Sistemas Inteligentes de Apoio à Decisão
Objetivos
O objectivo desta unidade curricular é ensinar aos alunos os fundamentos teóricos de inteligência artificial, de arquitectura de sistemas e das principais abordagens usadas em sistemas inteligentes. É dada particular ênfase aos princípios básicos do raciocínio aproximado com base em lógica difusa (fuzzy) e da sua aplicação à modelação, controlo e decisão, combinando dados qualitativos e quantitativos. Os casos de estudo reflectem situações de tomada de decisão em ambiente de incerteza e/ou complexidade no contexto da Engenharia Industrial.
Caracterização geral
Código
10612
Créditos
3.0
Professor responsável
Isabel Maria Nascimento Lopes Nunes, Pedro Emanuel Botelho Espadinha da Cruz
Horas
Semanais - 3
Totais - 50
Idioma de ensino
Português
Pré-requisitos
Não tem.
Bibliografia
- Gupta, J. N. D., G. A. Forgionne, Mora, M.T. (2010). Intelligent Decision-making Support Systems: Foundations, Applications and Challenges (Decision Engineering), Springer.
- Ross, T. J. (2010). Fuzzy Logic with Engineering Applications, John Wiley.
- Turban, E., R. Sharda, et al. (2010). Decision Support and Business Intelligence Systems, Prentice Hall.
- Sivanandam, S. N,. Deepa S. N., Sumathi S., Introduction to Fuzzy Using Matlab, Springer, 2007
- Zimmermann, H.-J. (2001). Fuzzy Set Theory and Its Applications, Kluwer Academic Publishers.
- Zadeh, L. A. (1965). "Fuzzy sets." Information and Control 8(3): 338-353.
Método de ensino
Aulas de 3h, regime teórico-práticas. Exposição oral de conceitos, apoiada em materiais pedagógicos multimédia e acompanhado de aplicação a casos concretos onde os alunos intervêm individualmente ou em grupo.
Método de avaliação
Método de Avaliação:
- 1 Trabalho prático (TP) para avaliação – grupos 3-4 alunos (35%) - a avaliação individual de cada aluno, depende da apresentação oral e discussão do trabalho prático
- Trabalho em aula (TA) - atividades e exercícios realizados em aula (20%).
- 1 Teste (T) - 45%
Fórmula de cálculo da nota final:
- Nota Final = 45% T + 20% TA + 35 %TP
A aprovação à unidade curricular exige as seguintes notas mínimas:
(T >= 10 V) AND (TA,TP >= 10 V)
Exame Recurso (no caso em que os alunos que obtiveram notas positivas nos trabalhos práticos e não obtiveram aprovação no teste escrito poderão ainda realizar este exame, cuja nota substituirá a nota do teste no cálculo da nota final).
Conteúdo
- Introdução à Inteligência Artificial
- Gestão do conhecimento e engenharia do conhecimento
- Sistemas de apoio à decisão e Sistemas periciais
- Arquitetura
- Métodos de Engenharia do conhecimento
- Processos de inferência
- Raciocínio aproximado com base em Lógica Difusa
- Sistemas inteligentes baseados em lógica difusa
- Arquitetura
- Métodos de modelação do raciocínio aproximado
- Inferência difusa – método de Mamdani
- Tomada de decisão multicritério difusa
- Introdução ao métodos de exploração de conhecimento baseados em dados
- Arquitetura de sistemas inteligentes de suporte à decisão baseados em dados
- Aplicação de técnicas de Machine Learning/Data Mining para extração do conhecimento
- Aplicações em Engenharia Industrial