PGCA009 Inteligência Computacional

Aulas terça-feira 9h30 - 11h30 e quinta 7h30 - 11h30, sala S7 do LABOTEC 3 na UEFS

Mestrado em Computação Aplicada (UEFS) http://pgca.uefs.br/

TRABALHOS (veja descrição em materiais de aula)

Email para entrega dos relatórios (somente em PDF!): aulas+pgca(arroba)artificial.eng.br (você receberá aviso de recebimento do seu email, se não receber, envie novamente)

* Exercício Computacional 1, Redes Neurais

Entrega do relatório por email: dia 03/11 (até 24h), veja modelo SBC para o relário em Material de aula (acima)

Apresentações: dia 07/02 (alunos abaixo relacionados), 15 minutos cada (elaborem apresentação em PDF ou tragam computador próprio)

> Anderson

> Abraão

> Bianca

> Moab

> Renan

* Revisão Bibliográfica 1, Redes Neurais, veja links para buscas de artigos científicos em Material de aula (acima)

Definição tema: 13/10 (envio por email)

Entrega do relatório por email: 28/10

Apresentação: dias 01/11 e 07/02 (todos alunos), 15 minutos cada (elaborem apresentação em PDF ou tragam computador próprio)

* Exercício Computacional 2, Computação Evolutiva,

Entrega do relatório por email: dia 28/02 (até 24h), Apresentação: dia 02/03

Cada aluno deve enviar um CASO DE TESTE seguindo o formato combinado para aulas+pgca009@artificial.eng.br

Apresentações: 10 minutos cada

> Felipe

> Luis

> Elisson

> Douglas

* Revisão Bibliográfica 2, Computação Evolutiva, veja links para buscas de artigos científicos em Material de aula (acima)

Definição tema: 09/02 (envio por email)

Entrega do relatório por email: 19/02

Apresentações: 21/02, 10 minutos cada

* Projeto Final: (uma proposta de aplicação ou estudo experimental das técnicas vistas, não é obrigatório ter resultados, veja especificação)

Entrega do relatório por email: dia 12/03 (até 24h), Apresentações: dias 14/03

Orientação sobre o projeto, no horário da aula, sala MP58 módulo 5.

AGENDE um horário para orientação sobre o projeto.

EMENTA

Introdução a técnicas de solução de problemas inspiradas na natureza. Conexionismo. Redes Neurais e modelos de neurônio. Arquiteturas de

redes neurais. Redes multicamadas. Redes auto-organizadas. Aprendizado supervisionado e não supervisionado. Computação evolutiva,

representação, operadores, parâmetros. Algoritmos e técnicas de computação evolutiva. Aplicações.

OBJETIVOS

Geral:

• Ser capaz de resolver problemas através da interpretação de cenários, modelando soluções através de técnicas e

métodos da Inteligência Computacional;

Específicos:

• Compreender e aplicar as técnicas de redes neurais artificiais;

• Compreender e aplicar as técnicas de computação evolutiva;

METODOLOGIA

Aulas teóricas expositivas, leitura e discussão de artigos científicos, exercícios computacionais, revisão bibliográfica, projeto em inteligência

computacional.

CONTEÚDO PROGRAMÁTICO

1. Introdução a técnicas de solução de problemas inspiradas na natureza.

2. Conexionismo e Redes Neurais

2.1. Redes Neurais e modelos de neurônio.

2.2. Arquiteturas de redes neurais

2.3. Redes de uma camada multicamadas, aproximação universal

2.4. Redes auto-organizadas (redes de Kohonen), LVQ

2.5. Redes RBF

2.6. Redes Recorrentes, Hopfield

2.7. Aprendizado supervisionado e não-supervisionado: Perceptron, Delta, Hebb, Backpropagtion, Competitivo

2.8. SVM e Kernel machines

3. Computação evolutiva

3.1. Métodos de Busca e Heurísticas

3.2. Inspiração biológica da computação evolutiva

3.3. Representação, operadores, parâmetros.

3.4. Algoritmos e técnicas de computação evolutiva.

3.5. Evolução de redes neurais

3.6. Robótica Evolutiva

4. Aplicações.

CRONOGRAMA

- Apresentação e Introdução a Redes Neurais

- Perpectron e MLP

- MLP e Backpropagation

- Redes de Kohonen

- Apresentação Exercício Computacional 1

- Redes RBF e Rede de Hopfield

- Apresentação da Revisão Bibliográfica 1

- Introdução a Computação Evolutiva

- Apresentação do Exercício Computacional 2

- Apresentação da Revisão Bibliográfica 2

- Orientação do Projeto Final

- Apresentação do Projeto Final

BIBLIOGRAFIA PRINCIPAL

Artigos científicos

Leandro de Castro. Fundamentals of natural computing : basic concepts, algorithms, and applications. Boca Raton: Chapman & Hall/CRC, 2006 .

Simon Haykin. Redes neurais : principios e pratica. Porto Alegre : Bookman, 2001.

Braga, Antonio de Pádua, Carvalho, André Ponce de Leon F. de, Ludemir, Teresa Bernarda. Redes Neurais Artificiais : Teoria e Aplicações. LTC, 2ª edição, 2007.

Michalewicz, Zbigniew. (1996). Genetic Algorithms + Data Structures = Evolution Programs, Springer-Verlag.

BIBLIOGRAFIA COMPLEMENTAR

1.Rezende, Solange Oliveira. Sistemas Inteligentes - Fundamentos e Aplicações. 1ª Edição. Editora Manoele, 2003.

2.Timothy Masters. Practical neural network recipes in C. Boston : Academic Press, 1993.

3.Kovacs, Zsolt Laszl. Redes Neurais Artificiais: Fundamentos e Aplicações, Um Texto Básico. São Paulo Acadêmica, 2ª edição, 1996.

4. Aguiar, Hime, Oliveira Jr. Inteligência Computacional: Aplicada à Administração, Economia e Engenharia em Matlab. Thomson Learning, 1ª edição, 2007.

5.Bishop, Christopher M. Neural networks for pattern recognition. Oxford: Clarendon Press, New York:Oxford University Press, 1995.

6.Goldberg, David E. Genetic algorithms in search, optimization, and machine learning. Boston: Addison-Wesley, 1989.

7.Sivanandam, S. N; Deepa, S. N. Introduction to genetic algorithms. New York, US: New York: Springer, 2007.

8.Mitchell, Melanie. An introduction to genetic algorithms. Cambridge: MIT Press, 1996.

9.Laboratório Virtual em Computação Natural (LVCoN) http://www.lvcon.computacaonatural.com.br/