Disciplina
Sistemas Inteligentes
Área
Área Científica de Controlo, Automação e Informática Industrial > Controlo, Automação e Robótica
Activa nos planos curriculares
MEMec 2021 > MEMec 2021 > 2º Ciclo > Opções Livres > Especialidades Secundárias > Especialidade Secundária em Produção > Sistemas > Sistemas Inteligentes
MEAer 2017 > MEAer 2017 > 2º Ciclo > Especializações > Aeronaves > Opções > Opções 9º Semestre > Sistemas Inteligentes
MEMec 2006 > MEMec 2006 > 2º Ciclo > Áreas de Especialização > Sistemas > Sistemas Inteligentes
Nível
Exame final (50%), projeto em sala de aula (20%), trabalho prático/projeto com apresentação final (30%).
Tipo
Não Estruturante
Regime
Semestral
Carga Horária
1º Semestre
2.0 h/semana
1.5 h/semana
119.0 h/semestre
Objectivos
A disciplina tem por objectivos formar os alunos nos fundamentos da teoria dos sistemas inteligentes. Fornecer os princípios básicos da lógica vaga (fuzzy) e da sua aplicação à modelação, controlo e decisão qualitativas. Introdução dos formalismos da modelação e controlo por redes neuronais, assim como da teoria subjacente aos sistemas neuro-fuzzy, optimização fuzzy e deep learning aplicado a redes neuronais e modelação fuzzy.
Programa
Soft computing. Conjuntos fuzzy: operações, relações, composição fuzzy, inferência e sistemas fuzzy. Modelos fuzzy baseados em regras. Modelo linguístico (Mamdani) e Takagi‐Sugeno. Identificação com fuzzy clustering. Interpretabilidade de modelos fuzzy. Redes neuronais: definições, arquitecturas básicas; aprendizagem, redes multi‐camada e redes neuronais baseadas em funções radiais. Aprendizagem. Redes recorrentes. Modelação dinâmica e estática com redes neuronais. Aprendizagem profunda. Redes neuro‐fuzzy: sinergias da combinação das duas metodologias de modelação. Controlo fuzzy clássico. Controlo baseado em modelos. Controlo preditivo. Controlo por modelo interno linear e não linear. Controlo fuzzy inverso. Controlo com funções objectivo fuzzy. Algoritmo de branch‐and‐bound aplicado a controlo preditivo. Filtros preditivos fuzzy. Controlo com redes neuronais. Teoria da decisão fuzzy. Otimização fuzzy. Aplicações a problemas de modelação, decisão e controlo em engenharia.
Metodologia de avaliação
Exame final (50%), projeto em sala de aula (20%), trabalho prático/projeto com apresentação final (30%).
Pré-requisitos
Não aplicável.
Componente Laboratorial
1 - Conjuntos fuzzy, relações fuzzy e sistemas fuzzy. 2 - Controlo fuzzy. 3 - Modelação fuzzy e nneuronal. 4 - Deep Learning.
Princípios Éticos
Todos os membros do grupo são responsáveis pelo trabalho do grupo. Em qualquer avaliação, todo o aluno deve divulgar honestamente qualquer ajuda recebida e fontes usadas. Numa Avaliação oral, todo aluno deverá ser capaz de apresentar e responder a perguntas sobre toda a avaliação.
Componente de Programação e Computação
Programação em Matlab/Simulink. Utlização de Python, Java, C++ ou outras linguagens de programação adequadas.
Componente de Competências Transversais
Projecto realizado em grupo exige pensamento crítico e inovador, tomada de decisão, trabalho em equipa, liderança, capacidade de comunicação oral, utilização de ferramentas informáticas de multimédia (20% da componente de avaliação do projecto).
Bibliografia
Principal
Neuro-Fuzzy and Soft Computing: A Computational Approach to Learning and Machine Intelligence.
J.-S. Jang, C.-T. Sun and E. Mizutani.
Prentice Hall, New Jersey, 1997.
Fuzzy Decision Making in Modeling and Control
“Neural Networks and Learning Machines”
“Fuzzy Control: Fundamentals, Stability and Design of Fuzzy Controllers”
K. Michels, F. Klawonn, R. Kruse and A. Nürnberger