ESTUDOS ESPECIAIS EM ENGENHARIA CIVIL - INTELIGÊNCIA COMPUTACIONAL

Carga horária:

45

Créditos:

3

Ementa:

Baixe aqui a ementa

Modelos de inteligência artificial x modelos estatísticos convencionais. Introdução, conceitos gerais, exemplos. Introdução à mineração de dados.

Modelos de Regressão de Dados. Introdução, regressão linear simples e múltipla, regressão não-linear. Predição, análise de resíduos.

Redes Neurais Artificiais. Introdução, tipos de rede, modelo adaline, perceptron, MLP (Multi-layer perceptron), funções de ativação. Exemplos com problemas de classificação e regressão.

Máquinas de Vetores Suporte. Introdução, problemas linearmente separáveis, problemas não linearmente separáveis, funções Kernel. Exemplos com problemas de classificação.

Análise de Clusters. Introdução, tipos. Medidas de similaridade, cálculo de inércias intra e inter clusters. Agrupamentos hierárquicos ascendentes e descendentes, agrupamentos por partição.

Bibliografia recomendada:

1. The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer.

2. Learning and Soft Computing, MIT Press.

3. Pattern Classification, John Wiley & Sons, Inc., 2000.

4. Applied Regression Analysis, Wiley Series in Probability and Statistics.

5. Statistical Models: Theory and Practice, Cambridge University Press.

6. Neural and Adaptative Systems, John Wiley & Sons, Inc., 2000.

7. Neural Networks - A Comprehensive Foundation. 2nd ed. Prentice Hall.

8. Neural Networks for Pattern Recognition. Oxford: Claredon Press.

9. An Introduction to Support Vector Machines and other kernel-based learning methods, Cambridge University Press.

10. The Nature of Statistical Learning Theory. Springer-Verlag.

11. Cluster Analysis for Data Mining and System Identification, Springer-Verlag.

12. Cluster Analysis, Hodder Arnold, 4th edition.

 


© 2021 | Desenvolvido por Masterix Sistemas