INSTITUTO POLITECNICO NACIONAL SECRETARIA ACADEMICA HAN ; DIRECCION DE EDUCACION SUPERIOR cee PERFIL DOCENTE POR UNIDAD DE APRENDIZAJ 1. DATOS GENERALES UNIDAD ACADEMICA: UNIDAD PROFESIONAL INTERDISCIPLINARIA EN INGENIERIA Y TECNOLOGIAS AVANZADAS. : Ingenieria Mecatrénica. __ NIVEL W AREA DE FORMACION: institucional Cientifica Terminal y Basica In ACADEMI PROGRAMA ACADEMIC Academia de Sistemas. UNIDAD DE APRENDIZAMi Sistemas Neuroditusos. ESPECIALIDAD Y NIVEL ACADEMICO REQUERIDO: —_Maestria en Ciencias en area cientifica o de la ingenieria con cursos de Légica Difusa y Redes Neuronales Artiticiales, preferentemente con Doctorado en Ciencias, 2. PROPOSITO GENERAL: implementa sistemas de automatizacién y control inteligentes con base en la teora de Ia légica difusa ylo de las redes neuronales arificiales. 3. PERFIL DOCENTE: ‘CONOCIMIENTOS EXPERIENCIA HABILIDADES ‘ACTITUDES PROFESIONAL Aigebra Lineal Un afo de experiencia en| Manejo de grupos. ‘Voacion por la docencla Electrénica Analégica | docencia y experiencia en| Comunicacin Honestidad. Programacion programacién. Motivacién, Ejercicio de la critica Procesamiento Digital de Capacidad de andlisis_y| tundamentada Sefales sintesis. Respeto ‘Sensores y Actuadores Manejo de didactica y| Tolerancia. Sistemas Digitales proyectos. Etica Teoria de Conjuntos Ordenado. Responsabilidad cientiica Teoria de control Creatividad. Espiritu de colaboracién. Enel MEI Uso de las TIC. Superacion profesional y docent. Solidaridad. al ELABQRO aM TONER wo. arma Snres Gos tvaro Mon Gt Forgera Cannon Mo fool Ae Eas ig anes Presidena de Academia, Enc. dela Subsection Academica Direster doty Una edenINSTITUTO POLITECNICO NACIONAL /\ SECRETARIA ACADEMICA DIRECCION DE EDUCACION SUPERIOR t upiitaipn PROGRAMA SINTETICO UNIDAD ACADEMICA: UNIDAD PROFESIONAL INTERDISCIPLINARIA EN INGENIERIA Y TECNOLOGIAS AVANZADAS. PROGRAMA ACADEMICO: Ingenieria Mecatrénica, UNIDAD DE APRENDIZAJE: —_ Sistemas Neurodifusos. NIVEL: 41, PROPOSITO GENERAL: Implementa sistemas de automatizacién y control inteligentes con base en la teoria de la logica difusa y/o de las redes neuronales artificiales. CONTENIDOS: |. Qperaciones, Relaciones y Transformaciones Difusas. I Controladores Légicos Difusos. lll, Redes Neuronales Monocapa con Entrenamiento Fuera de Linea, IV. Redes Neuronales Multicapa con Entrenamiento Fuera de Linea, | ORIENTACION DIDACTICA: Esta unidad de aprendizaje se abordaré mediante la estrategia de aprendizaje basado en problemas (ABP), a través de los métodos deductivo, inductivo y analdgioo. Las técnicas que auxiliaran a la estrategia seleccionada serén: resolucién de problemas, organizadores graficos, implementacién de algoritmos computacionales, | | exposiciones, discusiones guiadas, practicas e investigacion documenta. EVALUACION Y ACREDITACION: | | jta presente unidad de aprendizaje se evaluard a partir del esquema de portafolio de evidencias, el cual se| conforma de: evaluacién formativa, sumativa y rubricas de autoevaliacion y Coevaluacion Esta unidad de aprendizaje también se puede acreditar mediante: | + Evaluacién de saberes previamente adquirdos, con base en los cfterios establecidos por la Academia, | + Acredtacién en otra unidad académica del IPN u otra insttucién educativa, nacional o internacional, | externa al IPN, con la cual se tenga convenio. | BIBLIOGRAFIA: | 1, Hagan Martin T., Demuth Howard B., Beale Mark (2002). Neural Network Design (2” Edition). USA: Pws Publishing Company. ISBN: 978-0971732100. 