Aplicaciones

Inteligencia Computacional

Carrera de Ingeniería Informática

Aplicaciones de IC

• Unidad VIII: Configuración del problema y aplicación de las técnicas de inteligencia computacional en: clasificación de patrones, agrupación de patrones, aproximación de funciones, optimización, búsqueda de soluciones, regresión, predicción de series temporales, control de procesos, identificación de sistemas, compresión de señales, memorias y recuperación de información. Interrelaciones entre las técnicas de inteligencia computacional: sistemas híbridos.

Tipos de Aplicaciones de IC

• Clasificación de patrones, • Agrupación de patrones, • Aproximación de funciones, • Optimización, • Búsqueda de soluciones, • Regresión, • Predicción de series temporales, • Control de procesos, • Identificación de sistemas, • Compresión de señales, • Memorias y recuperación de información.

Bloques de IC

• Redes neuronales

• Sistemas borrosos

• Inteligencia colectiva

Clasificación de patrones

Extracción características

Clasificador

Datos Clase

Representación Pesos

Clasificación de patrones

• Redes neuronales– PMC

• Sistemas borrosos– Fuzzy classifier

• Inteligencia colectiva– AntMiner

x2

x1

FunciónDiscriminante

Agrupación de patrones

Extracción características

Agrupamiento

Datos Grupo

Representación Centroides

Agrupación de patrones

• Redes neuronales:– Redes de base radial

• Sistemas borrosos:– Fuzzy c-means clustering

• Inteligencia colectiva:– Ant-based clustering

Aproximación de funciones

Extracción características

Aproximador

DatosEntrada

DatosSalida

Representación Parámetros

Aproximación de funciones

• Redes neuronales– PMC (salida lineal)

• Sistemas borrosos– Fuzzy rules for aproximation

• Inteligencia colectiva– Fitting model to data (PSO)

Optimización / Búsqueda soluciones

FunciónDesconocida

AlgoritmoBúsqueda

Datos ValorEncontrado

Salida

Restricciones

Optimización / Búsqueda soluciones

• Redes neuronales– Red Hopfield modificada

• Sistemas borrosos– Optimización difusa

• Inteligencia colectiva– PSO

Regresión / Predicción series temporales

Extracción características

Predictor

SeñalEntrada

SeñalSalida

Representación Parámetros

Regresión / Predicción series temporales

• Redes neuronales– Red con retardos

• Sistemas borrosos– Fuzzy time series

• Inteligencia colectiva– Filtros NARX optimizados mediante PSO

Control de procesos

Sistema

SensoresF

( - )

r (+) yeControlador

C

u

Referencia

P(u)

Entrada SalidaError

Parámetros

Control de procesos

• Redes neuronales– Red con retardos (salida lineal)

• Sistemas borrosos– Controlador difuso

• Inteligencia colectiva– PID adaptado con GA

sy

Identificación de sistemas

+

-

ef(e)

arg min ( ( ))a

f e a

H(a)

Hest(aest)

aest

Sistema real

Sistema estimado

Superficie de error en función de los parámetrosMétodo para hallar el

óptimo

Criteriox y

Identificación de sistemas

• Redes neuronales

• Sistemas borrosos

• Inteligencia colectiva– NARX con GA o PSO

Compresión de datos

Compresor

De-compresor

Almacenamiento o

transmisión

Entrada datos

Salida datos

Datoscomprimidos

Compresión de datos

• Redes neuronales– PMC Auto-enconder

• Sistemas borrosos– Fuzzy clustering compression

• Inteligencia colectiva– Ant-based clustering compression

Memorias y recuperación de información

Codificación Almacenamiento

DatosEntrada

Recuperación

DatosSalida

Pistas o dato parcial

Memorias y recuperación de información

• Redes neuronales

– Red de Hopfield

• Sistemas borrosos

– Fuzzy associative memory

• Inteligencia colectiva

– Swarm memory???

HP/FP Very low HP Low HP Medium HP High HP Very high HP

Very weak FP Retreat! Retreat! Defend Defend Attack

Weak FP Retreat! Defend Defend Attack Attack

Medium FP Retreat! Defend Attack Attack Full attack!

