Tècniques d'Intel·ligència artificial i aplicacions en Automatització

ENGINYERIA EN AUTOMÀTICA I ELECTRÒNICA INDUSTRIAL
Tècniques d’Intel·ligència
Artificial i aplicacions en
automatització
Guia de l’assignatura
Enginyeria en automàtica i Electrònica Industrial
29517 Tècniques d’Intel·ligència Artificial i aplicacions en automatització. Guia de l’assignatura
Aprovada en C.A.A de data 8/06/05
1
Crèdits: 6 ( 4.5 teoria + 1.5 pràctiques)
Crèdits ECTS: 4,8
Tipus: Optativa
Coordinador: Bernardo Morcego Seix (bernardo.morcego@upc.edu)
Altres Professors: Ari Ingimundarson (ari.ngimundarson@upc.edu)
Departament: Enginyeria de Sistemes, Automàtica i Informàtica Industrial
Presentació
Coneixements previs
Qualsevol alumne que hagi cursat un primer cicle d’enginyeria satisfactòriament podrà seguir els
continguts de l’assignatura sense problemes. Convé, però, repassar el que s’hagi après de
programació donat l’important contingut informàtic del temari.
Relació amb altres assignatures
La Intel·ligència Artificial, vista com una disciplina que ens dóna mecanismes intel·ligents de
processat de dades i/o senyals, pot contribuir pràcticament a qualsevol assignatura de la titulació,
obrint la ment a mètodes de resolució de problemes moderns i atractius.
Objectius generals
Conèixer quines són les branques de la Intel·ligència Artificial que poden contribuir a l’automatització
de processos, entendre les tècniques més rellevants d’aquestes branques i els seus fonaments, i ser
capaços d’aplicar-les en tasques d’automatització.
Temari
1. PROCESSOS INTEL·LIGENTS
1.1. Introducció a l’assignatura
1.2. Processos intel·ligents
(5h)
2. REPRESENTACIÓ DEL CONEIXEMENT. XARXES NEURONALS
2.1. Fonaments de les xarxes neuronals
2.2. Perceptró – Regla Delta
2.3. Perceptró multicapa - Backpropagation
(9h)
3. REPRESENTACIÓ DEL CONEIXEMENT. MÈTODES MÉS CLÀSSICS
3.1. Representació de fets – coneixement declaratiu
3.2. Representació de regles – coneixement procedural
3.3. Representació mixta de fets i regles
(4h)
4. REPRESENTACIÓ DEL CONEIXEMENT. RAONAMENT I INFERÈNCIA
4.1. Raonament
4.2. Inferència
(6h)
Enginyeria en automàtica i Electrònica Industrial
29517 Tècniques d’Intel·ligència Artificial i aplicacions en automatització. Guia de l’assignatura
Aprovada en C.A.A de data 8/06/05
2
5. RESOLUCIÓ DE PROBLEMES. CERCA
5.1. Optimització. Idea i tipus
5.2. Cerca
(5h)
6. RESOLUCIÓ DE PROBLEMES. ALGORITMES GENÈTICS
6.1. Introducció – motivació
6.2. Esquema general d’un algoritme genètic
6.3. Paral·lelisme implícit. El teorema dels patrons
(4h)
7. APLICACIONS DE LA IA A L’AUTOMÀTICA
7.1. Treballs de supervisió, control, detecció de falles i planificació
(12h)
Objectius específics dels temes
n
Tema 1
Aquest primer tema és per parlar de les branques de la IA que poden contribuir a l’automàtica. Es
tracta de donar una introducció curta a la IA i de descriure els tipus de processos intel·ligents que
poden ajudar a fer una procés més autònom dels operadors humans.
• Conèixer l’assignatura i el punt de vista amb què es planteja
• Entendre que altres formes d’intel·ligència poden contribuir a millorar un procés
n
Tema 2
En aquest tema es veuen les bases, no les tècniques ni els detalls, d’un dels mètodes intel·ligents de
processat d’informació. Es tracta d’una tècnica de representació del coneixement que permet fer
processat no estructurat (el que no segueix el model computacional per defecte, que és el de Von
Neumann). Aquí cal conèixer les limitacions del model seqüencial i veure què hem agafat com a
imatge per a superar aquestes limitacions. El primer punt intenta donar un repàs pels fonaments de
les xarxes neuronals, incloent les arquitectures i els algoritmes d’aprenentatge com a formes de
classificar-les. Aquí intervenen conceptes com classificació, competició o aproximació de funcions. El
segon i tercer punts entren ja en arquitectures concretes i algoritmes concrets, fent créixer la
complexitat del què s’explica.
• Conèixer l’existència del processat seqüencial i paral·lel de la informació
• Conèixer l’existència de vàries arquitectures neuronals i els seus usos
• Entendre els algoritmes més bàsics d’aprenentatge supervisat
n
Tema 3
Aquest tema explora les formes clàssiques de representar el coneixement, que es pot dividir en
coneixement declaratiu (els fets) i coneixement procedural (les relacions entre fets). Com a cas
especial dintre del la representació de fets s’expliquen els conjunts borrosos i els elements i
operacions que els formen. Finalment apareixen altres formes mixtes de representar el coneixement a
partir de barrejar fets i relacions.
