INTELIGENCIA COMPUTACIONAL I

Universidad Distrital Francisco Jos de Caldas

Facultad de Ingeniera
Proyecto curricular de ingeniera electrnica
Horario: Martes 10:00 am 12:00 pm, SAB 500.
Mircoles 8:00 10:00 am, FICC 205.
Jueves 10:00 am 12:00 pm, SAB 500
Profesor: Miguel A. Melgarejo R.
Correo electrnico: mmelgarejo@udistrital.edu.co
Horario de atencin:
Jueves 2:00 a 4:00 pm, sala LAMIC.
Viernes 2:00 a 4:00 pm, sala LAMIC.
Syllabus : Inteligencia computacional I.
Justificacin.
Segn Fogel [1] la inteligencia computacional se define como el conjunto de tcnicas
computacionales y teoras que ven en la naturaleza una fuente de inspiracin para resolver
problemas. Hoy en da, la inteligencia computacional se encuentra soportada por las
computaciones neuronal, difusa y evolutiva, al igual que los sistemas hbridos que las combinan
o que combinan otros paradigmas relacionados con las mismas.
La inteligencia computacional se ha convertido en una herramienta transversal que da soporte a
una gran variedad de disciplinas, siendo entonces uno de los motores de investigacin y
desarrollo tecnolgico ms prometedores del mundo moderno. De hecho, la inteligencia
computacional ha permitido que la creciente complejidad de los problemas se maneje de forma
natural y en casos particulares de manera ptima. Se pueden citar algunos casos particulares con
el fin de dar una idea del potencial de aplicacin de este paradigma. Entre otros vale la pena
mencionar: sistemas inteligentes de manufactura [2], hardware tolerante a fallas [3], modelado
de la actividad del cerebro[4] y control inteligente de vehculos [5]
Los procesos de diseo en ingeniera electrnica tienen que abordar la solucin de problemas
cuya complejidad crece cada da. Algunos problemas particulares que reafirman este enunciado
entre otros son:

Diseo de antenas inteligentes y adaptativas con patrones de radiacin ptimos [6].

Diseo de redes inteligentes [7]
Diseo de controladores adaptativos [8].
Diseo de aplicaciones basadas en biometra [9]

El ingeniero electrnico moderno debe estar en capacidad de afrontar el estudio y solucin de

estos y otros problemas, donde la complejidad y la incertidumbre suponen mayores retos y
dificultades. En ese sentido, las tcnicas de inteligencia computacional se presentan como

herramientas alternativas que permiten avanzar en la solucin de los mismos. As pues, el

ingeniero electrnico de hoy debera ser conducido hacia el estudio de estas tcnicas desde una
perspectiva bsica, de manera que autnomamente pueda profundizar en ellas o apropiarse de las
mismas.
Una exploracin de programas acadmicos nacionales e internacionales en ingenieras elctrica y
electrnica [10-13] permite afirmar que en otros lugares de Colombia y el mundo se vienen
dando pasos que avanzan hacia la integracin de la enseanza de la inteligencia computacional
en los currculos de pregrado en ingeniera electrnica. Debe resaltarse que el estudio de la
inteligencia computacional en estos programas se lleva a cabo por medio de cursos electivos en
los ltimos semestres, los cuales tienen un carcter de profundizacin.
Particularmente, el curso de Inteligencia Computacional I, aborda el estudio de los SISTEMAS
DIFUSOS. La teora de los sistemas difusos busca emular la forma como los seres humanos
desarrollan procesos de inferencia basados en la experiencia y el lenguaje [14]. Esta clase de
sistemas permite adicionalmente modelar: la vaguedad [15] y ciertos fenmenos de naturaleza no
lineal [16,17].
Particularmente dentro del contexto de la ingeniera electrnica, la aplicacin de los sistemas
difusos ha mostrado resultados interesantes en el tratamiento de problemas como: modelado de
funciones y sistemas no lineales [16,17], control de procesos complejos y no lineales[14],
ecualizacin de canales no lineales de comunicacin [15], filtrado no lineal de imgenes [18]
entre otros.
As pues, los sistemas difusos se pueden considerar como una herramienta transversal que le
permitira al ingeniero electrnico moderno proponer soluciones innovadoras a problemas en
diferentes reas. Igualmente al ser una tcnica fundamentada en la bio-inspiracin ofrece un
campo de exploracin acadmico amplio para el ingeniero en formacin. En ese sentido, el
estudiante puede entrar a potenciar sus competencias en investigacin, pensando en continuar
hacia estudios de postgrado relacionados con inteligencia computacional.
Referencias
[1] D. Fogel, CIS welcome message from the President, IEEE Computational Intelligence
Society, 2008, http://ieee-cis.org/about_cis/
[2] T. Fokuda and N. Kubota, Intelligent learning robotic systems using computational
intelligence, Computational Intelligence the experts speak, Wiley Inter-science, 2002, pp.
121-138.
[3] T. Higuchi et al, Evolvable hardware and its applications, Computational Intelligence the
experts speak, Wiley Inter-science, 2002, pp. 191-206
[4] B. Balnkertz et al, The Berlin Brain-Computer Interface, Computational Intelligence:
Research Frontiers, Springer, 2008, pp. 79 -101
[5] H. Hagras, Type-2 Fuzzy Logic Controllers: A Way Forward for Fuzzy Systems in Real
World Environments, Computational Intelligence: Research Frontiers, Springer, 2008, pp.
79 -101

