Documentos de Académico
Documentos de Profesional
Documentos de Cultura
I. INFORMACIÓN GENERAL
El curso prepara al estudiante en las aplicaciones teórico-prácticas relacionadas con el estudio de la inteligencia
artificial poniendo énfasis en dos áreas específicas: las redes neuronales artificiales y la lógica difusa. Los temas
que se abordan relacionados con las redes neuronales, son vistos desde el estudio de los algoritmos con
aprendizaje supervisado y sus aplicaciones como, reconoce patrones, aproximadores de funciones no lineales,
mientras que los tópicos de la lógica difusa comprende el estudio de la matemática difusa, las relaciones
difusas, producto cartesiano difuso y composición difusa, así mismo se vera el estudio de la inferencia de
Mamdani y Sugeno y sus aplicaciones, especialmente poniendo énfasis al diseño de los sistemas de control
difuso en aplicaciones académicas e industriales.
1
UNIVERSIDAD NACIONAL DE INGENIERÍA
Facultad de Ingenieria Mecánica
Escuela Profesional de Ingenieria Mecánica Eléctrica
EXAMEN PARCIAL
EXAMEN FINAL
EXAMEN SUSTITUTORIO
2
UNIVERSIDAD NACIONAL DE INGENIERÍA
Facultad de Ingenieria Mecánica
Escuela Profesional de Ingenieria Mecánica Eléctrica
VI. METODOLOGÍA
El curso se desarrolla en sesiones de teorías, práctica y laboratorio de cómputo. En las sesiones de teoría, se
presenta los conceptos, teoremas y aplicaciones. En las sesiones prácticas, se resuelve diversos problemas y se
analiza su solución. En las sesiones de laboratorio comprende dos aspectos, primero el uso del software de
simulación MATLAB y LabVIEW para resolver problemas y analizar su solución, segundo la implementación de
tareas de tiempo real usando interface NIDAQ que se comunican con la PC por el puerto USB. En todas las
sesiones se promueve la participación activa del alumno.
Para obtener el promedio final (PF) del curso, se obtiene a partir de la siguiente formula:
PP + EP + 2EF
PF =
4
EP: Examen Parcial EF: Examen Final PP: Promedio de Practicas Calificadas. (se sugiere ver ORCE)
VIII. BIBLIOGRAFÍA
BIBLIOGRAFÍA BÁSICA
1. Liu Xing. Neural Networks and Identification, Prediction and Control. Springer-Verlag, London Limited, 1997.
2. Madan Gupta, Liang Jim, Noriyasu Homma. Static andDynamicNeural Networks, John Wiley & Sons 2003.
3. Jhon Yen and Reza Langari. “Fuzzy Logic: Intelligence, Control, and Information”. Prentice Hall Upper Saddle
River, New Jersey, 1999.
4. Li-Xin Wang. “A Course in Fuzzy System and Control”. Prentice Hall, 1997.