High FP Retreat! Defend Attack Attack Full attack!

Very high FP Defend Attack Attack Full attack! Full attack!

Sistemas híbridos

• Interrelaciones entre las técnicas de inteligencia computacional…

Trabajo final

• Consiste en la solución de un problema propuesto por los alumnos.

• En base a una búsqueda bibliográfica, se debe proponer (e implementar) una solución válida, aplicando las herramientas que se vieron en el cursado.

• Se debe realizar en grupos de 2 o 3 personas.

• Cada integrante del grupo propone un problema práctico a resolver y un tutor (de la Cátedra) guía al grupo para seleccionar y delimitar uno de los temas.

• Este tutor guía luego todo el desarrollo del trabajo.

Trabajo final

• La aprobación consiste en la entrega de un informe escrito y una presentación oral de 15 minutos, con defensa oral de 5 minutos (20 ptos: 10 informe escrito+ 10 presentación oral)

• El estilo y estructura puede descargarse desde el Wiki de la Cátedra.

• No se aceptarán trabajos individuales ni problemas que no hayan sido seleccionados junto al tutor asignado.

Cronograma• Semana 10:

– Práctica (18/10/10): continúa GTP 3, comienza GTP 4.

– Teoría (21/10/10): Unidades VIII (aplicaciones). Inicio de los trabajos finales (TF).

• Semana 11:

– Evaluación (25/10/10): GTP 3. Práctica (25/10/10): continúa GTP 4.

– Evaluación (28/10/10): entrega de propuestas definitivas TF y asignación tutores.

• Semana 12:

– Práctica (01/11/10): continúa GTP 4, desarrollo de TF.

– Teoría (04/11/10): Parcial 2 (Unidades V a VIII).

• Semana 13:

– Evaluación (08/11/10): GTP 4. Clase de práctica (08/11/10): desarrollo de trabajos finales.

– Evaluación (11/10/10): Entrega de implementación de TF.

• Semana 14:

– Clase de práctica (15/11/10): feriado.

– Clase de teoría (18/11/10): Introducción sistemas basados en conocimientos (Clase Prof. invitada).

• Semana 15:

– Evaluación (22/11/10): Entrega informes, presentación TF (todos deben estar presentes).

– Evaluación (25/11/10): Recuperación de parciales. Recuperación de prácticos.

Bibliografía

• IEEE Transactions on: Fuzzy Systems, Evolutionary Computation, Neural Networks, Pattern Analysis and Machine Intelligence, Systems, Man, and Cybernetics, Robotics and Automation, Information Theory, Knowledge and Data Engineering

• Elsevier Science: Fuzzy Sets and Systems, Intelligent Data Analysis, International Journal of Neurocomputing, Neural Networks, Pattern Recognition, Neurocomputing, Applied Soft Computing, Artificial Intelligence

• Ablex Publishing: Journal of Artificial Neural Networks• World Scientific Publishing: International Journal on Artificial Intelligence

Tools, International Journal of Intelligent Control and Systems, International Journal of Neural Systems, International Journal of Pattern Recognition and Artificial Intelligence, International Journal of Cooperative Intelligent Systems, International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems

Bibliografía

• MIT Press: Neural Computation, Evolutionary Computation, Journal of Cognitive Neuroscience, Artificial Life.

• Kluwer Academic Publishers: Machine Learning, Neural Processing Letters, Journal of Intelligent Systems

• Springer Verlag: Neural Computing with Applications, Swarm Intelligence, Machine Learning, Artificial Life and Robotics, Evolutionary Intelligence, Fuzzy Optimization and Decision Making, Genetic Programming and Evolvable Machines, Pattern Recognition and Image Analysis, Soft Computing

• John Wiley & Sons: International Journal of Intelligent Systems• Pergamom Press: Neural Networks• Blackwell Publishers: Computational Intelligence• International Neural Network Society: INNS Neural Networks Newsletter• Finance & Technology Publishing: Journal of Computational Intelligence in

Finance