Temas y Subtemas del curso

1 Análisis de datos multidimensionales
1.1 Descomposición en valores singulares
1.2 Análisis de componentes principales
1.3 Reconstrucción de variables
1.4 Aplicaciones

2 Modelación del habla
2.1 Modelos articulatorios del aparato de producción del habla
2.2 Síntesis de voz
2.3 Reconocimiento de voz
2.4 Aplicaciones

3 Lógica difusa
3.1 Conjuntos difusos
3.1 Sistemas de inferencia difusos
3.1 Control difuso
3.1 Aplicaciones

4 Redes neuronales
4.1 Acondicionamiento de datos
4.2 Algoritmos avanzados de entrenamiento:
4.2.1 Retropropagación con momentum
4.2.2 Algoritmo QUICKPROP
4.2.3 Algoritmo RPROP
4.3 Memorias auto asociativas
4.4 Aplicaciones

5 Agentes inteligentes en Internet
5.1 Arquitecturas de agentes
5.2 Sistemas multiagentes
5.3 Interacción entre agentes
5.4 Aplicaciones

6 Visión
6.1 Formación de imágenes
6.2 Procesamiento de bajo nivel
6.3 Extracción de caracterÌsticas
6.4 Visión binocular
6.5 Aplicaciones

7 Robótica
7.1 Análisis cinemático
7.2 Espacio de configuración
7.3 Evasión de obstáculos
7.4 Aplicaciones

8 Conclusiones
8.1 Implicaciones filosóficas
8.2 ¿Hacia dónde vamos?

Objetivos específicos de aprendizaje.

1 Análisis de datos multidimensionales
1.1 Estudiar el método de descomposición en valores singulares para representar variaciones entre dos espacios.
1.2 Estudiar el método de análisis de componentes principales para representar varias dimensiones con un solo valor.
1.3 Analizar las técnicas comúnmente utilizadas para reconstruir datos multidimensionales a partir del resultado del análisis de componentes
principales.
1.4 Desarrollar aplicaciones que ilustren los métodos de reducción de dimensiones y reconstrucción de variables.

2 Modelación del habla
2.1 Estudiar el sistema de producción del habla.
2.2 Estudiar la generación de voz mediante la simulación del aparato de fonación humano.
2.3 Estudiar los métodos de obtención de la forma del tracto vocal a partir de la señal de audio producida por dicho tracto vocal.
2.4 Desarrollar aplicaciones de sÌntesis y reconocimiento de voz por métodos articulatorios.

3 Lógica difusa
3.1 Estudiar los conceptos básicos de los conjuntos difusos.
3.1 Estudiar los mÉtodos utilizados para realizar inferencias utilizando conocimiento expresado de manera difusa.
3.1 Estudiar el control de procesos utilizando la lógica difusa.
3.1 Desarrollar aplicaciones de clasificación y control de procesos utilizando la lógica difusa.

4 Redes neuronales
4.1 Estudiar los métodos de acondicionamiento de datos necesario para entrenar exitosamente una red de neuronas.
4.2 Estudiar los algoritmos que mejoran los tiempos de entrenamiento de una red de neuronas y/o minimizan el error uncurrido por éstas.
4.3 Estudiar las redes de neuronas en configuracion de memorias auto asociativas y su aplicación en reconstrucción de imágenes.
4.4 Desarrollar aplicaciones de aprendizaje de patrones utilizando redes de neuronas.

5 Agentes inteligentes en Internet
5.1 Estudiar las arquitecturas básicas de agentes inteligentes
5.2 Estudiar las características generales de los sistemas multiagentes
5.3 Estudiar los diferentes tipos de interacción entre agentes para problemas de coordinación de tareas o de negociación.
5.4 Desarrollo de aplicaciones de agentes inteligentes y sistemas multiagentes en internet.

6 Visión
6.1 Estudiar los principios de formación de imágenes en las cámaras.
6.2 Estudiar los procesos básicos necesarios para procesar imágenes.
6.3 Estudiar los métodos mediante los cuales se extraen caracterÌsticas presentes en imágenes.
6.4 Estudiar lod métodos de obtención de información tridimensional a partir de dos imágenes.
6.5 Desarrollar aplicaciones de obtención de información a partir de imágenes.

7 Robótica
7.1 Estudiar la cinemática directa e inversa de manipuladores sencillos (dos grados de libertad).
7.2 Estudiar la representación de un robot manipulador en el espacio de configuración.
7.3 Estudiar la representación de obstáculos en el espacio de configuración de un robot manipulador sencillo con el fin de planear trayectorias que eviten dichos obstáculos.
7.4 Desarrollar aplicaciones que realicen la planeación de movimientos de robots manipuladores sencillos.

8 Conclusiones
8.1 Estudiar las implicaciones filosóficas del desarrollo de las tecnologías de inteligencia artificial.
8.2 Estudiar el futuro de la aplicación de las tecnologías de inteligencia artificial.

Metodología de enseñanza: exposición en clase y desarrollo de proyectos.

Tiempo estimado de cada tema

1 Análisis de datos multidimensionales: 3 horas
2 Modelación del habla: 7 horas
3 Lógica difusa: 9 horas
4 Redes neuronales: 10 horas
5 Agentes inteligentes en Internet: 8 horas
6 Visión: 6 horas
7 Robótica: 3 horas
8 Conclusiones: 2 horas

Políticas de evaluacion sugeridas: se sugiere que el curso sea evaluado exclusivamente en base a la calidad de los proyectos presentados.

Libro de texto1: Artificial intelligence: A modern approach, Russel S. and
Norvig P., Prentice Hall, 1995
Libro de texto2:
Libro de texto3:

Libro de consulta:
Material de apoyo:
Perfil del Profesor:Profesor con maestría y/o doctorado en area afín a la inteligencia artificial.

Fecha de la última actualización: 15 de octubre de 2004(M)