agosto-diciembre, 2017

Inteligencia Computacional (TC-3023)

Horario: 16+/3 LuJu (lunes y jueves de 4:30pm a 6:00pm)

Salón: ??

Examen final:  lunes 27 de noviembre a las 2:30pm
Dr. Manuel Valenzuela


Descripción del curso

Es un curso de nivel avanzado en el campo de estudio de la computación e intermedio para la concentración de Sistemas Inteligentes y Computación Visual. Se considera que el estudiante tiene conocimientos sólidos de diversas técnicas de búsqueda y la modelación de heurísticas, así como conocimientos generales de teoría de conjuntos y de probabilidad. Como producto de aprendizaje de este curso se espera que los estudiantes sean capaces de modelar y resolver problemas de optimización combinatoria a través de métodos como Algoritmos Genéticos y Recocido Simulado, y problemas que involucren procesamiento de patrones mediante el uso de Redes Neuronales. 

 

Objetivos generales

Al terminar este curso el estudiante...
  • Conocerá diferentes técnicas para resolver problemas de optimización combinatoria mediante técnicas basadas en la naturaleza, como recocido simulado y algoritmos genéticos, y podrá identificar y modelar problemas que pueden ser resueltos mediante las técnicas anteriores.
  • Entenderá las bases teóricas que dan fundamento matemático los algoritmos genéticos.
  • Conocerá diferentes modelos de redes neuronales que pueden ser aplicados para resolver problemas de procesamiento de patrones y podrá identificar y modelar problemas que pueden ser resueltos aplicando redes neuronales.
  • Podrá aplicar las herramientas estudiadas en problemas prácticas.


Programa analítico

  • Fundamentos de Optimización Ciega
    1. Concepto de optimización
    2. Optimización paramétrica y combinatoria
    3. Optimización ciega
    4. Búsqueda aleatoria, exhaustiva, y local

  • Recocido Simulado
    1. Algoritmo de Metrópolis
    2. Algoritmo de recocido simulado
    3. Aplicación de recocido simulado

  • Algoritmos Genéticos
    1. Motivación de algoritmos genéticos: proceso evolutivo y genética natural
    2. Algoritmo genético simple: selección, cruce de un punto, y mutación
    3. Bases matemáticas de algoritmos genéticos: teorema de esquemas y engaño
    4. Mejoras usuales a algoritmos genéticos: escalamiento, selección de torneo, cruce de dos puntos y cruce uniforme
    5. Manejo de restricciones
    6. Aplicación de algoritmos genéticos

  • Redes Neuronales
    1. Fisiología de la neurona
    2. Perceptrón, asociador lineal, y adaline
    3. Retropropagación
    4. Aspectos prácticos de retropropagación
    5. Red de Kohonen

Estrategia global

En este curso se utilizará la técnica didáctica de aprendizaje colaborativo (AC) mediante el cual los alumnos colaborarán en tareas y pequeños proyectos.  


1998-2017 © D.R. Manuel Valenzuela