Titulació | Tipus | Curs |
---|---|---|
2500895 Enginyeria Electrònica de Telecomunicació | OT | 4 |
Podeu consultar aquesta informació al final del document.
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.
Títol | Hores | ECTS | Resultats d'aprenentatge |
---|---|---|---|
Tipus: Dirigides | |||
Seminaris de problemes i casos | 10 | 0,4 | 1, 3, 5, 9, 8, 6, 7, 4, 11, 12, 16, 15 |
Clases | 30 | 1,2 | 1, 2, 3, 9, 7, 4, 11 |
Tipus: Supervisades | |||
Discussions dels problemes proposats. | 15 | 0,6 | 2, 3, 6, 10, 11, 13, 12, 16, 15 |
Tutorias | 7 | 0,28 | 1, 2, 3, 10, 4, 11, 13 |
Tipus: Autònomes | |||
Treball orientat a l'aprenentatge basat en problemes | 35 | 1,4 | 1, 2, 3, 9, 8, 7, 4, 11, 13 |
Estudio | 20 | 0,8 | 2, 3, 4, 11 |
Redacción de informes | 20 | 0,8 | 5 |
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 | Pes | Hores | ECTS | Resultats d'aprenentatge |
---|---|---|---|---|
Memòria del treball final | 30% | 2 | 0,08 | 1, 2, 3, 5, 9, 6, 7, 10, 4, 11, 13, 12, 16, 15 |
Resolució de problemes a classe | 40% | 10 | 0,4 | 1, 2, 3, 5, 9, 8, 6, 7, 10, 4, 11, 12, 14, 16, 15 |
Breus exàmens orals | 30% | 1 | 0,04 | 1, 2, 3, 5, 9, 8, 6, 7, 10, 4, 11, 13, 12, 14, 16, 15 |
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.
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
Nom | Grup | Idioma | Semestre | Torn |
---|---|---|---|---|
(PAUL) Pràctiques d'aula | 321 | Català | segon quadrimestre | tarda |
(PLAB) Pràctiques de laboratori | 321 | Català | segon quadrimestre | matí-mixt |
(TE) Teoria | 320 | Català | segon quadrimestre | tarda |