INE5371 - INTELIGÊNCIA ARTIFICIAL  
INE5201
(Introd. Ciência da Computação
)
INE5206
(Introd. Inform. Eng. Elétrica)
INE5371
(Inteligência Artificial)
INE5377
(Inteligência Artificial II)
INE5403
(Fundamentos de Matemática Discreta para a Computação)
HOME > Graduação


Ementa
 

Técnicas de Inteligência Artificial aplicadas à resolução de problemas. Representação de conhecimento. Sistemas baseados em conhecimento. Aprendizagem de máquina. Arquiteturas de sistemas de Inteligência Artificial.

Carga Horária: 54 horas-aula



Objetivos
 

Capacitar os alunos à criação de modelos para a inteligência e à construção de modelos computacionais baseados nestes modelos. Utilizando uma abordagem integrada dos principais paradigmas Simbólicos e Conexionistas da Inteligência Artificial.



Súmula
 

.:: Introdução, Histórico, Teoria de Problemas, Modelagem por Agentes
.:: Métodos de Busca e Representação de Conhecimento
.:: Prova Automática de Teoremas
.:: Representação e Tratamento de Incertezas
.:: Redes Neurais, Redes Diretas, Aprendizado Backpropagation e Memória Associativa BAM
.:: Raciocínio Nebuloso
.:: Algoritmos Genéticos



Bibliografia
 

.:: J.M. Barreto. Inteligência Artificial, uma abordagem híbrida
.:: Russell and Norvig. Artificial Intelligence: A modern approach. Prentice Hall. 1995.
.:: G. F. Luger. Inteligência Artificial - Estruturas e Estratégias para a Solução de Problemas Complexos. 4a. Ed. Bookman. 2004.
.:: G. Bittencourt. Inteligência Artificial, ferramentas e teorias
.:: R.A. Rabuske. Inteligência Artificial



Sistema de Avaliação
 

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.

Neste semestre contaremos com uma nota adicional que será referente ao desempenho no I Campeonato Interno de Futebol de Robôs 2D. 
    * Os alunos da equipe primeira colocada receberão 1 ponto a mais na média final, enquanto que os alunos da equipe que tirar o segundo lugar ganham 0,5 ponto.

NOTAS: Veja aqui as notas das provas e trabalhos



Trabalhos
 

..:: I Campeonato Interno de Futebol 2D: No decorrer do semestre, equipes de no máximo 4 alunos, deverão desenvolver e implementar um time de jogadores virtuais RoboCup Soccer Simulation 2D. As dicas iniciais de como montar um time podem ser encontradas aqui.
* Em 2007 o campeonato brasileiro  da ROBOCUP ocorrerá em Florianópolis, e é uma grande chance para se montar uma equipe para disputa deste campeonato.
* Todo ano acontece também o campeonato mundial (em 2007 será em Atlanta, USA). É possível que a melhor equipe brasileira consiga patrocínio para ir participar da competição.

:: 1o. Trabalho Prático: Como parte do processo de avaliação, cada grupo (de no máximo 3 alunos) deve desenvolver o trabalho abaixo:
- SUDOKU (Implementação de Métodos de Busca)
      
.::
DESAFIO: Veja aqui a implementação do Desafio (SOKOBAN)

.:: 2o. Trabalho Prático: Como parte do processo de avaliação, cada grupo deve desenvolver o trabalho abaixo:
- Sistema especialista simples para sugerir o melhor vinho para acompanhar uma refeição. As informações da base de conhecimentos deste sistema podem ser obtidas aqui!
- Pegue aqui um executável para utilizar como referência e validar seus resultados.

.:: 3o. Trabalho Prático: Como parte do processo de avaliação, cada grupo deve desenvolver o trabalho abaixo:
- Implementar uma Rede Neural Artificial Direta e o algoritmo de aprendizado "back-propagation" e treinar uma rede neural para aprender as funções seno e co-seno de um ângulo em radianos.
O conjunto de treinamento deve conter no mínimo treze exemplos. Cada exemplo contém o ângulo em radianos (de 0 a 2¶ - com intervalos de ¶/6) e os respectivos valores de seno e co-seno.
Após a rede ter sido treinada, a capacidade de generalização da rede deve ser verificada plotando-se a saída fornecida pela rede para entradas variando de 0 a 2¶ - com intervalos de ¶/180.

Um relatório deve ser elaborado especificando os parâmetros utilizados no treinamento da rede (taxa de aprendizado, taxa de momento, função de saída, número de neurônios em cada camada, critério de parada de treinamento, etc.) em pelo menos 5 processos de aprendizado, especificando qual conjunto de parâmetros obteve o melhor resultado. 

Data limite de entrega: 09/02/2007.



Material Didático
 

.:: Transparências Novas (folhetos 6pp)
.:: Transparências Lógica Nebulosa (folhetos 6pp)
.:: Transparências Novas (slides 1pp)
.:: Prova Automática de Teoremas
.:: Memória Associativa BAM
.:: Raciocínio Nebuloso(Fuzzy)
.:: Algoritmos Genéticos
.:: Lâminas (Transparências)
.:: Full Slide Download



Artigos Selecionados
 

.:: Logical Vs. Analogical Or Symbolic Vs. Connectionist or Neat Vs. Scruffy - Marvin Minsky



Links Interessantes
 

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

Grupos de Pesquisa
.::
L3C - Laboratório de Conexionismo e Ciências Cognitivas, INE - UFSC
.:: 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