de selección del torneo. Operadores especiales para crossover y mutación. Ajuste de parámetros de los algoritmos genéticos. Control de lectura Nro 2.
15	Exposición de trabajos computacionales Presentación de trabajos computacionales.
16	EXAMEN FINAL

6.- METODOLOGÍA

El curso se desarrolla a través de actividades teórico-prácticas, dando énfasis a aplicaciones en la industria y servicios. Los estudiantes, organizados en grupos de 2 o 3 estudiantes, desarrollarán un trabajo computacional.

7.- EVALUACIÓN

El promedio final (PF) se determina de la forma siguiente:

PF=0.05(CL1 +CL2) + 0.20*TC + 0.35*EP +0.35*EF

Donde:

8.- BIBLIOGRAFÍA

1. BONIFACIO MARTIN SANZ ALFREDO
• 2002 Redes Neuronales y Sistemas Difusos. Ed. Alfaomega
• ISBN 84-7897-466-0


2. KLIR, J.; YUAN, BO
• 1995 Fuzzy Sets and Fuzzy Logic: Theory and Applications. Ed. Prentice Hall
• ISBN 0131011715


3. COX, EARL
• 1994 The Fuzzy Systems Handbook. Ed Ap Professional
• ISBN 0121942708


4. SIVANANDAM, S.; SUMATHI, S.; DEEPA, S.
• 2007 Introduction a Fuzzy Logic using MATLAB. Ed. Springer
• ISBN 103-540-35780-3


5. MICHALEWICZ ZBIGNIEW
• 1996 Genetic Algorithms+Data Structures=Evolution Programs. 3ra Ed. Ed Springer
• ISBN 3-540-60676-9


6. WHITLEY DARRELL
• 2001 An Overview of Evolutionary Algorithms
• Journal of Information and Software Technology.43:817-831

Las lecturas obligatorias serán proporcionadas por el profesor del curso.