2. Haykin, Simon (2008). Neural Networks: A Comprehensive Foundation (3° Edition). USA: Prentice Hall, ISBN: 978-0131471399. 3. Jang Jyh-Shing. R., Sun Chuen-Tsai, Mizutani Eiji (1997). Neuro-Fuzzy and Soft Computing: A ‘Computational Approach to Learning and Machine Intelligence (1 Edition). USA: Prentice Hall, ISBN: 978- 0132610667." 4. Kiir George J. (1995). Fuzzy Sets and Fuzzy Logic. Theory and Applic Hall PTR. USA. ISBN: 978-0131011717." 5. Ross Timothy J. (2004). Fuzzy Logic with Engineering Applications (3 Edition). Singapore: Wiley. ISBN: 9780470743768, ‘Libro clésico. tions (1" Edition). USA: PrenticeINSTITUTO POLITECNICO NACIONAL SECRETARIA ACADEMICA DIRECCION DE EDUCACION SUPERIOR UNIDAD ACADEMICA: UNIDAD PROFESIONAL] | UNIDAD DE APRENDIZAJE: Sistomas Neuroditusos INTERDISCIPLINARIA EN INGENIERIA TECNOLOGIAS AVANZADAS. TIPO DE UNIDAD DE APRENDIZAJE: Préctica/Obligatoria PROGRAMA ACADEMICO: Ingenieria Mecatronica VIGENCIA: Junio 2009 SALIDA LATERAL: En Mecatronica - NIVEL: 1 AREA DE FORMACION: Profesional CREDITOS: 3.0 TEPIC (2.90 SATCA) MODALIDAD: Escolarizada INTENCION EDUCATIVA Esta unidad de aprendizaje contribuye a conformar el perfil de egreso del Ingeniero en Mecatrénica al proporcionar los fundamentos de la légica difusa y de las redes neuronales ariificiales para su aplicacién en control y en el reconacimiento de patrones. Impacta en la capacidad del alumno para disefiar o actualizar usando métodos alternativos para el control yio automatizacion de sistemas y procesos. Asimismo, esta unidad de aprendizajes fomenta las siguientes competencias: comunicacién, la creatividad, y el pensamiento critico para la solucién de problemas afines al 4rea de ingenieria Unidades de aprendizaje precedentes: Algebra Lineal y Nimeros Complejos, Probabilidad y Estadistica para Ingenieria, Introduccién a la Programacién, Circuitos Légicos, Control Clasico, Sensores y Acondicionadores de Sefal, Electrénica ‘Analégica. Consecuentes: Procesador Digital de’ Sefiales, Control de Sistemas Mecatronicos, Control de Maquinas Eléctricas, Sistemas de Visién Artificial, Control de Sistemas Robéticos, Sistemas de Visién Aplicadas, Control Inteligente, Sistemas de Procesamiento Digital de Sefiales, Robitica y Sistemas inteligentes, PROPOSITO DE LA UNIDAD DE APRENDIZAJE. Implementa sistemas de automatizacién y control inteligentes con base en la teoria de la légica difusa y/o de las redes neuronales artiicales. TIEMPOS ASIGNADOS UNIDAD DE APRENDIZAJE] [AUTORIZADO POR: DISENADA POR: La Academia de| [Comision —_.dezs.,Programas HORAS TEORIASEMANA: 0.0 Sistemas Académicog! %, Consejo ‘ General Ca 5 HORAS PRACTICASEMANA: 3.0 | |REVISADA POFi=Subdireccion Académica : Se HORAS TEORIASEMESTRE: 0.0 | |APROBADAROR) \ = 2 * Consejo Te jo Escolar HORAS PRACTICASEMESTRE: 540 ing TOU oieeae Coe HORAS TOTALESISEMESTRE: 54.0 qq so, Men Comision de Programas ‘Académicos. 7 de Diciembre de 2011SECRETARIA ACADEMICA DIRECCION DE EDUCACION SUPERIOR UNIDAD DE APRENDIZAJE: _ Sistemas Neurodifusos. HOJA: 3 DE 10 N° UNIDAD TEMATICA: | NOMBRE: Operaciones, Relaciones y Transformaciones Difusas. UNIDAD DE COMPETENCIA Resuelve operaciones, relaciones y transformaciones con base en la teoria de la légica difusa. Horas ap | HORAS TAA Actividades de no Actividades | AArrondiasie a No. CONTENIDOS deDocencia | Aprendizale | a.Sctnca tTle|t Pp 1 Tntroduccién. _ 05 TC, 6B, 60, 76, 12 | Conjunios ditusos y conjuntos certeros como funciones. 10 0s | 98, 100, 118, de membresia 128, 136, 146 1.3 | Operaciones aplicables a os conjuntos ditusos. 