DEPARTAMENTO

DE INGENIERIA ELECTRONICA


IDENTIFICACIÓN
Nombre de la asignatura  ELECTIVA DE CONTROL II 
Código de la asignatura   
Programa Académico  Ingeniería Electrónica 
Intensidad horaria semanal  4   
Créditos académicos  4 
Requisitos  ELECTIVA CONTROL I, ELECTRÓNICA III 
Departamento oferente  Ingeniería Electrónica 
Tipo  Presencial 
PRESENTACIÓN
Esta asignatura presenta un tratamiento adicional del análisis y diseño de sistemas de control.
Este es un curso teórico práctico, que capacita al estudiante para realizar sistemas inteligentes e
interfaces hombre máquina, mediante uso y desarrollo de técnicas de aprendizaje de máquinas
JUSTIFICACIÓN
Aprender a emplear los conceptos fundamentales, organización, funcionamiento, entrenamiento y
manejo de las Redes Neuronales Artificiales y Lógica Difusa, para realizar proyectos de
investigación aplicado a los sistemas de control en forma general, contribuyendo al desarrollo
tecnológico de procesos industriales y en otros diversos campos tales como las comunicaciones,
robótica, domótica, reconocimiento de patrones, medicina, señales, finanzas, automóviles, etc
OBJETIVOS GENERALES
Proporcionar al estudiante los conocimientos adecuados sobre la estructura, implementación y
funcionamiento de las Redes Neuronales Artificiales y lógica difusa.
OBJETIVOS ESPECÍFICOS
 Diseñar Sistemas Conexionistas para la resolución de problemas tales como el
reconocimiento de formas en imágenes, diagnóstico médico, predicción meteorológica,
predicción bursátil, control e identificación de sistemas físicos, robótica. etc.
 Realizar prácticas de implementación mediante programación de varios modelos de redes
neuronales y su aplicación a sistemas simulados y reales
METODOLOGÍA
La asignatura será dirigida por el docente, teniendo en cuenta los temas establecidos por la
dirección del programa , a través de:

Docencia Directa: Esta estrategia corresponde a clases presenciales, dirigidas por el docente, el
cual explicará y profundizará las ideas y conceptos principales de cada tema, fomentando la
investigación, participación e interés del estudiante, mediante el diseño y dirección de proyectos,
talleres, debates, mesas redondas, sustentaciones y socialización de lecturas autorreguladas,
mapas conceptuales y ensayos.

Trabajo independiente: Esta estrategia corresponde al aprendizaje por parte del estudiante. Para
ello, debe documentarse y preparar los diferentes temas de la asignatura con anticipación,
teniendo en cuenta el contenido suministrado por el docente, utilizando las diferentes fuentes
bibliográficas.

Horas de Asesorías: Esta estrategia corresponde a la asesoría que se le brinda al estudiante, sobre
las tareas asignadas en horas estipuladas independientemente de las horas de docencia directa.
 COMPETENCIAS GENERALES
Cognitivas. Modelar y caracterizar un sistema o señal, analizar su respuesta y dinámica en los
dominios continuo y discreto, reconocer las propiedades de las señales y los sistemas en los
planos complejos de Laplace y transformada Z; transformar señales de tiempo continuo en señales
de tiempo discreto; comprender y manejar el diseño de filtros y controladores discreto; así como
su implementación en computadores y en sistemas embebidos; diseñar controladores digitales a
partir de controladores continuos, diseñar controladores o compensadores digitales utilizando los
métodos tradicionales o clásicos y los métodos modernos.

Investigativas. Modelar formalmente los sistemas de tiempo continuo y de tiempo discreto,

desarrollar formalmente el diseño de controladores digitales de tiempo continuo y tiempo discreto,
desarrollar las simulaciones de los procesos y sistemas controlados utilizando las herramientas
informáticas de MatLab, Labview, Scilab, Octave.

Laborales. Reconocer las características específicas de los sistemas, aplicar las herramientas de
análisis para la manipulación y control de los sistemas, aplicar las herramientas matemáticas
estudiadas para la implementación de sistemas de control digital, especificar y diseñar sistemas de
control digital, utilizar de manera asertiva el software LabView con los fines de automatización y
control empleando los conceptos de control estudiados.
ESTRATEGIAS METODOLÓGICAS
Metodología Pedagógica y Didáctica:

1. Clases magistrales por parte del docente.

2. Evaluaciones periódicas, algunas anunciadas previamente, de no más de 120 minutos,
sobre los temas vistos en clase.
3. Realización de proyectos prácticos sobre los temas vistos en clase.
4. Lecturas complementarias sobre los temas vistos, y revisión de artículos publicados,
discusión en clase sobre los mismos, evaluación o realización de trabajos de diseño y
simulación.
5. Trabajos para la casa, sobre diseño y simulación de los temas tratados en clase.
6. Proyectos de final de materia en donde se consignen todos los temas vistos en la
asignatura. (opcional)
7. Exposiciones magistrales de los alumnos sobre temas específicos previamente asignados.

