Apresenta uma visão detalhada e comparativa das abordagens “não simbólicas” de Inteligência Artificial, também conhecidas como Inteligência Computacional, envolvendo a abordagem conexionista, a evolutiva e a lógica nebulosa, procurando indicar em que classe de problemas cada abordagem é mais adequada. Na abordagem conexionista, vários modelos de redes são estudados, descrevendo-se para cada modelo, características de funcionamento, formas de aprendizado e aplicações típicas. Na abordagem  evolutiva, diferentes algoritmos evolucionários são apresentados e comparados. A abordagem nebulosa é estudada como uma ferramenta para manipulação de conhecimento incerto na solução de vários problemas. Segue-se o uso de softwares de simulação e estudo de casos.

Carga Horária: 54 horas-aula

Apresentar uma visão detalhada e comparativa das abordagens “não simbólicas” de Inteligência Artificial, também conhecidas como Inteligência Computacional, envolvendo a abordagem conexionista, a evolutiva e a lógica nebulosa, procurando indicar em que classe de problemas cada abordagem é mais adequada.

.:: Introdução à Inteligência Computacional
.:: Abordagens da Inteligência Artificial
.:: Abordagem Conexionista
     .:: Histórico e Revisão de Conceitos Básicos
     .:: Topologias Redes Diretas Redes Recorrentes Formas de Aprendizado          
     .:: Redes Neurais Diretas e Regra de Aprendizado "Backpropagation"
     .:: Redes "Counterpropagation"
      .:: Memórias Associativas: Hopfield e BAM
      .:: Redes de Kohonen
      .:: Redes ART
     .:: Redes Recorrentes
.:: Abordagem Evolucionária
     .:: Histórico e Revisão de Conceitos Básicos
     .:: Algoritmos Genéticos, Programação Evolucionária, Estratégias Evolucionárias .:: Lógica Nebulosa
      .:: Histórico e Revisão de Conceitos Básicos
     .:: Teoria dos Conjuntos Nebulosos
      .::  Lógica Nebulosa
      .::  Estrutura de um Sistema Especialista Nebuloso

.:: Kasabov, Nikola K. Foundations of Neural Networks, Fuzzy Systems, and Knowledge Engineering. MIT Press, 1996.
.:: Freeman, James A. & Skapura, David M. Neural Networks: Algorithms, Applications and Programming Techniques. Addison-Wesley Publishing, 1992.
.:: Haykin, Simon. Redes Neurais: princípios e prática. Bookman, 2a. Ed., 2001.
.:: Barreto, Jorge M. Inteligência Artificial: No limiar do século XXI. Duplic Edições, 1997.
.:: Kovács, Zsolt Laszlo. Redes Neurais Artificiais: fundamentos e aplicações. Collegium Cognitio, 1997.
.:: Rumelhart, D.; Hinton, G. & Williams, R. Learning Internal representation by Error Propagation. In: Parallel Distributed Processing: explorations in the microstructure of cognition - Vol 1. MIT Press, 1986.
.:: Arbib, Michael A. (Ed) The handbook of Brain Theory and Neural Networks. MIT Press, 1995.
.:: Mehrotra, K.; Mohan, C. K. & Ranka, S. Elements of Artificial Neural Networks. MIT Press, 2000.

A avaliação será realizada através de duas provas e trabalhos. As provas terão peso 6 e os trabalhos peso 4.

Nota final = [(P1+P2)/2]x0,6 + [(T1+T2+...+Tn)/n]x0,4

Recuperação: alunos com freqüência suficiente e com nota inferior a 6,0 e superior a 3,0 estarão em recuperação.

.:: Lista de Trabalhos Práticos da Disciplina
.:: Link para o Download do Disco 1 do MATLAB
.:: Link para o Download do Disco 2 do MATLAB

.:: Transparências Material de Aula - NOVO!!!!
.:: Transparências Material de Aula - Parte I
.:: Transparências Material de Aula - Parte II
.:: Transparências Material de Aula - Parte III
.:: Transparências Material de Aula - Parte IV
.:: Transparências Material de Aula - Parte V
.:: Algoritmos Genéticos
.:: Redes Recorrentes
.:: Conjuntos Nebulosos
.:: Lógica Nebulosa
.:: Novos Slides Lógica Nebulosa
.:: Texto sobre Lógica Nebulosa

.:: Transparências do ICA-Puc Rio sobre as técnicas de Inteligência Computacional Aplicada
.:: Exemplo MATLAB de Redes de Kohonen
.:: "Toolbook" sobre Lógica Nebulosa
.:: Artigo Fuzzy-Truck - 1
.:: Artigo Fuzzy-Truck - 2
.:: Exemplo de implementação Fuzzy-Truck (DOS)

.:: Lista de Conceitos

Associações
.:: AAAI - American Association for AI
.:: APPIA - Associação Portuguesa para IA
.:: IEEE
.:: SIGART

Grupos de Pesquisa
.:: L3C/INE/UFSC - Laboratório de Conexionismo e Ciências Cognitivas
.:: GIA/UFRGS - Grupo de interesse em IA da UFRGS
.:: LIAMF/IME/USP - LIAMF Laboratório de Lógica, Inteligência Artificial e Métodos Formais
.:: Grupo de Inteligência Artificial (GIA) - Departamento de Automação e Sistemas, UFSC
.:: AI Applications Institute
.:: Austrian AI
.:: Edinburgh
.:: Georgia Tech
.:: MIT
.:: Michigan
.:: Microsoft DTG
.:: Stanford

Revistas e Jornais
.:: AI Magazine
.:: AI Review
.:: ETAI Journal
.:: PC AI
.:: Machine Learning

Livros, Autores e Bibliografias
.:: Artificial Intelligence: A Modern Approach (AIMA)
.:: Inteligência Artificial – Ferramentas e Teorias
.:: Comparação de Livros-texto em IA

Outras Referências
.:: AI Patents
.:: What is AI
.:: AI FAQ