19 10 1.4 | Relaciones y transformaciones cfusas. 35 20 144.1 | Relaciones clasicas y relaciones ditusas. 142 _ | Transformaciones difusas. 1.43 _| Principio de extension. 1.44 | Composicion cifusa Subiotales:| 00 | 60 | 00 | 35 ESTRATEGIAS DE APRENDIZAJE | Encuadre de la unidad de aprendizaie. La presente unidad se abordar4 a partir de Ia estrategia de aprendizaje basado en problemas, a través de los métodos ‘deductivo y analdgico, usando las siguientes técnicas: resolucién de problemas individuales y en equipo, desarrollo © implementacién de algoritmos computacionales y realizacion de la practica 1 EVALUACION DE LOS APRENDIZAJES: Evaluacién Diagnéstica ‘Autoevaluacién y coevaluacion (rébrica) Portafolio de evidencias Problemas resueltos individuales y en equipo 18% Reporte de la practica 35% Implementacion de algoritmos computacionales 10% Evaluacién escrita 40%INSTITUTO POLITECNICO NACIONAL /\ SECRETARIA ACADEMICA UU upiitaipn DIRECCION DE EDUCACION SUPERIOR UNIDAD DE APRENDIZAJE: _ Sistemas Neurodifusos. HOJA: 4 DE 10 N°UNIDAD TEMATICA: I NOMBRE: Controladores Légicos Difusos. UNIDAD DE COMPETENCIA Disenta diferentes tipos de controladores con base en la teoria de la logica difusa, Horas ap | HORAS TAA Actividades de | Actividades de | No. CONTENIDOS Docencia | Aprendizale Satis ;~ ‘Auténomo | "uoorsnce til e|f{rfe 21 |introduccién: 05 16, 20, 5B, 6C, 2.2 | Conceptos bésioos de control retroalimentado. 1.0 7C, 8B, 98, 2.3 | Sistema de inferencia dfusa. 20 40 | 106,118, 121 2.3.1 | Caracterizacion de universos dtusos. 196, 14€ 2.32 | Reglas dtusas de tipo "si-entonces” | 2.33 | Razonamiento dituso. | 2.3.4 | Funcién de transferencia del controlador légico dfuso. 24 | Controlador l6gico cifuso con sistema de inferencia de 08 10 tipo Mamdani 2.5 | Controlador légico aiftuso con sistema de inferencia de 05 10 tipo Sugeno-Takagi-Kang 2.6 | Controlador l6gico cifuso con sistema de inferencia de os 10 tipo Tsukamoto. 27 _| Aplicaciones. 1.0 20 Subtotales:| 0.0 | 60 | 00 | 90 | | ESTRATEGIAS DE APRENDIZAJE Esta unidad se abordard a partir de la estrategia de aprendizaje basado en problemas, a través de los métodos deductivo y analégico, empleando las siguientes técnicas: resoluci6n de problemas individuales y en equipo, investigacion, diserio e implementacién de algoritmos computacionales, implementacién en PC de un sistema de ‘control difuso, exposiciones y realizacién de las practicas 2 y 3. EVALUACION DE LOS APRENDIZAJES: Autoevaluacién y coevaluacién (ribrica) Portafolio de evidencias: Problemas resueltos individuales y en equipo 5% Reportes de las practicas, 35% Implementacion de algoritmos computacionales 5% Reporte de investigacién 5% Implementacién en PC de sistemas control 10% Exposicién 5% | Evaluacién escrita 35%INSTITUTO POLITECNICO NACIONAL /\ / upiitaipn SECRETARIA ACADEMICA DIRECCION DE EDUCACION SUPERIOR UNIDAD DE APRENDIZAJE: Sistemas Neuroditusos HOJA: 5 DE _10 N° UNIDAD TEMATICA: Il NOMBRE: Redes Neuronales Monocapa con Enirenamiento Fuera de Line UNIDAD DE COMPETENCIA Aplica algoritmos de entrenamiento fuera de linea con base en las diferentes arquitecturas de redes neuronales artificiales monocapa. wonas ap | FORAS TAK Actividades de No CconTeNibos deDocencia | Aprendizalo | aio, ‘Autonome Tere (aera a1 [laveauesn. o5 108,785, 82 | Arutectua y elementos fundamentales de una red 10 86, 100, 120 neuronal artical 33 |Exraccin de caracteristicas a pair de pavones de os 10 | datos. a4 | Redes neuronales. monocapa para clasieacén de 45 patones | 341 Red Perceptron, arquitectura, algoritmo y aplicaciones. | 32 |Red Adaline, aralecura, agorimoy apicaciones. 