aplicaciones -...
Post on 21-Sep-2018
264 Views
Preview:
TRANSCRIPT
Aplicaciones
Inteligencia Computacional
Carrera de Ingeniería Informática
Aplicaciones de IC
• Unidad VIII: Configuración del problema y aplicación de las técnicas de inteligencia computacional en: clasificación de patrones, agrupación de patrones, aproximación de funciones, optimización, búsqueda de soluciones, regresión, predicción de series temporales, control de procesos, identificación de sistemas, compresión de señales, memorias y recuperación de información. Interrelaciones entre las técnicas de inteligencia computacional: sistemas híbridos.
Tipos de Aplicaciones de IC
• Clasificación de patrones, • Agrupación de patrones, • Aproximación de funciones, • Optimización, • Búsqueda de soluciones, • Regresión, • Predicción de series temporales, • Control de procesos, • Identificación de sistemas, • Compresión de señales, • Memorias y recuperación de información.
Bloques de IC
• Redes neuronales
• Sistemas borrosos
• Inteligencia colectiva
Clasificación de patrones
Extracción características
Clasificador
Datos Clase
Representación Pesos
Clasificación de patrones
• Redes neuronales– PMC
• Sistemas borrosos– Fuzzy classifier
• Inteligencia colectiva– AntMiner
x2
x1
FunciónDiscriminante
Agrupación de patrones
Extracción características
Agrupamiento
Datos Grupo
Representación Centroides
Agrupación de patrones
• Redes neuronales:– Redes de base radial
• Sistemas borrosos:– Fuzzy c-means clustering
• Inteligencia colectiva:– Ant-based clustering
Aproximación de funciones
Extracción características
Aproximador
DatosEntrada
DatosSalida
Representación Parámetros
Aproximación de funciones
• Redes neuronales– PMC (salida lineal)
• Sistemas borrosos– Fuzzy rules for aproximation
• Inteligencia colectiva– Fitting model to data (PSO)
Optimización / Búsqueda soluciones
FunciónDesconocida
AlgoritmoBúsqueda
Datos ValorEncontrado
Salida
Restricciones
Optimización / Búsqueda soluciones
• Redes neuronales– Red Hopfield modificada
• Sistemas borrosos– Optimización difusa
• Inteligencia colectiva– PSO
Regresión / Predicción series temporales
Extracción características
Predictor
SeñalEntrada
SeñalSalida
Representación Parámetros
Regresión / Predicción series temporales
• Redes neuronales– Red con retardos
• Sistemas borrosos– Fuzzy time series
• Inteligencia colectiva– Filtros NARX optimizados mediante PSO
Control de procesos
Sistema
SensoresF
( - )
r (+) yeControlador
C
u
Referencia
P(u)
Entrada SalidaError
Parámetros
Control de procesos
• Redes neuronales– Red con retardos (salida lineal)
• Sistemas borrosos– Controlador difuso
• Inteligencia colectiva– PID adaptado con GA
sy
Identificación de sistemas
+
-
ef(e)
arg min ( ( ))a
f e a
H(a)
Hest(aest)
aest
Sistema real
Sistema estimado
Superficie de error en función de los parámetrosMétodo para hallar el
óptimo
Criteriox y
Identificación de sistemas
• Redes neuronales
• Sistemas borrosos
• Inteligencia colectiva– NARX con GA o PSO
Compresión de datos
Compresor
De-compresor
Almacenamiento o
transmisión
Entrada datos
Salida datos
Datoscomprimidos
Compresión de datos
• Redes neuronales– PMC Auto-enconder
• Sistemas borrosos– Fuzzy clustering compression
• Inteligencia colectiva– Ant-based clustering compression
Memorias y recuperación de información
Codificación Almacenamiento
DatosEntrada
Recuperación
DatosSalida
Pistas o dato parcial
Memorias y recuperación de información
• Redes neuronales
– Red de Hopfield
• Sistemas borrosos
– Fuzzy associative memory
• Inteligencia colectiva
– Swarm memory???
