1. Introducció
1.1. Què és la Intel·ligència Artificial.
1.2. El paradigma de Soft Computing
2. Sistemes basats en el coneixement.
2.1. Introducció als sistemes basats en el coneixement.
2.2. Sistemes basats en regles
2.3. Sistemes amb representació estructurada
2.4. Sistemes basats en models
2.5. Sistemes basats en casos
2.6. Aplicacions
3. Lògica difusa (fuzzy)
3.1. Raonament amb incertesa.
3.2. Elements de la lògica difusa
3.3. Raonament difús
3.4. Fuzzyficació i defuzzificació
3.5. Aplicacions
4. Xarxes neurals
4.1. Definició i conceptes bàsics
4.2. Primers models de computació: Cel·lules de McCulloch-Pitts, Perceptró, Adaline.
4.3. Xarxes multicapa
4.4. Xarxes auto-organitzatives
4.5. Aplicacions
5. Algorismes genètics
5.1. Definició i característiques dels algorismes genètics.
5.2. Algorisme bàsic
5.3. Codificació
5.4. Operadors: Selecció, Recombinació, Mutació, Reinserció
5.5. Implementacions paral·leles
5.6. Aplicacions
6. Sistemes híbrids
6.1. Introducció: o com combinar la mecànica alemanya amb l'amor italià
6.2. Sistemes experts neurals
6.3. Sistemes neuro-difusos
6.4. Xarxes neurals evolutives
6.5. Sistemes difusos evolutius
6.6. Casos d'estudi
7. Temes avançats
7.1. Mineria de dades
7.2. Tecnologia agent
Examen: E.
Exercicis: A.
-------------------
IMPORTANT:
Cal lliurar els exercicis ABANS del darrer dia de classe.
Cal haver lliurat els exercicis per poder accedir a l'examen.
--------------------------------------------------
Si A > 5 i E > 5 aleshores
Qualificació final= A*0.5 + E*0.5
Criteris específics de la nota «No Presentat»:
No presentat: Si un estudiant lliura un exercici, la qualificació ja serà diferent a NP.