Inteligencia computacional I

Clave: 14B6992


No. de horas: 72


Créditos: 5


Tipo de asignatura: Optativa


Fecha de elaboración: 2014-10-28



Objetivo general:


Que el alumno adquieralos fundamentos teóricos para el diseño de sistemas inteligentes avanzados, enlos cuales se requiere el aprendizaje mediante la adaptación de sistemaslingüísticos usando algoritmosevolutivos.


Temas:


  1. Introducción.
  2. Sistemas difusos.
  3. Algoritmos genéticos y meméticos.
  4. Sistemas genético difusos.


Bibliografía:


[1]  Andries P. Engelbrecht, Computational Intelligence: An Introduction, Second Edition, Ed. Wiley, 2007.
[2]  Nazmul Siddique, Hojjat Adeli, Computational Intelligence: Synergies of Fuzzy Logic, Neural Networks and Evolutionary Computing, Ed. Wiley,2013.
[3]  Timothy J. Ross, Fuzzy Logic with Engineering Applications, Third Edition. Ed. Wiley, 2010.
[4]  J.-S. R. Jang, C.-T. Sun, E. Mizutani, Neuro-Fuzzy and Soft Computing, A computational approach to learning and Machine Intelligence, Ed. PrenticeHall, 1997.
[5]  R. Sepúlveda, O.Montiel, O. Castillo, P. Melin, Fundamentos de Lógica Difusa, Ed. ILCSA, 2002.
[6]  Oscar Cordón, Francisco Herrera, Frank Hoffman, Luis Magdalena. Genetic Fuzzy Systems. Evolutionary Tuning and Learning of Fuzzy Knowledge Bases. Advances in Fuzzy Systems – Applications and Theory Vol. 19. Ed. WorldScientific, 2002.
[7]  David E. Goldberg, Genetic Algorithms in Search, Optimization and Machine Learning, Addison Wesley   Professional,1989.
[8]  Randy L. Haupt, Sue Ellen Haupt, Practical Genetic Algorithms, Ed. Wiley, 2004.
[9]  S.N. Sivanandam, S.N. Deepa, Introduction to Genetic Algorithms, Springer, 2008.
[10]  Ferrante Neri, Carlos Cotta, Pablo Moscato(Eds.), Handbook of Memetic Algorithms (Studies in Computational Intelligence), Springer, 2013.
[11]  Oscar Montiel Ross, Roberto Sepúlveda Cruz(Eds.), High Performance Programming for Soft Computing,   CRC Press Taylor and Francis Group, 2014.