La asignatura será desarrollada en un semestre académico que consta de 16 semanas, en la cual

se evaluará la participación en las diferentes actividades programadas, teniendo en cuenta que el
desarrollo de los temas se complementará laboratorios como parte de la estrategia metodológica.

Las fechas de inicio y de finalización de cada tema serán indicadas por el docente responsable y se
requiere una dedicación de 12 horas semanales por parte del estudiante en casa. 

CONTENIDO
UNIDAD 1: INTRODUCCIÓN
Tiempo de desarrollo: 2 semanas

OBJETIVO DE LA UNIDAD: Que el estudiante identifique las generalidades de las redes

neuronales.
TEMAS
1.1. Objetivos
1.2. Definición de las Redes Neuronales Artificiales – RNA
1.3. La neurona biológica
1.4. Modelo matemático de la neurona
1.5. Historia de las RNA’s
1.6. Aplicaciones
 1.7. Representaciones de las RNA’s
1.8. Función de Activación
1.9. Estructura de Una red
1.10. Clasificación
1.10.1 Según su topología
1.10.2 Según el algoritmo de aprendizaje
1.11. Modelos de RNA’s

UNIDAD 2: REDES MONOCAPA.

Tiempo de desarrollo: 2 semanas

OBJETIVO DE LA UNIDAD: Qué el estudiante adquiera en el conocimiento preliminar de las

redes Mono capa, maneje su arquitectura e implemente dichas redes en sistemas
computacionales.
TEMAS
2.1. Perceptrón simple
2.1.1. Introducción e historia del Perceptrón
2.1.2. Limitantes del perceptrón
2.1.3. Regla de aprendizaje del perceptrón
2.1.4. Algoritmo de aprendizaje
2.1.5. Instrucciones Básicas en Matlab
2.2. Adaline
2.2.1. Regla de aprendizaje
2.2.2. Algoritmo Least Mean Square – LMS
2.2.3. Proceso de aprendizaje
2.2.4. Perceptrón Vs Adaline
2.2.5. Filtro Adaptativo
2.2.6. Instrucciones Básica en Matlab
2.3. Madaline
2.3.1. Arquitectura de la Red Lineal Adaptativa Múltiple
2.3.2. Proceso de aprendizaje
2.3.3. Instrucciones Básicas en Matlab

MODULO 3: REDES MULTICAPA

Tiempo de desarrollo: 4 semanas

OBJETIVO DE LA UNIDAD: Qué el estudiante adquiera en el conocimiento preliminar de las

redes Multi capa, maneje su arquitectura e implemente dichas redes en sistemas computacionales.
TEMAS:
2.1. Introducción
2.2. Problema de XOR
2.3. Perceptrón Multicapa
2.3.1. Arquitectura
2.3.2. Regiones de decisión
2.3.3. Funciones de Activación típicas
2.4. Algoritmo de Retropropagación – Backpropagation
2.4.1. Regla de aprendizaje
2.4.2. Topología
2.4.3. Interpretación matemática
2.4.4. Error en Backpropagation
2.4.5. Backpropagation en Matlab
2.4.6. Mejoras y aceleración en la convergencia del algoritmo Backpropagation
2.4.7. Interfaz gráfica de RNA en Matlab

UNIDAD 4: LÓGICA DIFUSA O BORROSA

Tiempo de desarrollo: 4 semanas
OBJETIVO DE LA UNIDAD: Qué el estudiante desarrolle actividades usando las técnicas de
análisis de estabilidad de sistemas de control en el dominio del plano Z.
TEMAS
4.1. Introducción a la lógica difusa – Fuzzy Logic
4.2. Teoría clásica de conjuntos
4.3. Conjuntos difusos
4.4. Funciones de pertenencia o membrecía
4.5. Variables lingüísticas
4.6. Reglas o inferencias difusas
4.7. Fuzificación de entradas
4.7.1. Método de implicación
4.7.2. Método de agregación
4.8. Defuzificación
4.9. Interfaz gráfica de Fuzzy en Matlab

EVALUACIÓN
Contemplará tres (3) cortes: 30%, 30% y 40%, cada uno de los cuales será la sumatoria de los
logros alcanzados en cada actividad, en concordancia con la metodología planteada y con las
fechas estipuladas por la universidad para la entrega de notas (atendiendo las normas internas de
la universidad).

En este proceso primarán los criterios de compromiso, responsabilidad y puntualidad, sin perjuicio
que al interior de cada corte se pueda implementar un criterio evaluativo propio del área,
asignatura o temática específica.
Procedimiento para evaluar: Los procedimientos para evaluar son de responsabilidad
profesional del docente que oriente la asignatura, teniendo en cuenta los ejes temáticos y las
estrategias metodológicas presentadas y desarrolladas en ella, con el fin de contrastar las
competencias y los logros obtenidos con los indicadores derivados de los objetivos.

