Disciplina

Área

Área Científica de Controlo, Automação e Informática Industrial > Informática Industrial

Activa nos planos curriculares

MEIC-T 2015 > MEIC-T 2015 > 2º Ciclo > Agrupamentos > Robótica Inteligente > Controlo e Decisão Inteligente

MEIC-A 2015 > MEIC-A 2015 > 2º Ciclo > Agrupamentos > Robótica Inteligente > Controlo e Decisão Inteligente

MEIC-A 2006 > MEIC-A 2006 > 2º Ciclo > Área de Especialização Complementar > Sistemas Robóticos > Controlo e Decisão Inteligente

Nível

Exame ou testes e trabalho prático.

Tipo

Não Estruturante

Regime

Semestral

Carga Horária

1º Semestre

3.0 h/semana

2.0 h/semana

Objectivos

Fornecer uma perspectiva moderna do controlo de sistemas de alto nível, especialmente o controlo e decisão baseados em técnicas inteligentes (soft computing). Dotar os alunos de conhecimentos da teoria, projecto e aplicação de técnicas de soft computing, dando especial ênfase a sistemas fuzzy, redes neuronais, e a algoritmos de optimização genéticos e inspirados em agentes biológicos. As técnicas utilizadas deverão ser aplicadas sinergeticamente em problemas de modelação, controlo, classificação, decisão e optimização, em sistemas complexos de grande escala.

Programa

Perspectiva histórica sobre sistemas e controlo dinâmico. Introdução aos sistemas inteligentes. Análise de dados dinâmicos. Identificação e modelação inteligente. Sistemas e conjuntos fuzzy. Operações e relações fuzzy. Sistemas baseados em regras. Fuzzy clustering.. Controlo fuzzy. Redes neuronais: definições, arquitecturas básicas e aprendizagem. Redes adaptativas. Classificação neuronal. Aprendizagem híbrida. Perceptrão. MultiLayer Perceptron (MLP). Radial Basis Function Networks (RBFN). Modelação de sistemas dinâmicos com redes neuronais. Sistemas neuro-fuzzy. Aprendizagem aplicada a problemas de decisão. Teoria da decisão inteligente: objectivos, restrições e decisões. Problemas de optimização baseados em modelo. Introdução ao conceito de optimização. Optimização baseada no gradiente. Optimização não-linear. Optimização não-convexa. Métodos de Newton. Meta-heurísticas. Algoritmos genéticos. Algoritmos evolutivos (genéticos) baseados em código real. Algoritmos de vida artificial. Conceitos básicos de colónias de formigas. Exemplos práticos de aplicações de modelação, controlo, classificação, decisão e optimização inteligentes.

Metodologia de avaliação

Exame ou testes e trabalho prático.

Pré-requisitos

Componente Laboratorial

Princípios Éticos

Componente de Programação e Computação

Componente de Competências Transversais

Bibliografia

Principal

A Computational Approach to Learning and Machine Intelligence

J.-S. Jang, C.-T. Sun and E. Mizutani

1997

Prentice Hall, New Jersey


Computational Intelligence: An Introduction

Andries P. Engelbrecht

2002

John Wiley


Fuzzy Decision Making in Modeling and Control

J.M.C. Sousa and Uzay Kaymak

2002

World Scientific and Imperial College Editors, 2002.


Artificial Intelligence: A Guide to Intelligent Systems

M. Negnevitsky

2002

Addison Wesley, Harlow, England