MMCC Inteligência Computacional

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/