ELEMENTOS DE EVALUACIÓN

El proceso de evaluación se guiará por el modelo institucional, las metodologías implementadas en

los ambientes virtuales de aprendizaje y se ejecutará con base en los siguientes momentos:
Autoevaluación, coevaluación y heteroevaluación

 AUTOEVALUACIÓN: La realiza el estudiante al inicio y al final de cada fase de

aprendizaje con el fin de identificar las debilidades o vacíos cognitivos, como sus logros o
dominios en el abordaje del tema.
 COEVALUACIÓN: Es un proceso de trabajo colaborativo de los estudiantes en el cual
socializan el resultado de sus construcciones personales de conocimiento y reciben la
realimentación de sus compañeros, sustentan sus puntos de vista, asimilan nuevos
enfoques y ajustan sus planteamientos con el enriquecimiento conceptual logrado en el
dialogo de saberes. Los momentos de coevaluación integran la orientación pedagógica de
la guía de actividades y la autorregulación del aprendizaje por parte del estudiante.
 HETEROEVALUACIÓN: Es una evaluación sumativa. Coordinada en cuanto a fechas y
contenidos. Además de la revisión y realimentación por parte del tutor sobre las
construcciones cognitivas registradas. El tutor enfoca la heteroevaluación como un análisis
de logros a partir del acompañamiento a los estudiantes en sus procesos de aprendizaje,
evidenciados en resultados participativos, en listas de correo, foros, wikis, blogs, mural
electrónico, y demás eventos con productos de conocimiento o desempeño, más el
resultado de la evaluación final.

La distribución porcentual de calificaciones asignadas en los procesos evaluativos es la

 siguiente:

40% (3 Tallere) +20% (3 Laboratorios)+ 40% (Proyecto)

Los criterios de evaluación de las actividades programadas responden a la competencia asociada

de la asignatura. No obstante, existen otros criterios específicos que se relacionan a continuación:

 Nivel de adquisición y explicitación de elementos conceptuales y metodológicos

que permitan el desarrollo de la competencia de la asignatura.
 Grado de elaboración de las aportaciones a lo largo del curso que sean pertinentes
con los contenidos a tratar y que fomenten la discusión y el trabajo cooperativo
con el resto de participantes.

Los productos de las diferentes actividades serán corregidos y devueltos a los estudiantes con las
pertinentes notas y comentarios de manera personalizada y grupal (Feedback).  
REFERENCIAS BIBLIOGRÁFICAS

LECTURAS OBLIGATORIAS
1. Ogata, K., Ingenieria de Control Moderna. Segunda Edición. Prentice Hall. 1996
2. Ogata, K. Sistemas De Control En Tiempo Discreto. Segunda Edición. Prentice - Hall Inc,
México, 1996.
3. Kuo, B., Sistemas de Control automático, séptima edición. Prentice - Hall Inc, México DF,
1995
4. Haykin Simon. Neural Networks. A comprehensive foundation. Prentice Hall 2nd. edition,
1999 [RL] (Todo, del lado teórico)
5. Swingler Kevin. Applying Neural Networks. A Practical Guide. Academic Press, 1996 [RL]
(Metodología de diseño de MLP, muy centrado en lo práctico)
6. Hilera José R. y Martínez Víctor J. Redes Neuronales Artificiales. Fundamentos, modelos y
aplicaciones Addison-Wesley Iberoamericana (Serie Paradigma) 1995 [RL, Gonvill] (Fund.,
perspectiva gral., aplic.)

LECTURAS COMPLEMENTARIAS – BASES DE DATOS UPC

La Universidad cuenta con las siguientes bases de datos: PROQUEST, EBRARY,

E-LIBRO, SAFARI, JURIVERSIA, LEGIS, AMBIENTALEX.INFO

LECTURAS SUGERIDAS
1. Fine Terrence L.. Feedforward Neural Network Methodology. Springer Verlag, 1999 [RL]
(Metodología, del lado teórico)
2. Bishop Christopher M. Neural Networks For Pattern Recognition. Oxford University Press,
1995 [RL] (Probabilistic NN, MLP, RBFN)
3. Anderson James y Rosenfeld E. Neurocomputing: foundations of research. MIT Press,
1988. [006. 3 AND] (Serie de artículos pilares)
4. Baughman D. R. y Liu Y. A. Neural Networks in Bioprocessing and Chemical Engineering.
Academic Press, 1995 [RL] (fundamentos y aplicaciones en procesos bioquímicos)
5. The Mathworks, Inc. The Neural Network Toolbox Manual, 1994 [LAB] (Casi todo,
 fundamental para el curso)
6. Masters T. Practical Neural Network Recipes in C++, Academic Press, 1993 [RL] (Aspectos
prácticos sobre diseño -Cap 5-)
7. Lecturas Sugeridas.
8. Johnson J. y Picton P. Concepts in Artificial Intelligence, Butterworth & Heinemann, 1994
[RL] (Fund., MLP, aplic. MLP).
9. Freeman J., Skapura D. Redes Neuronales, algoritmos, aplicaciones y técnicas de
programación, Addison-Wesley, 1993. [006. 3 FRE] (Casi todo con algoritmos en pascal)
10. Sanchez Camperos, Nelson Edgar, Alanis Garcia Alma Yolanda redes neuronales:
conceptos fundamentales y aplicaciones a control automático. Prentice-Hall 2006.