Inteligencia Artificial y Reconocimiento de Patrones

CURSO 2007-2008

Evaluación  Objetivos  Programa  Bibliografía Horario Prácticas Transparencias Exámenes Tutorías

Web con links interesantes sobre Pattern Recognition

 

Profesor Responsable: Oscar Reinoso García

Otros Profesores:   César Fernández

Departamento: INGENIERÍA DE SISTEMAS INDUSTRIALES
Área de Conocimiento: Ingeniería de Sistemas y Automática
Titulación: Ingeniería de Telecomunicación
Curso:  Docencia: 2º cuatr. Tipo: Optativa Créditos: 6 ( 4 T + 2 P)

 

Evaluación:

- Asistencia y superación de todas las prácticas de la asignatura.

- Superación del examen de la asignatura.

- Las prácticas aprobadas se guardan para convocatorias posteriores.

Objetivos:

- Introducir al alumno en las técnicas de la Inteligencia Artificial.

- Mostrar las características de un sistema de reconocimiento de patrones.

- Capacitar al alumno para extraer información con significado de grandes bases de datos mediante técnicas de aprendizaje automático y Data Mining.

- Presentar las características básicas de las redes neuronales artificiales.

- Introducir al los alumnos en la utilización de los sistemas expertos en diversos ámbitos.

 

 

Programa:

La asignatura se compone de dos bloques diferenciados:

BLOQUE 1: INTELIGENCIA ARTIFICIAL

  • Horario: Martes de 8:30 a 10:30
  • Profesor: César Fernández.

BLOQUE 2: RECONOCIMIENTO DE PATRONES

  • Horario: Miércoles de 10:30 a 12:30
  • Profesor: Óscar Reinoso.

BLOQUE 1: INTELIGENCIA ARTIFICIAL

TEMAS DE TEORÍA

  1. Introducción a la inteligencia artificial y el aprendizaje automático.
  2. Agentes inteligentes.
  3. Aplicaciones de la inteligencia artificial.
  4. Estructura de un sistema de aprendizaje automático.
  5. Métodos de representación del conocimiento.
  6. Vecino más cercano.
  7. Árboles de decisión.
  8. Listas de reglas.
  9. Métodos bayesianos.
  10. Redes neuronales y funciones de base radial.
  11. Otros métodos de aprendizaje: algoritmos genéticos.
  12. Data mining o minería de datos.
  13. Aprendizaje por refuerzo.
  14. Sistemas expertos.

PRÁCTICAS

  1. Entorno WEKA de aprendizaje automático y Data Mining.
  2. Utilización de WEKA desde la línea de comandos.
  3. Almacenamiento de modelos con WEKA.
  4. Comparación de métodos de aprendizaje.
  5. Clasificación con número variable de ejemplos.
  6. Control de acceso. Parte I: entrenamiento.
  7. Control de acceso. Parte II: reconocimiento.

 

BLOQUE 2: RECONOCIMIENTO DE PATRONES

TEMAS DE TEORÍA

  1. Estructura de los sistemas de reconocimiento de patrones .
  2. Separabilidad entre clases.
  3. Selección y extracción de características.
  4. Clasificadores.
  5. Aplicaciones prácticas del reconocimiento de patrones.
  6. Introducción a las redes neuronales.
  7. Modelo de neurona. Red neuronal.
  8. Tipos de redes neuronales.

PRÁCTICAS

  1. Estudio de ejemplos en Matlab.
  2. Adquisición de imágenes reales: generación de una librería de caras humanas.
  3. Sistema de reconocimiento de caras basado en PCA.
  4. Sistema de reconocimiento de caras basado en PCA (II).

 

Bibliografía:

 

      

Ojear el libro      Ojear el libro


Horario

      Lunes      Martes    Miércoles   Jueves   Viernes 
8:30-9:30  

Teoría / Prácticas

     
9:30-10:30        
10:30-11:30  

 

Teoría / Prácticas

   
11:30-12:30        
12:30-13:30          
13:30-14:30          
15:00-16:00          
16:00-17:00          
17:00-18:00          
18:00-19:00          
19:00-20:00          
20:00-21:00          

 


Listado Prácticas

BLOQUE 1: INTELIGENCIA ARTIFICIAL

Práctica

Título Fecha Documentación

1

Entorno WEKA de aprendizaje automático y data mining.

22 Abril 2008

Enunciado

maquina.xls

WEKA (17MB)

2

Utilización de WEKA desde la línea de comandos

29 Abril 2008

Enunciado

lee_weka.m

datos_1.arff

datos_2.arff

datos_3.arff

3

Almacenamiento de modelos con WEKA

6 Mayo 2008

 

Enunciado

 

4

Comparación de métodos de aprendizaje

13 Mayo 2008

Enunciado

robot.arff

5

Clasificación con número variable de ejemplos

20 Mayo 2008

Enunciado

separa.m

lee_weka_test.m

agarre.arff

6

Desarrollo de un control de acceso.

Parte I: entrenamiento.

27 Mayo 2008

Enunciado

escribe_arff.m

caras.zip

7

Desarrollo de un control de acceso.

Parte II: reconocimiento.

3 Junio 2008

Enunciado

acceso_entrena.zip

acceso_verifica.zip

datos.mat

BLOQUE 2: RECONOCIMIENTO DE PATRONES

1

Estudio de ejemplos en Matlab

2 Abril 2008

Enunciado  

lenna.jpg

ejemploPCA.m

reconstruccion.zip

2

Adquisición de imágenes reales: generación de una librería de caras humanas

16 Abril 2008

Enunciado

ajusta_cara.m

CARAS ALUMNOS 0708

3

Sistema de reconocimiento de caras basado en PCA

23 Abril 2008

Enunciado 

P8.zip

libreriaORL

AYUDA para visualizar V: escalado.m

 4

Sistema de reconocimiento de caras basado en PCA (II)

30 Abril 2008

Enunciado

clasificador.m

 

 


Transparencias clases 

Bloque 1. Aprendizaje automático

    Criterios de selección de modelos

 

Bloque 2. Reconocimiento de Patrones

    Introducción al Reconocimiento de Patrones

    Teoría de Decisión de Bayes

    Extracción y Selección de Características (I)

    Clasificadores Supervisados No Paramétricos

    Clasificadores No Supervisados

    Redes Neuronales - Introducción

    Redes Neuronales - El Perceptrón Multicapa

 

 

 


Exámenes previos:

  Curso  Junio Septiembre Diciembre
04/05 enunciado    
05/06 enunciado    

 

 


Tutorías:


Nota: La mayoría de los documentos requieren el visualizador Adobe Acrobat Reader para leer o imprimir sus contenidos. Este programa está disponible de manera gratuita para la mayoría de las plataformas. Pulsa en el icono de la izquierda para descargar Acrobat Reader.