|
Objectivos de Aprendizagem |
Ensinar os fundamentos básicos da Biónica, rever os fundamentos dos sistemas biónicos, estudar o mimetismo, os sistemas de interface homem-máquina e a inteligência artificial.
Aplicar os conhecimentos de sistemas biónicos.
Compreender os padrões de movimento humano e o mimetismo, de forma a conceber sistemas bioinspirados.
Conhecer os diferentes tipos de sistemas de interface homem-máquina.
Aplicar diferentes técnicas de controlo de sistemas.
Perceber conceitos de inteligência artificial e entender sistemas robóticos.
Utilizar programas de simulação de sistemas.
Compreender a convergência de sistemas biológicos e sistemas tecnológicos.
Trabalhar individualmente e em equipa
Desenvolver capacidades de autonomia e liderança.
Saber ler e escrever trabalhos científicos.
|
|
Metodologias de Ensino e Critérios de Avaliação |
Cada aluno terá que preparar durante o semestre, sob a orientação do docente da disciplina, dois trabalhos/pequenos projetos (PR) e fazer uma apresentação PowerPoint em sala para os demais alunos que frequentam a disciplina.
As aulas teóricas cobrirão os tópicos do programa e os alunos terão uma ‘avaliação contínua’ (AC) onde é considerado a ‘assiduidade’, a ‘pontualidade’, a ‘participação’ e a ‘atitude’ do aluno em sala de aula, assim como através de diversos testes curtos ao longo do período letivo.
As aulas práticas-laboratoriais (PL) são dedicadas à realização de experiências/ensaios e simulação em computador utilizando softwares como o Matlab, Excel e outros, assim como visitas ao laboratório de automação e robótica para estudarem o funcionamento de robôs na área da saúde, na área da biónica, e dispositivos inteligentes que dão ao ser humano um poder acrescido.
|
|
Bibliografia principal |
Russell Stuart & Norvig Peter, "Artificial Intelligence, A Modern Approach", Pearson Series in Artificial Intelligence, Pearson Education Inc., 2019.
Subana Shanmuganathan (Ed), "Artificial Neural Network Modelling", Studies in Computational Intelligence, Springer, 2016.
C Naga Bhaskar & G Vijay Kumar, "Neural Networks and Fuzzy Logic", BS Publications, 2015.
S. Rajasekaran & G.A. Vijayalakshmi Pai, "Neural Networks, Fuzzy Systems and Evolutionary Algorithms, Synthesis and Applications", PHI Learning, 2017.
Oliver Kramer, "Genetic Algorithm Essentials", Studies in Computational Intelligence, Springer, 2017.
Tao Song (Ed), Pan Zheng (Ed), Mou Ling Dennis Wong (Ed), "Bio-Inspired Computing Models and Algorithms", WSPC, 2019.
Maoguo Gong (Ed), Pan Linqiang (Ed), Song Tao (Ed), Ke Tang (Ed), Xingyi Zhang"Bio-Inspired Computing, Theories and Applications" 10th International Conference, BIC-TA 2015 Hefei, China, Proceedings, Springer, 2015.
Artigos científicos e material disponibilizado
|