Universidade do Vale do Rio dos Sinos - Ciências Exatas e Tecnológicas

PIPCA - Mestrado em Computação Aplicada

---

Curso: Mestrado em Computação Aplicada - 3o. Trimestre
Semestre: 2007/2
Horário: Quarta Noite (43 - 19hs) [19/Set. a 16/Dez.]
Responsável pela disciplina: Prof. Fernando Santos Osório
E-mail: fosoriounisinos.br

Objetivos da disciplina:

Material de Aula:

• Aula 01  - IA, Conhecimento, Machine Learning =>Sistemas Adaptativos Inteligentes
- Exercicio
• Aula 02  - Redes Neurais I: Histórico, princípios básicos, tipos de redes, Perceptron e Back-Propagation (MLP)
- Bookmarks
• Aula 03  - Redes Neurais II: Aprendizado - generalização, avaliação de performance, dificuldades. Simulação de redes MLP.
• Aula 04  - Redes Neurais III: Aplicações das redes MLP. Seminários de alunos
• Aula 05  - Redes Neurais IV: Modelos avançados de redes MLP (QuickProp, Rprop, Cascor).
                   Redes Neurais V: Modelos alternativos - Redes recorrentes, Aprendizado semi-supervisionado, Kohonen, Hopfield, ART, BAM, RBF.
• Aula 06  - Indução de árvores de decisão: Teoria, modelos ID3, C4.5, ID5R.
• Aula 07  - Indução de árvores de decisão: Prunning, Windowing, Discretization. Aplicações e seminários.
• Aula 08  - Indução de árvores de decisão: Seminários de Alunos
• Aula 09  - Algoritmos Genéticos: Teoria, aplicações. Genetic Programming. Evolutionary Computing. Artificial Life.
• Aula 10  - Aprendizado híbrido: Hybrid Machine Learning Tools. Sistemas híbridos neuro-simbólicos..
• Aula 11  - Aprendizado: Reinforcement Learning, Bayesian Learning, Fuzzy Adaptativo, ILP, Agentes e outras técnicas de aprendizado.
• Aula 12  - Aprendizado: Seminários de alunos.
• Aula 13  - Apresentação dos Trabalhos Práticos / Discussão Final

Descrição do Trabalho Prático:

• Atividade Prática: DICAS SNNS AQUI! **** NOVO ****
• Atividade Prática: Aprendizado de Máquinas (Arquivo PDF)

Material Complementar:

• Clique aqui!
• Disciplina de Redes Neurais
• Grupo de I.A. do PIPCA/UNISINOS
• Lista eletrônica de discussão: ML-L

Material de uso exclusivo do aluno da unisinos

• Softwares usados na disciplina
• Proceedings e Anais On-Line
• Material Complementar... [bases de dados UCI/Delve/NIPS/NIST, tutoriais, bibliografia]

Avaliação:

Bibliografia:

• MITCHELL, T. M. Machine learning. New York: McGraw-Hill. Series in Computer Science, 1997. 414p.
• HAYKIN, Simon. Neural Networks: A Comprehensive Foundation. Prentice-Hall. 2nd Ed, 1999. 842p. (Tradução: Neural Network: Princípios e Prática. Bookman, 2001).
• ARBIB, M. A. The handbook of brain theory and Neural Networks. Cambridge: MIT Press, 1995. 1136p.
• REZENDE, Solange Oliveira. Sistemas Inteligentes: Fundamentos e Aplicações. Manole Editora. 2003. 525p.

Bibliografia Complementar

• FIESLER, E.; BEALE, R. Handbook of neural computation. Oxford: Oxford University Press & IOP Publishing, 1996. 1080p.
• RUMELHART, D.; Mcclelland, James L. Parallel Distributed Processing explorations in the microstructure of cognition. Cambridge: MIT Press, 1986. v.1 e 2.
• GOLDBERG, D.E. Genetic algorithms in search, optimization and machine Learning. Addison-Wesley Publ., 1989. 412p.
• KANDELL, A.; LANGHOLTZ, G. Hybrid architectures for intelligent systems. Boca Raton: CRC Press, 1992. 448p.
• MITCHELL, Melanie. An introduction to genetic algorithms. MIT Press, 1996. 209.p.
• NIKOLOPOULOS, C. Expert systems: introduction to first and second generation and hybrid knowlegde-based systems. New York: Marcel Dekker Press, 1997. 327p.
• QUINLAN, J. R. C4.5: Programs for machine learning. San Mateo: Morgan Kaufmann Publishers, 1993. 302p.
• NILSSON, N.J. Artificial intelligence: a new synthesis. San Mateo: Morgan Kaufmann Publishers, 1998. 536p.
• EBERGART, R.; SIMPSON, P. K.; DOBBINS, R. Computational intelligence PC tools. Reading: Academic Press Professional, 1990. 464p.
• BRAGA, Antônio; LUDERMIR, Teresa; CARVALHO, André Redes Neurais Artificiais: Teoria e Aplicações. LTC, 2000. 262p.