Sylabus SCE-1003

Syllabus

SCE-1003 Desarrollo Inteligente

DR. HECTOR QUEJ COSGAYA

hquej@itescam.edu.mx

Semestre	Horas Teoría	Horas Práctica	Créditos	Clasificación
8	5	2	10

Prerrequisitos

Conocimiento teórico práctico para el desarrollo de problemas inteligentes. Conocimiento de diferentes metodologías de desarrollo de software.

Competencias

Atributos de Ingeniería

Normatividad

La evaluación estará conformada de dos exámenes: Participación 20%. A.- Exposición de contenidos temáticos (5%) B.- Desarrollo de aplicaciones de software (10%) C.- Trabajos colaborativo en equipo e investigación (3%) D.- Asistencia a clases (2%) Trabajo Documental 20%. E.- Contenido informativo e investigación (5%) F.- Criterio personal e análisis de texto (10%) G.- Fuentes bibliografícas (2%) H.- Formato y redacción (3%)

Materiales

Sala de computo (1 PC por alumno), Lenguajes de programación Java, C++. Hojas de calculo (Excel). Programador Universal de microcontroladores gama baja, media y alta. Simulador FESTO COSIMIR para efectos de aplicaciones robóticas.

Bibliografía disponible en el Itescam
Título	Autor	Editorial	Edición/Año	Ejemplares

Parámetros de Examen
PARCIAL 1	De la actividad 1.1.1 a la actividad 1.8.1
PARCIAL 2	De la actividad 2.1.1 a la actividad 2.13.1

