|
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 |
A avaliação no período de ensino-aprendizagem consiste no desenvolvimento de um projeto, sendo que, ao longo desse desenvolvimento os estudantes serão avaliados com base em 1) entregáveis, E (25%), 2) mini-fichas de avaliação, FA (20%) e 3) demonstrações, D (55%).
1) Entregáveis (através de documentos):
- E1 (individual) - 15%
- E2 (em grupo) - 10%
2) Mini-fichas de avaliação (pequenas fichas acerca de conceitos teóricos)*:
- FA1 (individual) - 10%
- FA2 (individual) - 10%
3) Demonstrações (pequenas demonstrações do progresso do projeto realizadas em grupo)*:
- D1 - 5%
- D2 - 10%
- D3 - 10%
- D4 - 10%
- D5 (demonstração final) - 20%
Assiduidade mínima nas aulas teórico-práticas de 60%*
*Os estudantes em regimes especiais, ou com faltas justificadas, devem contactar o docente.
|
|
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
|