| Study programme competencies |
| Code | Study programme competences |
| A21 | Coñecemento e aplicación dos principios fundamentais e técnicas básicas dos sistemas intelixentes e a súa aplicación práctica. |
| B1 | Capacidade de resolución de problemas |
| B3 | Capacidade de análise e síntese |
| B5 | Habilidades de xestión da información |
| B9 | Capacidade para xerar novas ideas (creatividade) |
| C6 | Valorar criticamente o coñecemento, a tecnoloxía e a información dispoñible para resolver os problemas cos que deben enfrontarse. |
| C8 | Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade. |
| Learning aims | |||
| Learning outcomes | Study programme competences | ||
| Conocimiento y aplicación de los principios fundamentales y técnicas básicas de los sistemas inteligentes y su aplicación práctica | A21 |
B1 B3 B5 B9 |
C6 C8 |
| Contents |
| Topic | Sub-topic |
| 1. Introducción | 1.1 Aspectos históricos 1.2 Cuestiones preliminares 1.3 Consideraciones generales |
| 2. Resolución de Problemas | 2.1 Introducción a la resolución de problemas en IA 2.2 El concepto de “espacio de estados” 2.3 Características generales de los procesos de búsqueda 2.4 Métodos de búsqueda puros: anchura y profundidad 2.5 Estrategias de exploración del espacio de estados |
| 3. Representación de conocimiento | 3.1 Aspectos generales 3.2 Métodos declarativos de representación 3.3 Métodos procedimentales de representación 3.4 Ejemplos y realización de un caso práctico |
| 4. Sistemas de producción | 4.1 Base de conocimientos 4.2 Memoria activa 4.3 Motor de inferencias 4.4 Dinámica de los sistemas de producción 4.5 Ciclo básico de un sistema de producción |
| 5. Breve Introducción al Razonamiento en IA | 5.1 Fundamentos de razonamiento categórico 5.2 Fundamentos de razonamiento bayesiano |
| 6. Sistemas Conexionistas: Origen y Contexto; Fundamentos Biológicos | 5.1 Evolución Histórica y Precursores. 5.2 Nacimiento de los Sistemas Conexionistas. 5.3. Bases Biológicas de los Sistemas Adaptativos 5.4. Adquisición y organización de los conocimientos en Sistemas Adaptativos. |
| 7. Arquitectura, Alimentación y Aprendizaje de los Sistemas Conexionistas | 6.1. Elemento de procesado en Sistemas Conexionistas. 6.2 Comparación entre el elemento biológico y el formal 6.3 Alimentación y Arquitectura de los Sistemas Conexionistas. 6.4 Aprendizaje en Sistemas Conexionistas. |
| 8. Sistemas Conexionistas con Alimentación Hacia Delante | 7.1. Adaline 7.2. Perceptrón 7.3. Aplicaciones |
| 9. Otros Modelos de Sistemas Conexionistas | 8.1 Redes auto-organizativas 8.2. Otros modelos auto-organizativos: Crecimiento de redes 8.3. Memorias de Hopfield |
| 10. Nuevas Aproximaciones en Sistemas de Inteligencia Sub-simbólica | 9.1 Computación Evolutiva. 9.2 Vida Artificial. 9.3 Tecnologías NBIC |
| Planning | ||||
| Methodologies / tests | Competencies | Ordinary class hours | Student’s personal work hours | Total hours |
| Laboratory practice | A21 B1 B5 | 20 | 0 | 20 |
| Supervised projects | B3 B9 | 10 | 20 | 30 |
| Guest lecture / keynote speech | C6 C8 | 30 | 60 | 90 |
| Personalized attention | 10 | 0 | 10 | |
| (*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students. | ||||
| Methodologies |
| Methodologies | Description |
| Laboratory practice | - Utilización de técnicas de Inteligencia Artificial Simbólica para resolver problemas. - Utilización de técnicas de Inteligencia Artificial Subsimbólica para resolver problemas. |
