ET6DM - Inteligência Computacional Aplicada a Controle e

Ministério da Educação
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ
Campus Curitiba
PLANO DE ENSINO
CURSO Engenharia Industrial Elétrica – Ênfase Eletrotécnica
FUNDAMENTAÇÃO LEGAL
617
Resolução 03/06 - COENS e Resolução 96/06 - COEPP
Resolução 69/06 - COEPP
DISCIPLINA/UNIDADE CURRICULAR
Inteligência Computacional Aplicada a Controle e
Automação
PRÉ-REQUISITO
EQUIVALÊNCIA
MATRIZ
CARGA HORÁRIA (horas)
Teórica
Prática
Total
60
00
60
CÓDIGO
ET6DM
IF61A (Computação 1), ET65B (Eletrônica Digital), ou P7
---
EMENTA
Introdução à IA. Representação do Conhecimento. Sistemas Especialistas. Linguagem LISP e PROLOG. Agentes Inteligentes. Lógica
Nebulosa. Redes Neurais. Algoritmos Genéticos.
ITEM
EMENTA
1
Introdução à Inteligência Artificial (IA).
2
Representação do Conhecimento.
3
Sistemas Especialistas (SE).
4
Linguagem LISP e PROLOG.
5
Agentes Inteligentes.
6
Lógica Nebulosa.
7
Redes Neurais.
8
Algoritmos Genéticos.
CONTEÚDO
Histórico. Conceitos Básicos. Domínios de Aplicação e Perspectivas.
Sistemas Inteligentes e baseados em Conhecimento. Introdução à
Resolução de Problemas por meio de Estratégias de Buscas.
Fundamentação da Engenharia Ontológica e do Conhecimento.
Abordagens do Raciocínio baseado em Conhecimento Certo e Incerto.
Representação e Identificação das Técnicas de Tratamento da Incerteza.
Introdução às Lógicas não Clássicas e aos Métodos de Inferência
utilizados na Solução de Problemas Complexos, associados à
Automação de Processos.
Definição das Características, da Arquitetura e das Etapas de
Desenvolvimento de um SE. Introdução aos Métodos para Solução de
Problemas com encadeamento direto, reverso, com raciocínio
probabilístico, baseados em regras, casos, crenças, e aplicados ao
Controle de Processos.
Visão Geral da Lógica Proposicional, dos Predicados e Lógica de
Primeira Ordem. Prova Automática de Teoremas, utilizando cláusulas de
Horn, com base na Linguagem procedural PROLOG. Introdução ao
paradigma de programação não procedural utilizado no desenvolvimento
das plataformas de SE e baseado em Linguagem LISP.
Definições do Ambiente, da Estrutura e dos Tipos de Agentes. Introdução
aos Sistemas Multiagentes. Exemplos de Paradigmas Orientados a
Agentes, aplicados ao Controle Automatizado.
Noções da Teoria dos Conjuntos. Introdução às Operações com
Conjuntos Nebulosos e Visão Geral da Aritmética e Relações Difusas.
Representação e Modelos de Inferência Fuzzy. Exemplos de Sistemas
de Controle utilizando Lógica Nebulosa.
Definições Básicas para o desenvolvimento de Modelos e Técnicas de
Aprendizado e Generalização. Estrutura do Neurônio Artificial e
Identificação de Modelos de Redes Neuronais com aplicações no
reconhecimento de padrões, processamento de sinais, diagnósticos de
falhas e no Controle de Processos.
Conceitos Básicos da Computação Evolutiva. Introdução aos Sistemas
Adaptativos. Exemplos de Algoritmos Genéticos aplicados ao Controle
Automatizado.
REFERÊNCIAS
Referências Básicas:
CAMPOS, M. N. de; SAITO, Kaku. Sistemas Inteligentes em Controle e Automação de Processos. Rio de Janeiro:
Ciência Moderna, 2004.
NACIMENTO Jr., Cairo L.; YONEYAMA, Takashi. Inteligência Artificial em Controle e Automação. São Paulo:
Edgard Blücher/FAPESP, 2000.
RUSSEL, Stuart; NORVIG, Peter. Inteligência Artificial. Rio de Janeiro: Elsevier, 2004 (Trad. da 2. ed.).
Revisado por:
Instrucao
Aprovado por:
Coordenacao de Curso
FORMULÁRIO UNIFICADO / GERÊNCIA DE ENSINO
Data:
Vigora a partir de:
XXX/2009
Semestre ou ano
Referências Complementares:
AGUIAR, Hime; JÚNIOR, Oliveira (Coords.) Inteligência Computacional: aplicada à Administração, Economia e
Engenharia em Matlab. São Paulo: Thomson, 2007.
BITTENCOURT, Guilherme. Inteligência Artificial: ferramentas e teorias. 3. ed. Florianópolis: Ed. da UFSC, 2006.
LEVINE, Robert I. et al. Inteligência Artificial e Sistemas Especialistas. São Paulo: Ed. da UTFPR, 1988.
LUGER, George F. Inteligência Artificial: estruturas e estratégias para a solução de problemas complexos. 4. ed.
Porto Alegre: Bookmann, 2004.
REZENDE, Solange O. (Coord.). Sistemas Inteligentes: fundamentos e aplicações. Barueri-SP: Manole, 2005.
SHAW, Ian S.; SIMÕES, Marcelo G. Controle e Modelagem Fuzzy. 2. ed. (Revisada e Ampliada) São Paulo: Edgard
Blücher/FAPESP, 2007.
KOVÁCS, Zsolt L. Redes Neurais Artificiais: fundamentos e aplicações. 4. ed. São Paulo: Ed. Livraria da Física,
2006.
Sistema de Avaliação:
A aprovação nas disciplinas dar-se-á por média ou com exame final.
§ 1º – Considera-se, para todos os efeitos, Média Parcial (MP) como a média aritmética de duas ou quatro notas
parciais, dependendo do regime letivo ser semestral ou anual respectivamente, e cada Nota Parcial (NP) como sendo
resultante de pelo menos uma avaliação prevista no plano de ensino de cada disciplina.
§ 2º – Considerar-se-á aprovado por média, o aluno que tiver freqüência igual ou superior a 75% (setenta e cinco por
cento) e média parcial igual ou superior a 7,0 (sete), consideradas toda as avaliações previstas no plano de ensino da
disciplina, calculada pela seguinte expressão:
MP = Σ NP ≥ 7,0
n
Onde:
MP = média parcial
NP = nota parcial
n = nº de notas parciais
§ 3º – A Média Final do aluno aprovado por média será igual à sua Média Parcial.
§ 4º – O aluno com Média Parcial inferior a 4,0 (quatro) e/ou com freqüência inferior a 75% (setenta e cinco por cento),
será considerado reprovado na disciplina.
§ 5º – O aluno com Média Parcial igual ou superior a 4,0 (quatro), com freqüência igual ou superior a 75% (setenta e
cinco por cento) e que não tenha sido aprovado por média terá direito a prestar exame final.
§ 6º – No caso do parágrafo anterior, considerar-se-á aprovado com exame final, o aluno que tiver freqüência igual ou
superior a 75% e obtiver Média Final (MF) igual ou superior a 5,0 (cinco), calculada pela seguinte expressão:
MF = MP + EF >= 5,0
2
Onde:
MF = média final
MP = média parcial
EF = exame final
Revisado por:
Instrucao
Aprovado por:
Coordenacao de Curso
FORMULÁRIO UNIFICADO / GERÊNCIA DE ENSINO
Data:
Vigora a partir de:
XXX/2009
Semestre ou ano