TEMARIO DE CURSO INTELIGENCIA COMPUTACIONAL II Coordinación de Ciencias Computacionales, INAOE Versión del 19 de Mayo 2015 POSIBLES INSTRUCTORES Dra. María del Pilar Gómez Gil http://ccc.inaoep.mx/~pgomez/ Dra. Alicia Morales Reyes http://ccc.inaoep.mx/~amorales/ Dr. Carlos Alberto Reyes García http://ccc.inaoep.mx/~kargaxxi/ Dr. Hugo Jair Escalante Balderas http://ccc.inaoep.mx/~hugojair/ OBJETIVO DEL CURSO Este curso tiene como objetivo profundizar en varios tópicos relacionados a la Inteligencia Computacional (IC), que sean de interés para los participantes. Estos tópicos incluyen temas asociados a algoritmos evolutivos, sistemas híbridos inteligentes y modelos específicos de redes neuronales artificiales. Se espera que el alumno(a) profundice su conocimiento teórico y práctico de las técnicas cubiertas en el curso. REQUISITOS Se espera que el alumno(a) tenga conocimientos básicos sobre las siguientes áreas de inteligencia computacional: algoritmos evolutivos, lógica difusa y/o redes neuronales artificiales. MÉTODO DE TRABAJO El curso será impartido en varias etapas, involucrando a los diferentes instructores de acuerdo a los temas cubiertos. El curso podrá contener exposiciones en clase de los conceptos o proyectos Temario Inteligencia computacional-II © INAOE, Versión: 19-Mayo-2015 1/4 asignados, discusiones en grupo, revisión de artículos y desarrollo de ejercicios o proyectos asignados por los instructores. CONTENIDO DEL CURSO 1. Tópicos relacionados al cómputo evolutivo Control de parámetros en algoritmos evolutivos Algoritmos evolutivos paralelos Aprendizaje computacional basado en cómputo evolutivo Cómputo evolutivo multi-objetivo Otros métodos de optimización heurística 2. Tópicos relacionados con redes neuronales artificiales Redes recurrentes Mapas auto-organizados Redes caóticas y aplicaciones de predicción Maquinas de soporte vectorial 3. Tópicos relacionados a sistemas híbridos Sistemas neuro-fuzzy y fuzzy neurales Sistemas fuzzy-genéticos y neuro-genéticos Sistemas neuro-fuzzy-genéticos Revisión de híbridos con nuevos paradigmas BIBLIOGRAFÍA RECOMENDADA 1. Computational Intelligence, a methodological introduction. R. Kruse, C. Moewes, C. Borgelt, M. Steinbrecher, F. Klawonn, P. Held. Springer: London, 2013. ISBN: 978-14471-5013-8 2. Neural Networks and Learning Machines. Third Edition. Simon Haykin. Pearson Education: Upper Saddle River, New Jersey 2009. ISBN: 0-13-147139-2 3. Redes Neuronales y Sistemas Borrosos, 3ª. Edición. Bonifacio Martín del Brío, Alfredo Sanz Molina. Ed. Alfaomega Ra-Ma, México 2007. ISBN: 978-970-15-1250-0 4. Mandic D, Chambers, J. Recurrent Neural Networks for Prediction, John Wiley and Sons, Chichester 2001. 5. Paul John Werbos. The Roots of Backpropagation. From Ordered Derivatives to Neural Networks and Political Forecasting. Wiley Interscience. 1994. 6. Simon Haykin (editor). Kalman Filtering and Neural Networks. John Wiley & Sons. New York. 2001. QA76.87/K35/2001. 7. Pedrycz, Witold, Computational Intelligence: An Introduction, Boca Raton, CRC Press, 1998. Temario Inteligencia computacional-II © INAOE, Versión: 19-Mayo-2015 2/4 8. Sinha, Naresh K., (Ed), Soft Computing & Intelligence Systems: Theory & Applications, San Diego Calif., Academic Press, 2000. 9. Kosko, Bart, Fuzzy Engineering, New Jersey : Prentice Hall, 1997. 10. Pal, Sankar K., Mitra, Sushimita, Neuro-Fuzzy Pattern Recognition: Methods in Soft Computing, New York, Wiley Interscience Publication, 1999. 11. Cordon, Oscar, Genetic Fuzzy Systems: Evolutionary Tuning and Learning of Fuzzy Knowledge Bases, Singapore, World Scientific, 2001. 12. Michalewicz, Zbigniew, Genetic Algoritms + Data Structures = Evolution Programs, Berlin, Springer -Verlag, 1996. 13. Ibrahim, Ahmad M. Introduction to Applied Fuzzy Electronics, New Jersey, Prentice Hall, 1997. 14. Kerre, Etienne, (Ed) Fuzzy Techniques in Image Processing: Techniques and applications, Heidelberg, Physica - Verlag, 2000 15. Piero P. Bonissone, Fuzzy Logic and Soft Computing, Technology Development and Applications, General Electric CRD, Schenectady, USA, 1996 16. Algunos Sitios Web Utiles para sistemas híbridos: http://www.soft-computing.de/ http://neural.cs.nthu.edu.tw/jang/nfsc.htm http://ohm.utp.edu.co/neuronales/ http://www.cs.berkeley.edu/projects/Bisc http://www.emsl.pnl.gov:2080/proj/neuron/ci/gateway/USA.html http://cs.felk.cvut.cz/~xobitko/ga/ http://www.inaoep.mx 17. A. Eiben. J. E. Smith. Introduction to Evolutionary Computing. Natural Computing Series, Springer, 2010. 18. R. Poli, W. B. Langdon. A Field Guide to Genetic Programming. Available online at:, 2008. 19. J. Koza. Genetic Programming. MIT Press, 1992. 20. X. Yu, M. Gen. Introduction to Evolutionary Algorithms. Decision Engineering Series, Springer, 2010. EVALUACIÓN DEL CURSO Cada parte del curso será evaluada por el instructor(a) involucrado(a). La calificación final está dada por el promedio de estas evaluaciones. CODIGO DE ETICA Se espera que el/la estudiante observe en todas las actividades del curso, el comportamiento ético adecuado a cualquier profesional de ingeniería o ciencias. Como un ejemplo de Código de Ética consultar el de la IEEE (www.ieee.org) o de la ACM (www.acm.org), disponibles en: Institute for Electrical and Electronics Engineers. Code of Ethics. http://www.ieee.org/about/corporate/governance/p7-8.html?. IEEE Policies. Consultado el 13 de Mayo de 2015. Temario Inteligencia computacional-II © INAOE, Versión: 19-Mayo-2015 3/4 Association for Computing Machinery. Code of Ethics. ?https://www.acm.org/about/code-of-ethics? . ACM Code of Ethics and Professional Conduct. October 16th, 1992. Consultado el 13 de Mayo de 2015. Temario Inteligencia computacional-II © INAOE, Versión: 19-Mayo-2015 4/4