Conexión sin SSL




Opciones Avanzadas




Cartelera
 

Secretaría de Investigación y Doctorado
Av. Paseo Colon 850 Piso 3° C1063ACV Capital Federal
Tel.: 4331-1852 4331-9877
E-mail: secid@fi.uba.ar
Web : http://www.fi.uba.ar/autoridades/secretarias/invydoc/
Secretario : Dra. Marta Rosen

COMPUTACION

LABORATORIO DE SISTEMAS INTELIGENTES

AREA DE INVESTIGACIÓN:
Ingeniería de Sistemas Expertos. Ingeniería de Sistemas Inteligentes (autónomos – empotrados). Minería de Datos Inteligente. Optimización basada en Algoritmos Genéticos. Predicción, Agrupamiento y Ponderación basadas en Redes Neuronales y Redes Bayesianas. Aprendizaje y Planificación en Robótica Cognitiva. Sistemas Tutores Inteligentes.
DIRECTOR:
Ramón García-Martínez, Doctor en Informática, Profesor Adjunto D.SE.
DIRECCIÓN:
Laboratorio de Sistemas Inteligentes
Departamento de Computación. FIUBA.
Av. Paseo Colón 850, Piso 4º - (C1063ACV) Ciudad Autónoma de Buenos Aires.
Tel.: 4343-0891 Interno 142
E-mail: rgarciamar@fi.uba.ar / rgm1960@yahoo.com
http://www.fi.uba.ar/laboratorios/lsi/
INTEGRANTES:
Alejandro Hossian, Magíster en Ingeniería del Software, Profesor Adjunto (UTN)
Jorge Ierache, Magíster en Ingeniería del Software, Jefe de Trabajos Prácticos (fun. Prof. Adj.) D.SI
Paola Britos, Magíster en Ingeniería del Conocimiento, Jefa de Trabajos Prácticos D.SI
Hernán Merlino, Especialista en Ingeniería de Sistemas Expertos, Ayudante de 1ª D.SI
Alejandra Ochoa, Especialista en Ingeniería de Sistemas Expertos, Ayudante de 1ª D.SI
Magdalena Servente, Ingeniera en Informática, Ayudante de 1ª D.S.
Fernando Gómez, Licenciado en Análisis de Sistemas, Ayudante de1ª D.S.
Gabriel Martín, Licenciado en Física, Ayudante de 1ª D.S.
PROYECTOS DE INVESTIGACIÓN EN CURSO:

Explotación de Información Basada en Sistemas Inteligentes. UBACyT 2004-2007 código I050.
La Explotación de Información se centra en la búsqueda de patrones interesantes y regularidades importantes en grandes bases de datos (llamado conocimiento cualitativo). La Explotación de Información basada en Sistemas Inteligentes se refiere específicamente a la aplicación de métodos de Sistemas Inteligentes u otros métodos asociados, para descubrir y enumerar patrones presentes en los datos. Entre los problemas abordados en este campo, está el de inducir conocimientos a partir de datos o ejemplos que no puede ser resuelto mediante los algoritmos tradicionales. En el presente proyecto se explorará la aplicación a Explotación de Információn de: algoritmos de inducción, algoritmos genéticos, redes neuronales y redes bayesianas; tratando de realizar comparaciones entre los diversos métodos, ya que no es posible establecer “a priori” cual será el método que resultará más confiable, para resolver cada tipo de problema.

Estudio de un Edificio Inteligente Energéticamente Sustentable. FI-UNCo código FAIN 04/118
Este proyecto se dedicará al estudio de las condiciones meteorológicas de un lugar determinado, algoritmos de modelado de dichas condiciones, detalles constructivos, mecanismos de supervisión y control basados en sistemas inteligentes, diseño de sistemas de supervisión y control electrónicos, medios de abastecimento energético mediante fuentes de energía renovable sobre un edificio inteligente energéticamente eficiente y autosustentable.

Aprendizaje Automático Basado en Intercambio de Operadores en Sistemas Inteligentes Autónomos. Código LSI-01-01
El propósito de este proyecto es estudiar de que manera la interacción entre sistemas inteligentes autónomos mejora el modelo de funcionamiento del entorno que cada sistema va formando y de que manera los modelos de refuerzo pueden ser integrados a dicho proceso de interacción.

Algoritmos TDIDT Aplicados a Minería de Datos Inteligente. Código LSI-01-02
El propósito de este proyecto es estudiar de que manera la familia de algoritmos TDIDT, que aborda el problema de inducir árboles de decisión, puede utilizarse para descubrir automáticamente reglas de negocio a partir de la información disponible en una base de datos.

Generación Automática de Redes Neuronales con Ajuste de Parámetros Basado en Algoritmos Genéticos. Código LSI-01-03
El propósito de este proyecto es combinar dos técnicas de inteligencia artificial, los algoritmos genéticos y las redes neuronales, para crear un sistema híbrido, donde la primera se aplique para mejorar la segunda. Ambas técnicas han sido bien estudiadas y han demostrado ser útiles para la toma de decisiones y la teoría del aprendizaje.

Algoritmos Genéticos Aplicados a la Categorización Automática de Documentos. Código LSI-02-01
El objetivo de este trabajo es estudiar cómo pueden aplicarse los algoritmos genéticos, que han demostrado ser útiles para ayudar a resolver problemas de optimización, al problema de encontrar en forma automática la mejor categorización de documentos, y evaluar su rendimiento de acuerdo a la calidad de las soluciones obtenidas.