85 | Redes neuronales monocapa para ta asociacion de 1 patrons, 251 |Red'de Hebb supenisada, acutectra, algorimo y Eplcacones as [Aedes "neuronales monocapa basadas_ en 10 50 cometenda 61 _| Redes avoorganizadas. Subiotaes:| 00 | 30 | 00 | 120 ESTRATEGIAS DE APRENDIZAJE La presente unidad se abordaré a partir de la estrategia de aprendizaje basado en problema, a través de los métodos deductivo, inductive y analégico, usando las siguientes técnicas: resolucién de problemas individuales y en equipo, organizadores graficos, implementacién de algoritmos computacionales, investigacién, exposiciones y realizacion de las practicas 4, 5 y 6. ~~ EVALUACION DE LOS APRENDIZAJES ‘Autoevaluacién y coevaluacién (rUbrica) Portafolio de evidencias: Problemas resueltos individuales y en equipo 10% ‘Mapas mentales 5% Reportes de las précticas 35% Implementacién de algoritmos computacionales 5% Reporte de investigacién 5% Exposicién 5% Evaluacion escrita 35%INSTITUTO POLITECNICO NACIONAL /\ SECRETARIA ACADEMICA U* upiitaipn DIRECCION DE EDUCACION SUPERIOR UNIDAD DE APRENDIZAJE: _ Sistemas Neurodifusos. ____HOJA: 6 DE 10 N° UNIDAD TEMATICA: IV NOMBRE: Redes Neuronales Multicapa con Entrenamiento Fuera de Linea, UNIDAD DE COMPETENCIA Implementa algoritmos de entrenamiento fuera de linea con base en las arquitecturas de redes neuronales ariificiales mutticapa, HoRAs ap | HORAS TAA . | conrewpos Aeiwcedes “Sorandzse ae lo. deDocencia | Aprendizale | aaiinca TlP|T P i | Iniroduecion 05 10, 38, 48, 5B, 42 | Arquitecturas multicapa. 05 08 | 66, 100, 13¢. 43 | Técnicas de optimizacion, 3.0 44 |Red neuronal de Retropropagacién, arquitectura, 10 20 | algoritmo y aplicaciones. | 4.5 | Variantes de la red neuronal de Retropropagacion 05 2s | 46 | Aplicaciones 05 35 | | Subtotales:| 00 | 30 | 00 | 115 ESTRATEGIAS DE APRENDIZAJE Esta unidad se abordaré a partir de la estrategia de aprendizaje basado en problemas, a través de los métodos deduct, inductivo y anal6gico, empleando las siguientes técnicas: resolucién de problemas individuales y en equipo, implementacién de algoritmos computacionales, investigacién, disefio e implementacion en PC de una red neuronal aificial, exposiciones y realizacién de las practicas 7 y 8. EVALUACION DE LOS APRENDIZAJES Autoevaluacién y coevaluacién (ribrica) Portafolio de evidencias: Problemas resueltos individuales y en equipo 5% Reportes de las practicas 35% Implementacién de algoritmos computacionales 5% Reporte de investigacién 5% Impiementacién en PC de una red neuronal artificial 10% Exposicion 5% Evaluacién escrita 35%UNIDAD DE APRENDIZAJE: _ Sistemas Neurodifusos, SECRETARIA ACADEMICA DIRECCION DE EDUCACION SUPERIOR INSTITUTO POLITECNICO NACIONAL /\ Ws upiitaipn HOJA: 7 DE 10 RELACION DE PRACTICAS PRACTICA No. NOMBRE DE LA PRACTICA unipapes | DURACION | LUGAR DE REALIZACION TEMATICAS 7 ‘Operaciones, __relaciones__y T 35 | Laboratorio de Computo transtormaciones en el dominio diuso. 2 Implementacién de sistemas de| I 120 inferencia difusa 3 Aplicacién de sistemas de inferencia W 3.0 itusa 4 Implementacion de red neuronal a 75 monocapa para clasiicacion de patrones. 5 Implementacion de red neuronal] Il 15 monocapa para asociacién de patrones. 