Contenido (Unidad / Competencia / Actividad / Material de Aprendizaje)
1. Redes Neuronales 1.1. Modelo de Mc Culloch – Pitts. 1.1.1. Modelo de Mc Culloch – Pitts. EL MODELO NEURONAL DE McCULLOCH Y PITTS (55801 bytes) Redes de propagacion (279309 bytes) Neurocomputacion (93990 bytes) http://lcn.epfl.ch/tutorial/english/mcpits/html/index.html http://www.cinefantastico.com/nexus7/ia/neurocomp3.htm http://jkharlos.wordpress.com/2007/09/03/redes-neuronales-artificiales/ http://members.tripod.com/jesus_alfonso_lopez/RnaIntro.html 1.2. Topologías. 1.2.1. Topologías. Topologias de redes neuronales (83098 bytes) http://www.monografias.com/trabajos12/redneur/redneur.shtml http://www.monografias.com/trabajos15/topologias-neural/topologias-neural.shtml#NEURONAL http://ohm.utp.edu.co/neuronales/Capitulo1/Topologia.htm http://www.redes-neuronales.netfirms.com/tutorial-redes-neuronales/clasificacion-de-redes-neuronales-por-topologia-arquitectura.htm 1.3. Técnicas de aprendizaje. 1.3.1. Técnicas de aprendizaje Aprenfizaje RNA (94448 bytes) Mapas conceptuales (79952 bytes) Tecnicas de la red neuronal (48247 bytes) 1.4. Métodos de entrenamiento. 1.4.1. Métodos de entrenamiento. Entremaniento backpropagation (56832 bytes) Entrenamiento (878080 bytes) algoritmo de entrenamiento (57856 bytes) 1.5. Back Propagation. 1.5.1. Back Propagation. Evaluación de RNA (10710 bytes) http://electronica.com.mx/neural/informacion/backpropagation.html http://perso.wanadoo.es/alimanya/backprop.htm http://es.wikipedia.org/wiki/Backpropagation http://ohm.utp.edu.co/neuronales/Capitulo2/Backpropagation/ReglaB.htm 1.6. Modelo de Kohonen. 1.6.1. Modelo de Kohonen. Aplicacion Kohonen (72466 bytes) http://es.wikipedia.org/wiki/Kohonen_(RNA) http://thales.cica.es/rd/Recursos/rd98/TecInfo/07/capitulo6.html http://electronica.com.mx/neural/informacion/kohonen.html Ejercicio de kohonen (14479 bytes) 1.7. Otros modelos. 1.7.1. Otros modelos. http://www.gc.ssr.upm.es/inves/neural/ann2/anntutorial.html http://ohm.utp.edu.co/neuronales/main.htm 1.8. Aplicaciones Diversas. 1.8.1. Aplicaciones Diversas Aplicaciones diversas (193230 bytes) Simulador RNA (2487931 bytes) http://sophia.ecm.ub.es/ia/
2. Lógica Difusa 2.1. Introducción a la teoría difusa. 2.1.1. Introducción a la teoría difusa. http://es.wikipedia.org/wiki/L%C3%B3gica_difusa http://delta.cs.cinvestav.mx/~gmorales/ldifll/ldifll.html http://www.dei.uc.edu.py/tai2000/logica/3.htm 2.2. Antecedentes de los conjuntos difusos. 2.2.1. Antecedentes de los conjuntos difusos. Conjuntos difusos ver pag. 8 (348274 bytes) conjuntos difusos. (192606 bytes) http://es.wikipedia.org/wiki/Subconjunto_difuso 2.3. Conceptos de conjuntos difusos. 2.3.1. Conceptos de conjuntos difusos. http://delta.cs.cinvestav.mx/~gmorales/ldifll/node2.html http://delta.cs.cinvestav.mx/~gmorales/ldifl/node3.html http://members.tripod.com/jesus_alfonso_lopez/FuzzyIntro.html http://delta.cs.cinvestav.mx/~gmorales/ldifl/node8.html http://www.cec.uchile.cl/~heldc/show_TIS99/index.htm http://www.dma.fi.upm.es/java/fuzzy/tutfuzzy/home.html 2.4. Operaciones con conjuntos difusos. 2.4.1. Operaciones con conjuntos difusos. http://sci2s.ugr.es/docencia/doctoSCTID/FSIIoperacionesen%20F.pdf http://ccc.inaoep.mx/~emorales/Cursos/RdeC/node154.html http://www.redeya.com/electronica/cursos/fuzzy/fuzzy.htm 2.5. Conceptos de lógica difusa. 2.5.1. Conceptos de lógica difusa. http://www.monografias.com/trabajos6/lalo/lalo.shtml http://personales.ya.com/casanchi/mat/difusa01.htm http://members.tripod.com/jesus_alfonso_lopez/FuzzyIntro.html 2.6. Medida de la entropía difusa. 2.6.1. Medida de la entropía difusa. Medida de la entropia difusa ver pag. 43 (2161152 bytes) 2.7. Subconjuntos difusos. 2.7.1. Subconjuntos difusos. Subconjunto difuso (25600 bytes) http://es.wikipedia.org/wiki/Subconjunto_difuso 2.8. Variables lingüísticas. 2.8.1. Variables lingüísticas. variable linguistica (251752 bytes) 2.9. Relaciones difusas 2.9.1. Relaciones difusas Relaciones difusas ver pag. 20 (238924 bytes) 2.10. Sistemas de control difusos. 2.10.1. Sistemas de control difusos. sistema de control (225436 bytes) http://es.wikipedia.org/wiki/L%C3%B3gica_difusa 2.11. Memorias asociativas difusas (FAM). 2.11.1. Memorias asociativas difusas (FAM). http://x-ezine.todo-linux.com/x2/2x004-MAB.html#AEN96 2.12. Mapas cognoscitivos difusos. 2.12.1. Mapas cognoscitivos difusos. Mapas congnoscitivos difusos (601561 bytes) 2.13. Aplicaciones diversas. 2.13.1. Aplicaciones diversas. aplicaciones (106013 bytes) Ejemplo control-difuso (778927 bytes)
3. Algoritmos Genéticos 3.1. Fundamentos de genética y evolución. 3.1.1. Fundamentos de genética y evolución. http://www.depi.itch.edu.mx/apacheco/expo/html/ai14/ga.html http://the-geek.org/docs/algen/ http://147.96.80.155/sistemaoptimizacion/AlgoritmoGenetico.htm 3.2. Fundamentos de algoritmos genéticos. 3.2.1. Fundamentos de algoritmos genéticos fundamentos (415093 bytes) http://geneura.ugr.es/~jmerelo/DegaX/GenAlg.html 3.3. Descripción de un algoritmo genético. 3.3.1. Descripción de un algoritmo genético. http://www.cidse.itcr.ac.cr/revistamate/contribuciones-v6-n1-may2005/Geneticos/Index.htm http://html.rincondelvago.com/algoritmos-geneticos.html 3.4. Componentes de un algoritmo genético. 3.4.1. Definición del problema. Componentes de un algoritmo genetico (234496 bytes) 3.4.2. Representación de la solución. http://campusvirtual.unex.es/cala/epistemowikia/index.php?title=Algoritmos_Gen%C3%A9ticos http://campusvirtual.unex.es/cala/epistemowikia/index.php?title=Algoritmos_Gen%C3%A9ticos#Representaci.C3.B3n 3.4.3. Decodificación del cromosoma. decodificacion ver pag. 17 (777699 bytes) ver pag3 (101990 bytes) 3.4.4. Evaluación de un individuo. Evaluacion ver pag 5 (101888 bytes) http://geneura.ugr.es/~jmerelo/ie/ags.htm 3.5. Operadores evolutivos. 3.5.1. Selección. seleccion (109568 bytes) 3.5.2. Cruce. cruce (41984 bytes) ver pag 12 (221696 bytes) 3.5.3. Mutación. mutacion (72173 bytes) 3.6. Ventajas y limitaciones de los algoritmos genéticos. 3.6.1. Ventajas y limitaciones de los algoritmos genéticos ventajas y limitaciones ver pag. 4 (486912 bytes) 3.7. Aplicaciones diversas. 3.7.1. Aplicaciones diversas. aplicacion (176816 bytes)
4. Proyecto Integrador 4.1. Parcial Uno 4.1.1. Evaluación