Programa

Sistemas Inteligentes

Mestrado Integrado em Engenharia Mecânica

Programa

Introdução a ?soft computing?. Introdução à teoria dos conjuntos vagos (fuzzy). Operações, relações e composição fuzzy relacional. Inferência e sistemas fuzzy. Modelos fuzzy baseados em regras. Modelo linguístico (Mamdani) e Takagi‐Sugeno. Representação de sistemas dinâmicos. Identificação usando ?fuzzy clustering?. Interpretabilidade de modelos fuzzy. Redes neuronais: definições, arquitecturas básicas; aprendizagem. Redes neuronais multi‐camada directa. Redes neuronais baseadas em funções radiais. Aprendizagem em redes com funções radiais. Redes recorrentes. Modelação dinâmica com redes neuronais. 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. Formulação na perspectiva da teoria da decisão fuzzy. Algoritmo de branch‐and‐bound aplicado a controlo preditivo. Filtros preditivos fuzzy. Controlo com redes neuronais. Aplicações a problemas de decisão e controlo em engenharia.

Controlo e Decisão Inteligente

Mestrado Bolonha em Engenharia Informática e de Computadores - Alameda

Mestrado Bolonha em Engenharia Informática e de Computadores - Taguspark

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.