Disciplina
Controlo e Decisão Inteligente
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
Computational Intelligence: An Introduction
Fuzzy Decision Making in Modeling and Control
World Scientific and Imperial College Editors, 2002.
Artificial Intelligence: A Guide to Intelligent Systems
Addison Wesley, Harlow, England