| Supervised projects | - Estudio de los distintos modelos clásicos de agente inteligente e identificación de los conceptos involucrados en dichos modelos en ejemplos de aplicación práctica. - Estudio de algoritmos de búsqueda avanzados. - Ejercicios prácticos sobre los distintos Modelos de Razonamiento presentados (Temas 4 y 5. - Test de evaluación de los conceptos adquiridos. - Búsqueda, análisis de problemas reales que muestren la aplicación de los Sistemas de Inteligencia Sub-simbólica. |
| Guest lecture / keynote speech | Impartición de los contenidos de los diferentes temas de la asignatura, fomentando la participación del alumnado en la comprensión de ejemplos prácticos. |
| Personalized attention |
|
|
| Assessment | |||
| Methodologies | Competencies | Description | Qualification |
| Guest lecture / keynote speech | C6 C8 | Examen escrito para evaluar los conocimientos de la Materia. | 60 |
| Laboratory practice | A21 B1 B5 | - Se valorará la entrega en plazo, así como la asistencia a las horas asignadas a la realización de prácticas. |
30 |
| Supervised projects | B3 B9 | - Se valorará la entrega en plazo, así como la asistencia a las tutorías en grupo reducido. |
10 |
| Assessment comments | |||
|
Para superar la materia será |
|||
| Sources of information |
| Basic |
Moret et al. (2005). Fundamentos de inteligencia artificial. Servicio de publicaciones de la UDC (2ª ed, 2ª imp)
José T. Palma, Roque Marín Morales et al. (2008). Inteligencia artificial - Técnicas, métodos y aplicaciones. McGraw Hill (1ª ed.)
Russell & Norvig (2004). Inteligencia artificial: un enfoque moderno. Pearson (2ª ed) |
|
TEMAS 6 y 7 Cajal, S.:“Recuerdos de Mi Vida. Historia de Mi Labor Científica”. Tomo II. Ed. Alianza.1984. Cajal, S.: “Textura del SistemaNervioso del Hombre y los Vertebrados”. Tomo I. Ed. Alianza. 1989. Haykin, S.: “Neural Networks: A Comprehensive Foundation”. McMillan College Publishing. New York. 1994. Hertz, J., Krogh, A. & Palmer, R.: “Introduction to the Theory of Neural Computation”. Santa Fe Institute, Addison-Wesley Editores 1991. McCulloch, W. S., and Pitts, W.: “A Logical Calculus of the Ideas Inmanent in the Neural Nets”. Buletin of Mathematical Biophysics, vol. 5, pp. 115-137. 1943. Minsky,M. & Papert, S.: “Perceptrons”. Cambridge,MIT Press, 1969. Rosenblueth, A., Wiener, N, and Bigelow, J.: “Behavior, Purpose and Teleology”. Phylosophy of Science nº10, pp. 18-24. 1943. Wiener, N.: “Cibernetics or Control and Communications in the Animals and Machines”. Ed. MIT. Press. 1948. TEMAS 8 y 9 Hertz,J., Krogh, A. & Palmer, R.: “Introduction to the Theory of NeuralComputation”. Santa Fe Institute, Addison-Wesley Editores 1991. Hopfield, J. & Tank, D.: “Computing with Neural Circuits” A Model”. Science, vol. 233, pp. 625-633. 1986. Kohonen, T.: “Self organizing maps”. Springer Velag. Berlín. Segunda Edición. 1995. Ríos, J.Pazos, A. y otros: “Estructura, Dinámica y Aplicaciones a las Redes NeuronasArtificiales”. Ed. Ceura. Madrid.1991. TEMA 10 Gestal M, Rivero D et al. Introducción a los Algoritmos Genéticos y la Programación Genética. Servicio de Publicacións da UDC. 2010. Yao, X. “Evolving Artificial Neural Networks”. In:Proc. IEEE, Vol. 87 nº9 1423-1447. 1999. |
|
| Complementary | |
|
|
| Recommendations | ||||
| Subjects that it is recommended to have taken before | ||||
|
| Subjects that are recommended to be taken simultaneously |
| Subjects that continue the syllabus | ||||
|
| Other comments | |