Titulació | Tipus | Curs | Semestre |
---|---|---|---|
2500895 Enginyeria Electrònica de Telecomunicació | OT | 4 | 2 |
Es recomana haver cursat les assignatures d'Instrumentació I i II.
L'objectiu principal de l'assignatura és entendre com l'ús de la intel·ligència artificial
pot millorar els sistemes d'instrumentació que l'alumne ja coneix de les
assignatures d'instrumentació I i II
1) Modelatge es sensors no lineals.
2) Introducció a les xarxes neuronals aritficiales.
2.1) El perceptró.
2.2) Xarxes multicapa
2.3) Entrenament de xarxes neuronals.
2.4) Aplicacions generals.
3) Optimització de sistemes d'instrumentació mitjançant l'ús de xarxes neuronals.
Les classes es realitzaran principalment als laboratoris integrats. S'anirà alternant en classes magistrals i la resolució d'exercicis en què el alumnes demostrarà el seu avanç en el coneixement de l'assignatura.
Nota: es reservaran 15 minuts d'una classe, dins del calendari establert pel centre/titulació, per a la complementació per part de l'alumnat de les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura/mòdul.
Títol | Hores | ECTS | Resultats d'aprenentatge |
---|---|---|---|
Tipus: Dirigides | |||
Seminaris de problemes i casos | 10 | 0,4 | 1, 3, 4, 5, 6, 7, 8, 9, 11, 12, 15, 16 |
Clases | 30 | 1,2 | 1, 2, 3, 4, 7, 9, 11 |
Tipus: Supervisades | |||
Discussions dels problemes proposats. | 15 | 0,6 | 2, 3, 6, 10, 11, 12, 13, 15, 16 |
Tutorias | 7 | 0,28 | 1, 2, 3, 4, 10, 11, 13 |
Tipus: Autònomes | |||
Treball orientat a l'aprenentatge basat en problemes | 35 | 1,4 | 1, 2, 3, 4, 7, 8, 9, 11, 13 |
Estudio | 20 | 0,8 | 2, 3, 4, 11 |
Redacción de informes | 20 | 0,8 | 5 |
Durant el curs el professor anirà proposant problemes que els alumnes Hauran de resoldre a classe. La Resolució d'aquests problemes correspondrà al 40% total de la nota. Així MATEIX el professor al llarg del curs Anira realitzant Diverses Avaluacions orals sobre els Exercicis que l'alumne estigui realitzant en aquells i aquelles Moment. Suposant el 30% de la nota. Finalment l'alumne haurà de lliurar una memòria del treball realitzat durante el curs, que suposarà el 30% de la nota. En cas de no superar l'assignatura l'alumne tindrà dret a un examen de recuperació al calendari fixat per l'Escola.
Títol | Pes | Hores | ECTS | Resultats d'aprenentatge |
---|---|---|---|---|
Memòria del treball final | 30% | 2 | 0,08 | 1, 2, 3, 4, 5, 6, 7, 9, 10, 11, 12, 13, 15, 16 |
Resolució de problemes a classe | 40% | 10 | 0,4 | 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 14, 15, 16 |
Breus exàmens orals | 30% | 1 | 0,04 | 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16 |
J.C. Alvarez et al., “Instrumentación electrónica”, Thomson-Paraninfo, 2006
P.H. Sydenham, N.H. Hancok and R. Thorn, “Introduction to Measurement Science and Engineering”, John Wiley & Sons, 1989.
Ripley, Brian D. (1996) Pattern Recognition and Neural Networks, Cambridge
Bishop, C.M. (1995) Neural Networks for Pattern Recognition, Oxford: Oxford University Press.
Matlab