Inteligencia computacional I

Clave: 14B6993

No. de horas: 72

Créditos: 5

Tipo de asignatura: Optativa

Fecha de elaboración: 2014-10-28

Objetivo general:

Que el alumno adquiera los fundamentos teóricos para el diseño de sistemas inteligentes avanzados, en los cuales se requiere el aprendizaje mediante la adaptación de sistemas lingüísticos usando, algoritmos evolutivos.

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. Prentice Hall, 1997.
5. R.Sepúlveda, O. Montiel, O. Castillo, P. Melin, Fundamentos de Lógica Difusa, Ed.ILCSA, 2002.
6. Osear 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.World Scientific, 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, RobertoSepúlveda Cruz (Eds.), High Performance Programming for Soft Computing, CRC Press Taylor and Francis Group, 2014.