HP/FP Very low HP Low HP Medium HP High HP Very high HP
Very weak FP Retreat! Retreat! Defend Defend Attack
Weak FP Retreat! Defend Defend Attack Attack
Medium FP Retreat! Defend Attack Attack Full attack!
High FP Retreat! Defend Attack Attack Full attack!
Very high FP Defend Attack Attack Full attack! Full attack!
Sistemas híbridos
• Interrelaciones entre las técnicas de inteligencia computacional…
Trabajo final
• Consiste en la solución de un problema propuesto por los alumnos.
• En base a una búsqueda bibliográfica, se debe proponer (e implementar) una solución válida, aplicando las herramientas que se vieron en el cursado.
• Se debe realizar en grupos de 2 o 3 personas.
• Cada integrante del grupo propone un problema práctico a resolver y un tutor (de la Cátedra) guía al grupo para seleccionar y delimitar uno de los temas.
• Este tutor guía luego todo el desarrollo del trabajo.
Trabajo final
• La aprobación consiste en la entrega de un informe escrito y una presentación oral de 15 minutos, con defensa oral de 5 minutos (20 ptos: 10 informe escrito+ 10 presentación oral)
• El estilo y estructura puede descargarse desde el Wiki de la Cátedra.
• No se aceptarán trabajos individuales ni problemas que no hayan sido seleccionados junto al tutor asignado.
Cronograma• Semana 10:
– Práctica (18/10/10): continúa GTP 3, comienza GTP 4.
– Teoría (21/10/10): Unidades VIII (aplicaciones). Inicio de los trabajos finales (TF).
• Semana 11:
– Evaluación (25/10/10): GTP 3. Práctica (25/10/10): continúa GTP 4.
– Evaluación (28/10/10): entrega de propuestas definitivas TF y asignación tutores.
• Semana 12:
– Práctica (01/11/10): continúa GTP 4, desarrollo de TF.
– Teoría (04/11/10): Parcial 2 (Unidades V a VIII).
• Semana 13:
– Evaluación (08/11/10): GTP 4. Clase de práctica (08/11/10): desarrollo de trabajos finales.
– Evaluación (11/10/10): Entrega de implementación de TF.
• Semana 14:
– Clase de práctica (15/11/10): feriado.
– Clase de teoría (18/11/10): Introducción sistemas basados en conocimientos (Clase Prof. invitada).
• Semana 15:
– Evaluación (22/11/10): Entrega informes, presentación TF (todos deben estar presentes).
– Evaluación (25/11/10): Recuperación de parciales. Recuperación de prácticos.
Bibliografía
• IEEE Transactions on: Fuzzy Systems, Evolutionary Computation, Neural Networks, Pattern Analysis and Machine Intelligence, Systems, Man, and Cybernetics, Robotics and Automation, Information Theory, Knowledge and Data Engineering
• Elsevier Science: Fuzzy Sets and Systems, Intelligent Data Analysis, International Journal of Neurocomputing, Neural Networks, Pattern Recognition, Neurocomputing, Applied Soft Computing, Artificial Intelligence
• Ablex Publishing: Journal of Artificial Neural Networks• World Scientific Publishing: International Journal on Artificial Intelligence
Tools, International Journal of Intelligent Control and Systems, International Journal of Neural Systems, International Journal of Pattern Recognition and Artificial Intelligence, International Journal of Cooperative Intelligent Systems, International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems
Bibliografía
• MIT Press: Neural Computation, Evolutionary Computation, Journal of Cognitive Neuroscience, Artificial Life.
• Kluwer Academic Publishers: Machine Learning, Neural Processing Letters, Journal of Intelligent Systems
• Springer Verlag: Neural Computing with Applications, Swarm Intelligence, Machine Learning, Artificial Life and Robotics, Evolutionary Intelligence, Fuzzy Optimization and Decision Making, Genetic Programming and Evolvable Machines, Pattern Recognition and Image Analysis, Soft Computing
• John Wiley & Sons: International Journal of Intelligent Systems• Pergamom Press: Neural Networks• Blackwell Publishers: Computational Intelligence• International Neural Network Society: INNS Neural Networks Newsletter• Finance & Technology Publishing: Journal of Computational Intelligence in
Finance
top related