6 Implementacion de redes neuronales| Il 60 monocapa basadas en algoritmos de competencia 7 Implementacién de redes neuronales} IV 105 multicapa, 8 Aplicacién de redes neuronales} IV 40 aifciales, TOTAL DE | 640 HORAS EVALUACION Y ACREDITACION: Las précticas aportan el 35% de la calificacién de cada unidad tematic. ‘Serd indispensable contar con todas las practicas realizadas para tener el derecho de_acreditar la unidad de aprendizale, el cual esté considerado dentro de la evaluacién continua.INSTITUTO POLITECNICO NACIONAL /\ SECRETARIA ACADEMICA DIRECCION DE EDUCACION SUPERIOR upiitaipn UNIDAD DE APRENDIZAJE: _ Sistemas Neurodifusos. HOJA: 8 DE 10 PERIODO | UNIDAD. PROCEDIMIENTO DE EVALUAGION 1 T | Evaluacion continua 60% Evaluacion escrita 40% 2 UII | Evaluacién continua 65% Evaluacién escrita 35% 3 Iv | Evaluacién continua 65% Evaluacion escrita 35% Los porcentajes con los que cada unidad temditica contribuyen a la evaluacion final son: La.unidad | aporta el 15% de la calificacién final La unidad I! aporta el 25% de la calificacion final La unidad Ill aporta el 30% de la calificacién final. La unidad Ill aporta el 30% de la caliticacién final. Esta unidad de aprendizaje también se puede acreditar mediante: ‘+ Evaluacién de saberes previamente adquiridos con base en los criterios, {que establezca la Academia. ‘+ Acreditacién en otra unidad académica del IPN u otra institucién educativa, nacional o internacional, extema al IPN, con la cual se tenga convenio.UNIDAD DE APRENDIZAJE: INSTITUTO POLITECNICO NACIONAL DIRECCION DE EDUCACION SUPERIOR Sistemas Neurodifusos. HOJA: SECRETARIA ACADEMICA CLAVE c BIBLIOGRAFIA 1 10 " 12 13 4 x Danuta Rutkowska (2010). Neuro-Fuzzy Architectures and Hybrid Leaming, Vol. 85 of Studies in Fuzziness and Soft Computing (1" Ezition). USA: Springer. ISBN: 978-3790825008, De Silva Clarence W (1995). Inteligent Control: Fuzzy Logic Applications. (1 Edition). USA: CRG Press LLC. ISBN: 978-0849379826." Hagan Martin T., Demuth Howard B., Beale Mark (2002). Neural Network Design (2 Edition). USA: Pws ‘Publishing Company. ISBN: 978- 0971732100. Haykin, Simon (2008). Neural Networks: A Comprehensive Foundation (3° Edition). USA: Prentice Hall. ISBN: 978-0131471399. Jang Jyh-Shing. R., Sun Chuen-Tsai, Mizutani Eiji (1997). Neuro-Fuzzy and Soft Computing: A Computational Approach to Learning and Machine Inteligence (1* Edition). USA: Prentice Hall, ISBN: 978-0132610667." Karray, Fakhreddine O., De Siva, Clarence W. (2004). Soft Computing and Inteligent Systems Design: Theory, Tools and Applications (1 Edition). USA: Addison Wesley. ISBN: 978-0821 116178. Nedjah Nadia, de Macedo M. Luiza (2010). Fuzzy Systems Engineering: ‘Theory and Practice, USA: Springer. ISBN: 978-3642064609. Kai Michels, Frank Klawornn, Rudolf Kruse, Andreas Namberger (2010). Fuzzy Control. Fundamentals, Stability and Design of Fuzzy Controllers (1 Edition). Holanda: Springer. ISBN: 978-3-642-06863-8, Kir George J. (1995). Fuzzy Sets and Fuzzy Logic. Theory and Applications (1* Edition). USA: Prentice Hall PTR. USA. ISBN: 978- o13to1t7i7" Lin Chin-Teng, George Lee C. S. (1996). Neural Fuzzy Systems. A Neuro-Fuzzy Synergism to Intelligent Systems (1" Edition). USA: Prentice Hall Inc. ISBN: 978-0132351690." Ross Timothy J. (2004). Fuzzy Logic with Engineering Applications (3" Edition). Singapore: Wiley. ISBN: 978-0470743768. Passino Kevin M.,Yurkovich Stephen (1998). Fuzzy Control (1* Edition), USA: Addison-Wesley. ISBN: 978-0201180749." Ponce Cruz Pedro (2010). Inteligencia Artificial con Aplicaciones a la Ingenieria (1* Edicion). México: Alfaomega. ISBN: 978-607-7854-83-8. Yen, John, Langari, Reza (1998). Fuzzy Logic: Intelligence, Control and Information (1* Edition). USA: Pearson. ISBN: 978-0135258170." “Libro clasico,