Enginyeria en automàtica i Electrònica Industrial
29517 Tècniques d’Intel·ligència Artificial i aplicacions en automatització. Guia de l’assignatura
Aprovada en C.A.A de data 8/06/05
3
• Conèixer fets en diferents formats
• Manipular coneixement procedural
• Manipular els conjunts i operacions borrosos
n
Tema 4
Es tracten els mètodes per aplicar el coneixement deductiu. El raonament és el procés per extreure
conclusions, però vist més des del punt de vista dels humans. La inferència és la forma formal de
descriure’l i d’aplicar-lo.
• Entendre la classificació dels mètodes de raonament
• Manipular regles d’inferència
• Lligar la lògica booleana, coneguda ja, amb lògiques més genèriques
n
Tema 5
Molts dels processos intel·ligents els basem en optimitzar una funció de cost i la optimització pot
considerar-se com un procés intel·ligent en si. Dintre dels diferents tipus d’optimització ens fixarem en
la discreta (que és la que menys es veu en altres assignatures). Per resoldre un problema cal
identificar l’espai d’estats d’aquest i les regles de transició entre estats. Convé conèixer les
estructures de dades que ens ajuden a modelar i resoldre’ls, com les llistes, els grafs i els arbres i
finalment es descriuen algoritmes de cerca informada i no informada.
• Entendre l’estructuració dels problemes complexes
• Conèixer i manipular estructures de dades de la família de les llistes
• Aplicar algoritmes de cerca en estructures arbòries
n
Tema 6
Aquest tema està centrat en un algoritme de cerca bastant diferent dels vistos al tema 5. Es tracta
d’un algoritme basat en l’evolució a la natura. S’estudien els algoritmes genètics i la seva estructura i
es fa èmfasi en el Schema Theorem (el teorema dels patrons) que d’una manera formal demostra la
seva capacitat de cerca.
• Entendre un esquema de cerca intuïtiu però poc habitual
• Transformar la representació d’un problema per a la seva resolució amb algoritmes evolutius
• Demostrar i criticar l’efectivitat dels algoritmes genètics i altres algoritmes de cerca
Enginyeria en automàtica i Electrònica Industrial
29517 Tècniques d’Intel·ligència Artificial i aplicacions en automatització. Guia de l’assignatura
Aprovada en C.A.A de data 8/06/05
n
4
Tema 7
Aquest tema es desenvolupa al llarg del curs i culmina amb la presentació de treballs d’aplicació per
part dels alumnes. Aquí s’apliquen les tècniques descrites en els temes precedents a casos concrets
de supervisió, control, detecció de falles i planificació de processos. Dues de les aplicacions més
interessants són els controladors borrosos i els sistemes de supervisió experts. La metodologia de
control borrós és una aplicació del raonament imprecís molt adient, doncs s’utilitza en l’aplicació
clàssica de l’Automàtica: el control. A més, els controladors que en resulten són de qualitat i aplicació
industrial. Els sistemes experts són eines importants d’ajuda a la presa de decisions i aquí es veu la
seva aplicació en tasques d’alt nivell.
• Veure formes d’aplicar les tècniques del temes precedents a l’Automàtica
• Conèixer els mecanismes principals de control borrós
• Entendre el funcionament d’un sistema expert
Pràctiques, laboratoris
Les pràctiques de l’assignatura volen aprofundir els coneixements que es mostren a teoria, essent
objectius d’aquestes:
•
Coneixement de l’estructura i de l’algoritme d’aprenentatge de les neurones artificials
bàsiques, simulació i comparació del funcionament i capacitat d’aprenentatge d’aquestes.
•
Creació d’estructures multicapa de xarxes neuronals artificials.
•
Creació de conjunts d’entrenament i verificació adients a l’estructura de la xarxa neuronal
artificial i al problema que es vol resoldre mitjançant l’aprenentatge.
•
Coneixement del funcionament de diferents algoritmes d’entrenament per a xarxes
neuronals artificials, parametrització d’aquests i obtenció de paràmetres de rendiment.
•
Aprofundiment en el funcionament de Matlab amb la Toolbox de Xarxes Neuronals
Materials
Enginyeria en automàtica i Electrònica Industrial
29517 Tècniques d’Intel·ligència Artificial i aplicacions en automatització. Guia de l’assignatura
Aprovada en C.A.A de data 8/06/05
5
Bibliografia bàsica
B. Martín del Brío, A. Sanz. Redes Neuronales y Sistemas Borrosos. RA-MA Ed. (2001)
J. Durkin. Expert Systems. Design and Development. Macmillan Pub.Co. (1994)
Bibliografia complementària
E. Rich, K. Knight. Inteligencia Artificial. McGraw-Hill. (1994). Primera part (caps. 1, 2, 3)
Z. Michalewicz. Genetic Algorithms + Data structures = Evolution Programs. Springer-Verlag. (1996)
J.S.R. Jang, C.T. Sun, E. Mizutani. Neuro-fuzzy and soft computing a computational approach to
learning and machine intelligence. Prentice-Hall. 1997.
Avaluació
El mètode d’avaluació està basat en el treball continuat i el lliurament freqüent d’exercicis i pràctiques,
tant a les sessions de pràctiques com a les de teoria.
• Examen final de la assignatura: 30 %
• Pràctiques: 30 %
• Exercicis i treballs de curs: 40 %