curso de l gica difusa n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Curso de Lógica Difusa PowerPoint Presentation
Download Presentation
Curso de Lógica Difusa

Loading in 2 Seconds...

play fullscreen
1 / 9

Curso de Lógica Difusa - PowerPoint PPT Presentation


  • 204 Views
  • Uploaded on

Curso de Lógica Difusa. Prof. José Edinson Aedo Cobo, Msc. Dr. Ing. Departamento de Ingeniería Electrónica Grupo de Microelectrónica Universidad de Antioquia. Motivación.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Curso de Lógica Difusa' - corin


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
curso de l gica difusa
Curso de Lógica Difusa

Prof. José Edinson Aedo Cobo, Msc. Dr. Ing.

Departamento de Ingeniería Electrónica

Grupo de Microelectrónica

Universidad de Antioquia

motivaci n
Motivación

"Los Sistemas Inteligentes basados en redes neuronales y los sistemas difusos se están constituyendo en herramientas fundamentales para modelar sistemas complejos no lineales"”

"Los conjuntos difusos y la lógica difusa, que son el fundamento de los sistemas difusos, han sido desarrolladas buscando modelar la forma como el cerebro manipula información inexacta".”

"Las redes neuronales artificiales son modeladas a partir de la arquitectura física del cerebro".

"Los algoritmos genéticos han sido desarrollados con base en la teoría de la evolución y están siendo usados eficientemente para resolver problemas de optimización".”

objetivos del curso
Objetivos del curso
  • Preparar a los alumnos de modo de que puedan comprender:
    • La estructura de los algoritmos genéticos y sus aplicaciones en optimización e en inteligencia computacional.
    • Los principios básicos de la matemática difusa
    • La naturaleza de la computación basada en reglas difusas.
    • Los fundamentos de las redes neuronales.
    • La naturaleza de la neurocomputación difusa.
  • 2. Guiar a los alumnos para que conozcan los campos de aplicación de los sistemas difusos y las redes neuronales.
  • 3. Crear el ambiente para que los alumnos adquieran habilidades en el uso de sistemas difusos y redes neuronales en la solución de algunos problemas en ingeniería electrónica.
metodolog a
Metodología

Durante el semestre se realizarán 26 reuniones académicas para analizar y complementar los conceptos teóricos, realizar ejercicios, asignar ejercicios complementarios, realizar ejercicios prácticos con el Matlab y realizar las evaluaciones.

Los estudiantes dispondrán de un horario de atención:

Lunes de 4-6 P.M. en el sala 18-310 (Lab. Int. Artificial)

Jueves de 4-6 P.M. en el sala 18-310.

Consultas también se pueden realizar por correo electrónico a:

joseaedo@udea.edu.co

Se puede consultar información adicional sobre el curso en la página:

http://microe.udea.edu.co

evaluaci n del curso
Evaluación del curso
  • - Se realizarán 2 evaluaciones cada una con un valor del 20% .
  • - Un tema de investigación por Grupo. Los temas serán asignados
  • en la segunda semana de clase. Los temas serán presentados
  • en clase. Valor 10%
  • 1 trabajo final por Grupo con un valor del 25 %. (fecha límite la semana
  • final de clases.)
  • Se debe presentar un ante proyecto. Los resultados del trabajo
  • deben de presentarse al final del curso.
metodolog a de evaluaci n del curso
Metodología de evaluación del curso
  • Informe de los ejercicios prácticos realizados con el Matlab (entre 5 y 6)
  • Valor 25%
  • Se tomará asistencia a las prácticas de simulación.
contenido general del curso
Contenido general del curso
  • Introducción a los algoritmos genéticos y aplicaciones.
  • Introducción a los sistemas difusos, a los sistemas neurodifusos y al soft computing.
  • Introducción a la teoría de conjuntos difusos.
  • Reglas difusas y razonamiento difuso.
  • Sistemas difusos (sistemas de inferencia difusa).
  • Aplicaciones de los sistemas difusos.
  • Introducción a los sistemas difusos tipo 2.
  • Introducción a las redes neuronales.
  • Redes neuronales con aprendizaje supervisado.
  • Redes neuronales con aprendizaje no supervisado.
  • Aplicaciones de las redes neuronales.
  • Sistemas neurodifusos y métodos de identificación de sistemas difusos.
  • Presentación de algunas aplicaciones.
bibliografia
Bibliografia
  • -“Neural Fuzzy Systems”, Chin-Ten Lin and C. S. George Lee. Prentice Hall, 1996.
  • - “uncertain Rule-Based Fuzzy Logic Systems”, Introduction and New Directions, Jerry M. Mendel, Prentice Hall, 2001.
  • - “Fuzzy Logic, Identification and predictive Control”, Jairo Espinosa, Joos Vandewalle and Vencent Wert, Springer 2004.

- “An introduction to fuzzy sets”, Wiltod Pedrycz and Fernando Gomide. 1998. The MIT Press Cambridge, Massachusetts.

- “Neuro-Fuzzy and soft computing”, J.S. Roger Jang, C. Tsai Sun, Eiji Mizutami, Prentice Hall, 1997.

  • “Fuzzy sets and fuzzy logic”, George J. Klir and Bo Yuan 1995. Prentice Hall.
  • - “Redes neuronales y sistemas difusos”, Bonifacio Martín del Frio, Alfredo Sanz Molina, Alfaomega, 2002.
bibliografia1
Bibliografia
  • - “Fuzzy Set Theory and applications”, H-J. Zimmerman, Kluwer Academic Publishers, 1996
  • - Artículos de las revistas: Proceeding of IEEE, IEEE trans. On Fuzzy Systems, Fuzzy sets and Systems, IEEE Trans. Systems, Man and Cybernectics.
  • - “Hints on writing technical paper and making presentations”, Victor O. K. Li, IEEE Trans. On Educations, Vol 42, No. 2, Nay 1999