MATE10 – Tópicos em Inteligência Computacional I (51 horas) - 2012.2
Aulas terça-feira 9h - 12h, sala 23 do LABOTEC II na UEFS
Mestrado em Ciência da Computação (UFBA/UEFS) http://wiki.dcc.ufba.br/MMCC/
Materiais de aula, slides e links (não disponível)
TRABALHOS (veja descrição em materiais de aula)
Exercício Computacional 1, entrega e apresentação dia 08/01, e Revisão Bibliográfica 1, entrega e apresentação dia 22/01
Exercício Computacional 2, entrega e apresentação dia 19/03
Projeto Final, entrega e apresentação dia 16/04
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, ADALINE, Hebb, Backpropagtion, Competitivo
Kernel machines, SVM
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
27/11 - Apresentação e Introdução a Redes Neurais
04/12 - Perpectron e MLP
11/12 - MLP e Backpropagation
18/12 - Redes de Kohonen
08/01 - Apresentação Exercício Computacional 1
15/01 - Redes RBF e Rede de Hopfield
22/01 - Apresentação da Revisão Bibliográfica 1
29/01 - sem aula, UEFS fechada
19/02 - Introdução a Computação Evolutiva
26/02
05/03
12/03
19/03 - Apresentação do Exercício Computacional 2
26/03 - Apresentação da Revisão Bibliográfica 2
02/04 - Orientação do Projeto Final
09/04 - 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://lvcon.tuilux.com.br/