Redes Bayesianas Aplicadas a Minería de Datos Inteligente. Código LSI-02-02
El propósito de este proyecto es determinar la aplicabilidad de las redes bayesianas para llevar a cabo minería de datos sobre un conjunto de bases de datos y establecer en que medida es posible articular en forma simbólica (reglas) los patrones de relación que la red bayesiana descubre. El resultado que se pretende es hacer explícito a través del uso de redes bayesianas, el conocimiento contenido en forma implícita en la base de datos bajo estudio.

Redes Neuronales Aplicadas al Fraude en Telefonía Celular. Código LSI-02-03
El propósito de este proyecto es estudiar un método de análisis diferencial para la detección de fraude utilizando redes neuronales artificiales y determinar si puede ser eficiente su uso.

Asignación de Tareas Usando Algoritmos Genéticos. Código LSI-02-04
El propósito de este proyecto es estudiar la aplicabilidad de los Algoritmos Genéticos, como alternativa a las heurísticas tradicionales para resolver el problema de la Asignación de Tareas (con distintas restricciones) en un ambiente de múltiples procesadores.

Entrenamiento de Redes Neuronales basado en Algoritmos Evolutivos. Código LSI-03-01
El objetivo de este proyecto es combinar dos técnicas utilizadas en la construcción de sistemas inteligentes, los algoritmos evolutivos y las redes neuronales, para crear un sistema donde, tras definir una topología de red neuronal, los primeros sean utilizados para entrenar a las segundas, en reemplazo de los tradicionales algoritmos de entrenamiento. Se contrastará el entrenamiento de redes neuronales basado en algoritmos genéticos con el entrenamiento basado en métodos convencionales actualmente en uso.

Un Método de Ponderación de Planes en Sistemas Inteligentes Autónomos. Código LSI-03-02
El propósito de este proyecto es estudiar cómo puede mejorarse el algoritmo de ponderación de planes para lograr un mejor aprendizaje (en cuanto a generalidad y velocidad de adquisición del conocimiento) de los sistemas inteligentes autónomos, y cómo integrarlo con el resto de los componentes de la arquitectura.

PALABRAS CLAVES:
Sistemas Expertos - Sistemas Inteligentes Autónomos. Sistemas Inteligentes Empotrados - Aprendizaje Automático - Redes Neuronales - Redes Bayesianas - Algoritmos Genéticos - Planificación Automática - Minería de Datos Inteligente - Sistemas Tutores Inteligentes.

OTRAS ACTIVIDADES DEL GRUPO:
Se mantiene una hemeroteca virtual de publicaciones de interés a fin a las áreas de investigación del Laboratorio de Sistemas Inteligentes:
• http://www.fi.uba.ar/laboratorios/lsi/z-hemerotecavirtual.htm

Se colabora con los trabajos finales de las Cátedras:
75.50 Introducción a los Sistemas Inteligentes
75.67 Sistemas Automáticos de diagnóstico y Detección de Fallas I
75.69 Sistemas Automáticos de diagnóstico y Detección de Fallas II
75.70 Sistemas de Programación No Convencional de Robots

EQUIPAMIENTO DISPONIBLE:
Ambientes de Desarrollo de Sistemas Expertos:
Kappa PC: Ambiente de desarrollo de sistemas expertos basado en el formalismo de marcos, admite el uso de reglas de producción y orientación a objetos.
CLIPS: Ambiente de desarrollo de sistemas expertos que soporta los paradigmas de reglas de producción y procedimientos.

Herramientas de Análisis Inteligente de Datos:
NNClust: Herramienta que permite el análisis automático de datos mediante el uso de mapas autorganizados de Kohonen.
NNClast y NNPred: Herramienta que permite el análisis automático de datos mediante el uso de redes neuronales de retropropagación.
Weka: Herramienta que permite el análisis automático de datos mediante el uso redes neuronales de backpropagation y mapas autoorganizados de Kohonen.
Elvira: Herramienta que permite el análisis automático de datos mediante el uso de redes bayesianas.
Ctree. Herramienta que permite el análisis automático de datos mediante el uso de algoritmos de inducción basado en el algoritmo C4.5.
See5: Herramienta que permite el análisis automático de datos mediante el uso de algoritmos de inducción basado en el algoritmo C5.
Xlstat: Herramienta que permite la discretización de datos.

Bancos de Prueba:
GWin2 o WinGA: Banco de pruebas basado en Algoritmos Genéticos
Rosetta: Banco de pruebas basado en algoritmos de inducción y redes neuronales.
IBM Neural Network Utility: Banco de pruebas basado en redes neuronales.
Java Neural Network Simulator: Banco de pruebas basado en redes neuronales.

Ambientes de Simulación de Plataformas Robot:
Plataforma de simulación del robot Kephera
Plataforma de Campeonato Argentino de Fútbol Robótico

Volver atras

Responsabilidad sobre contenidos

el_armador_@fi.uba.ar
Facultad de Ingeniería de la Universidad de Buenos Aires
Av. Paseo Colón 850 - C1063ACV - Buenos Aires - Argentina - Tel +54 (11) 4343-0891 / 4343-2775