[6] X. Huang , Smart Antennas for Intelligent Transportation Systems, 2006 6th International
Conference on ITS Telecommunications Proceedings, 2006, pp 426-429
[7] H. Nojeong and P Varshney, Energy-efficient deployment of Intelligent Mobile sensor
networks, IEEE Transactions on Systems, Man and Cybernetics, Jan. 2005,pp 78 92
[8] T. Nguyen and R. Gianto ,Neural networks for adaptive control coordination of PSSs and
FACTS devices in multimachine power system, IET 2008 Generation, Transmission &
Distribution, May 2008, pp., 355 372
[9] R. Sala et al, Personal Identification Through 3D Biometric Measurements Based on
Stereoscopic Image Pairs, Proceedings of the 2006 IEEE International Workshop on
Measurement Systems for Homeland Security, Contraband Detection and Personal Safety,
2006, pp. 10-13
[10] Universidad de Antioquia, Plan de estudios del programa de ingeniera electrnica,
http://electronica.udea.edu.co/.
[11] Universidad del Valle, Plan de estudios del programa de ingeniera electrnica,
https://swebse29.univalle.edu.co/datalinea//paquetes/catalogoasignaturas/index.php
[12] University of Surrey, Electronic Engineering Programme Overview and Structure,
http://www.surrey.ac.uk/undergraduate/courses/coursedetails.php?url=engineering/electroni
c/programme
[13] University of Melbourne, Bachelor of engineering program ( electrical engineering),
https://app.portal.unimelb.edu.au/CSCApplication/view/2008/355-EE
[14] L. X. Wang, A course on fuzzy systems and control, Prentice Hall, 1996.
[15] J. Mendel, Uncertain Rule-Based Fuzzy Logic Systems, Prentice Hall, 2000.
[16] R. Babuska, Fuzzy Modeling for control , Kluwer Academics, 1998.
[17] C. Pea-Reyes, Evolutionary Fuzzy Modeling, Springer-Verlag, 2004.
[18] M Nachtegae, Fuzzy filters for image processing, Springer Verlag, New York, 2003
Objetivos
1. Presentar al estudiante las bases tericas de los conjuntos y sistemas difusos.
2. Introducir al estudiante en los mtodos de aprendizaje y evolucin en sistemas difusos.
3. Presentar al estudiante criterios para la implementacin hardware y software de sistemas
difusos.
4. Mostrar al estudiante un marco aplicativo de los sistemas difusos en ingeniera.
5. Introducir al estudiante a nuevas tendencias en teora y diseo de sistemas difusos.
Metodologa
El espacio acadmico se desarrollar semanalmente de la siguiente manera:
1. Leccin magistral en la cual se presentarn los elementos tericos y conceptuales de la
unidad temtica que se encuentre bajo estudio de acuerdo con la programacin.
2. Sesin de ejercicios en la cual estudiante y profesor revisarn los conceptos introducidos
en la leccin magistral por medio del desarrollo de problemas bsicos en herramientas
computacionales
3. Trabajo autnomo enfocado al desarrollo de talleres de aplicacin de la teoras
presentadas magistralmente. Se complementar con el desarrollo de un proyecto de curso

