1 / 9

Curso de Lógica Difusa

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

corin
Download Presentation

Curso de Lógica Difusa

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. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


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

  2. 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".”

  3. 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.

  4. 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

  5. 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.

  6. 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.

  7. 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.

  8. 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.

  9. 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

More Related