Temario Detallado - Ciencias Computacionales

TEMARIO DE CURSO
INTELIGENCIA COMPUTACIONAL II
Coordinación de Ciencias Computacionales, INAOE
Versión del 19 de Mayo 2015
POSIBLES INSTRUCTORES




Dra. María del Pilar Gómez Gil
http://ccc.inaoep.mx/~pgomez/
Dra. Alicia Morales Reyes
http://ccc.inaoep.mx/~amorales/
Dr. Carlos Alberto Reyes García
http://ccc.inaoep.mx/~kargaxxi/
Dr. Hugo Jair Escalante Balderas
http://ccc.inaoep.mx/~hugojair/
OBJETIVO DEL CURSO
Este curso tiene como objetivo profundizar en varios tópicos relacionados a la Inteligencia
Computacional (IC), que sean de interés para los participantes. Estos tópicos incluyen temas
asociados a algoritmos evolutivos, sistemas híbridos inteligentes y modelos específicos de redes
neuronales artificiales. Se espera que el alumno(a) profundice su conocimiento teórico y práctico
de las técnicas cubiertas en el curso.
REQUISITOS
Se espera que el alumno(a) tenga conocimientos básicos sobre las siguientes áreas de inteligencia
computacional: algoritmos evolutivos, lógica difusa y/o redes neuronales artificiales.
MÉTODO DE TRABAJO
El curso será impartido en varias etapas, involucrando a los diferentes instructores de acuerdo a
los temas cubiertos. El curso podrá contener exposiciones en clase de los conceptos o proyectos
Temario Inteligencia computacional-II © INAOE, Versión: 19-Mayo-2015
1/4
asignados, discusiones en grupo, revisión de artículos y desarrollo de ejercicios o proyectos
asignados por los instructores.
CONTENIDO DEL CURSO
1. Tópicos relacionados al cómputo evolutivo
 Control de parámetros en algoritmos evolutivos
 Algoritmos evolutivos paralelos
 Aprendizaje computacional basado en cómputo evolutivo
 Cómputo evolutivo multi-objetivo
 Otros métodos de optimización heurística
2. Tópicos relacionados con redes neuronales artificiales
 Redes recurrentes
 Mapas auto-organizados
 Redes caóticas y aplicaciones de predicción
 Maquinas de soporte vectorial
3. Tópicos relacionados a sistemas híbridos
 Sistemas neuro-fuzzy y fuzzy neurales
 Sistemas fuzzy-genéticos y neuro-genéticos
 Sistemas neuro-fuzzy-genéticos
 Revisión de híbridos con nuevos paradigmas
BIBLIOGRAFÍA RECOMENDADA
1. Computational Intelligence, a methodological introduction. R. Kruse, C. Moewes, C.
Borgelt, M. Steinbrecher, F. Klawonn, P. Held. Springer: London, 2013. ISBN: 978-14471-5013-8
2. Neural Networks and Learning Machines. Third Edition. Simon Haykin. Pearson
Education: Upper Saddle River, New Jersey 2009.
ISBN: 0-13-147139-2
3. Redes Neuronales y Sistemas Borrosos, 3ª. Edición. Bonifacio Martín del Brío, Alfredo
Sanz Molina. Ed. Alfaomega Ra-Ma, México 2007. ISBN: 978-970-15-1250-0
4. Mandic D, Chambers, J. Recurrent Neural Networks for Prediction, John Wiley and Sons,
Chichester 2001.
5. Paul John Werbos. The Roots of Backpropagation. From Ordered Derivatives to Neural
Networks and Political Forecasting. Wiley Interscience. 1994.
6. Simon Haykin (editor). Kalman Filtering and Neural Networks. John Wiley & Sons. New
York. 2001. QA76.87/K35/2001.
7. Pedrycz, Witold, Computational Intelligence: An Introduction, Boca Raton, CRC Press,
1998.
Temario Inteligencia computacional-II © INAOE, Versión: 19-Mayo-2015
2/4
8. Sinha, Naresh K., (Ed), Soft Computing & Intelligence Systems: Theory & Applications,
San Diego Calif., Academic Press, 2000.
9. Kosko, Bart, Fuzzy Engineering, New Jersey : Prentice Hall, 1997.
10. Pal, Sankar K., Mitra, Sushimita, Neuro-Fuzzy Pattern Recognition: Methods in Soft
Computing, New York, Wiley Interscience Publication, 1999.
11. Cordon, Oscar, Genetic Fuzzy Systems: Evolutionary Tuning and Learning of Fuzzy
Knowledge Bases, Singapore, World Scientific, 2001.
12. Michalewicz, Zbigniew, Genetic Algoritms + Data Structures = Evolution Programs,
Berlin, Springer -Verlag, 1996.
13. Ibrahim, Ahmad M. Introduction to Applied Fuzzy Electronics, New Jersey, Prentice
Hall, 1997.
14. Kerre, Etienne, (Ed) Fuzzy Techniques in Image Processing: Techniques and applications,
Heidelberg, Physica - Verlag, 2000
15. Piero P. Bonissone, Fuzzy Logic and Soft Computing, Technology Development and
Applications, General Electric CRD, Schenectady, USA, 1996
16. Algunos Sitios Web Utiles para sistemas híbridos:
 http://www.soft-computing.de/
 http://neural.cs.nthu.edu.tw/jang/nfsc.htm
 http://ohm.utp.edu.co/neuronales/
 http://www.cs.berkeley.edu/projects/Bisc
 http://www.emsl.pnl.gov:2080/proj/neuron/ci/gateway/USA.html
 http://cs.felk.cvut.cz/~xobitko/ga/
 http://www.inaoep.mx
17. A. Eiben. J. E. Smith. Introduction to Evolutionary Computing. Natural Computing
Series, Springer, 2010.
18. R. Poli, W. B. Langdon. A Field Guide to Genetic Programming. Available online at:,
2008.
19. J. Koza. Genetic Programming. MIT Press, 1992.
20. X. Yu, M. Gen. Introduction to Evolutionary Algorithms. Decision Engineering Series,
Springer, 2010.
EVALUACIÓN DEL CURSO
Cada parte del curso será evaluada por el instructor(a) involucrado(a). La calificación final está
dada por el promedio de estas evaluaciones.
CODIGO DE ETICA
Se espera que el/la estudiante observe en todas las actividades del curso, el comportamiento ético
adecuado a cualquier profesional de ingeniería o ciencias. Como un ejemplo de Código de Ética
consultar el de la IEEE (www.ieee.org) o de la ACM (www.acm.org), disponibles en:
 Institute for Electrical and Electronics Engineers. Code of Ethics.
http://www.ieee.org/about/corporate/governance/p7-8.html?. IEEE Policies. Consultado el
13 de Mayo de 2015.
Temario Inteligencia computacional-II © INAOE, Versión: 19-Mayo-2015
3/4

Association for Computing Machinery. Code of Ethics.
?https://www.acm.org/about/code-of-ethics? . ACM Code of Ethics and Professional
Conduct. October 16th, 1992. Consultado el 13 de Mayo de 2015.
Temario Inteligencia computacional-II © INAOE, Versión: 19-Mayo-2015
4/4