en el cual los estudiantes ubicarn un problema de su inters y lo resolvern por medio de

los mtodos y tcnicas estudiadas en el curso.
Para el desarrollo de los espacios acadmicos bajo la metodologa sugerida anteriormente ser
necesario contar con medios audiovisuales, como por ejemplo Video-Beam y proyector de
transparencias. Igualmente el desarrollo la sesin cooperativa de taller demandar de una sala de
informtica dotada con un nmero suficiente de computadores, los cuales debern contar con las
plataformas software apropiadas para el desarrollo de los tpicos.
Los talleres computacionales se desarrollarn en clase bajo el ambiente MATLAB de
Mathworks empleando las licencias universitarias disponibles en campus. Para el trabajo
independiente de los estudiantes se recomienda utilizar plataformas de acceso libre compatibles
con MATLAB. Algunas de estas herramientas son SCILAB, OCTAVE y Python-Anaconda
las cuales estn disponibles al publico en los siguientes enlaces:
http://www.scilab.org/
http://octave.sourceforge.net/
https://store.continuum.io/cshop/anaconda/

Proyecto de curso
El proyecto de curso busca que el estudiante ubique un problema de su inters dentro de los
contextos de aplicacin de sistemas difusos (i.e. Clasificacin, prediccin, estimacin) y lo
resuelva por medio de los mtodos estudiados en la asignatura. El proyecto se desarrollar en
tres fases: modelado difuso lingstico, aprendizaje y evolucin. Los resultados de cada una de
las fases sern presentados al curso en formato de seminario. Al final, se escribir un artculo
tcnico-cientfico que recopilar todo el desarrollo del proyecto, haciendo particular nfasis en
las conclusiones del mismo.
Evaluacin.
Examen parcial
Proyecto: Modelado difuso
Proyecto: Aprendizaje en sistemas difusos
Proyecto: Sistema difuso evolutivo
Examen final (Artculo)

20%
15%
15%
20%
30%

La ausencia a un examen, seminario o entrega de taller deber estar justificada por una excusa
validada por la coordinacin del programa o la oficina de bienestar institucional. Adems, se
llevar listado de asistencia.
Referencias bibliogrficas.
Libros:
L. X. Wang, A course on fuzzy systems and control, Prentice Hall, 1996.
G. Klir and B. Yuan, Fuzzy Sets and Fuzzy Logic: Theory and Applications, Prentice Hal,
1995
J. Mendel, Uncertain Rule-Based Fuzzy Logic Systems, Prentice Hall, 2000.
C. Pea-Reyes, Evolutionary Fuzzy Modeling, Springer-Verlag, 2004.
Cronograma del curso.
Semana

Tema

Introduccin a la inteligencia computacional.

Conjuntos difusos y operaciones.

Relaciones difusas.

Actividades

Taller
4

Lgica difusa y razonamiento aproximado.

Taller

Sistemas difusos
Taller

Definicin de problema de
curso.

Aproximadores universales
Taller

Marzo 613

Examen parcial

Examen escrito

Marzo
23-24

Entrega de proyecto: Modelado difuso

Seminario

Fundamentos de optimizacin

Aprendizaje supervisado en sistemas difusos

(Caso deterministico)
10

Repaso de probabilidad
Aprendizaje supervisado en sistemas difusos
(Caso aleatorio)

11

Aprendizaje no supervisado
Agrupamiento difuso

12

ltima
de abril

13

Entrega de proyecto: Aprendizaje en sistemas

difusos

Seminario

Computacin evolutiva
Algoritmos genticos

14

Computacin evolutiva de segunda generacin

Modelado difuso evolutivo

15

Algoritmos memticos
Casos de estudio

16

ltima
de mayo

Entrega de proyecto: Sistema difuso evolutivo

Seminario
Examen final