UNIVERSIDAD ANDINA “NÉSTOR CÁCERES VELÁSQUEZ”

FACULTAD DE “INGENIERÍAS Y CIENCIAS PURAS”

ESCUELA PROFESIONAL DE “INGENIERÍA ELECTRÓNICA Y

TELECOMUNICACIONES”

S Í L A B O
ASIGNATURA
“ELECTIVO DE ESPECIALIDAD ELECTRONICA”

SEMESTRE DE ESTUDIOS
“IX”

SEMESTRE ACADÉMICO
2018 – I

DOCENTE

Ing. Abelardo León Miranda

JULIACA – PUNO – PERÚ

 UNIVERSIDAD ANDINA NÉSTOR CÁCERES VELÁSQUEZ
VICERRECTORADO ACADÉMICO
UNIDAD DE MEDICIÓN DE CALIDAD ACADÉMICA,
ACREDITACIÓN Y MEJORA CONTÍNUA

SÍLABO 2018 - 1

I. DATOS GENERALES:

1.1. ASIGNATURA : Electivo de Especialidad Electrónica

1.2. CÓDIGO DE LA ASIGNATURA : ET259
1.3. N° DE CRÉDITOS : 03
1.4. REQUISITO :
1.5. FACULTAD : Ingenierías y Ciencias Puras
1.6. ESCUELA PROFESIONAL : Ingeniería Electrónica y Telecomunicaciones
1.7. TIPO DE ESTUDIOS : Especialidad
1.8 SEMESTRE ACADÉMICO : 2018-1 SECCIÓN(ES): UNICO
1.9. HORAS SEMANALES : TEÓRICAS: 2 PRÁCTICAS: 2 TOTAL: 4
1.10. DURACIÓN DE ASIGNATURA : N° SEMANAS: 17 Del: 03/04/18 Al: 19/07/18
1.11. TURNO DE ESTUDIO : MAÑANA: TARDE: X NOCHE:
1.12. EQUIPO DOCENTE - Abelardo León Miranda
Globa_ltec@hotmail.com

II. SUMILLA:
La asignatura de Sistemas de Control Inteligente consta de conocimientos avanzados de control
alternativo inteligente, el cual se utiliza en cualquier ámbito de la industria con la ayuda de software
ya que se basa en algoritmos de control ya sean difusos o neuronales. El contenido viene descrito en
la forma siguiente: Unidad I: SISTEMAS EXPERTOS, Unidad II: CONTROL DIFUSO Unidad III:
REDES NEURONALES. Unidad IV: ALGORITMOS GENETICOS

III. COMPETENCIA(S):
Describe y conoce los algoritmos de control inteligente aplicados a sistemas diversos.

IV. PROGRAMACIÓN DE LA UNIDADES DIDÁCTICAS:

4.1. UNIDAD DIDÁCTICA N° 01:

TÍTULO: “SISTEMAS EXPERTOS”
Duración en semanas: 04 semanas Del: 02/04/18 Al: 26/04/18
Competencia especifica:
Describe los tipos de sistemas expertos que se pueden implementar en aplicaciones diversas.

Logros de Aprendizaje (Indicadores de desempeño):

- Finalizando la unidad los estudiantes estarán en la capacidad de reconocer sistemas de control
de diferentes aplicaciones.

Sema CONCEPTUAL PROCEDIMENTAL PRODUCTO

na
1 Reconoce tipos y
Define tipos y componentes de
sistemas expertos.
2 Define el desarrollo de un
sistema experto y los sistemas
basados en reglas
3 Define las aplicaciones de los
sistemas expertos.
- Algoritmo de consulta –
componentes de sistemas sistema experto
expertos utilizando reglas de
Aplica el desarrollo de un inferencia
sistema experto y los sistemas
basados en reglas
Utiliza las aplicaciones de los
sistemas expertos
 4 Determina las plataformas
Utiliza las plataformas para
para construir sistemas
construir sistemas expertos.
expertos.
ACTITUDINAL:
- Valora los principios del acondicionamiento de las señales.
- Acepta diferencia entre sistemas de control continuo y discreto.
- Valora los principios de muestreo y retención para discretización.
- Valora las ecuaciones en diferencias

4.2. UNIDAD DIDÁCTICA N° 02:

TÍTULO: “CONTROL DIFUSO”
Duración en semanas: 04 semanas Del: 30/04/18 Al: 24/05/18
Competencia especifica:
Reconoce lógica difusa y controladores difusos aplicados a la electrónica y control de procesos
utilizando dichos controladores.

Logros de Aprendizaje (Indicadores de desempeño):

- Terminando la unidad los estudiantes diseñan controladores difusos utilizando diversas
tecnologías de implementación con algoritmos inteligentes.

Semana CONCEPTUAL PROCEDIMENTAL PRODUCTO

1 Define los conjuntos difusos Establece los conjuntos difusos Controlador
2 Define la teoría de la lógica Utiliza la teoría de la lógica difuso utilizando
difusa difusa matlab o
3 Conoce el modelamiento de Aplica el modelamiento de cualquier
sistemas difusos sistemas difusos plataforma
4 Define los controladores difusos
Diseña los controladores difusos
ACTITUDINAL:
- Aprecia los conjuntos difusos
- Comparte la teoría de la lógica difusa
- Valora el modelamiento de sistemas difusos.
- Acepta los controladores difusos

4.3. UNIDAD DIDÁCTICA N° 03:

TÍTULO: “REDES NEURONALES”
Duración en semanas: 4 semanas Del: 28/05/18 Al: 21/06/18
Competencia especifica:
Conoce las técnicas para la implementación de algoritmos utilizando redes neuronales aplicados
al control con ayuda de MATLAB

Logros de Aprendizaje (Indicadores de desempeño):

- Finalizando esta unidad el estudiante realizará controladores neuronales inteligentes

Semana CONCEPTUAL PROCEDIMENTAL PRODUCTO

1 Determina los elementos de una Establece los elementos de una - Utilización de
red neuronal red neuronal técnicas
2 Determina el aprendizaje, Aplica el aprendizaje, validación inteligentes
validación y codificación de una y codificación de una red neuronales en el
red neuronal neuronal control de
3 Define las topologías de una red Aplica las topologías de una red sistemas
neuronal neuronal
4 Determina la aplicación de una Utiliza la aplicación de una red
red neuronal neuronal
ACTITUDINAL:
- Valora los elementos de una red neuronal
- Aprecia el aprendizaje, validación y codificación de una red neuronal.
 - Valora las topologías de una red neuronal
- Acepta la aplicación de una red neuronal.

4.4. UNIDAD DIDÁCTICA N° 04:

TÍTULO: “ALGORITMOS GENETICOS”
Duración en semanas: 4 semanas Del: 25/06/18 Al: 19/07/18
Competencia especifica:
Explica los conceptos referentes al análisis en el espacio de estados y los controladores a
implementarse con este tipo de análisis.

Logros de Aprendizaje (Indicadores de desempeño):

- Finalizando esta unidad el estudiante está capacitado para llevar funciones de transferencia en
estado continuo y discreto en variables de estado.
Semana CONCEPTUAL PROCEDIMENTAL PRODUCTO
1 Define los componentes y Utiliza los componentes y - Algoritmo de
técnicas de representación de un técnicas de representación de un control
algoritmo genético algoritmo genético utilizando
2 Determina los operadores de un Reconoce los operadores de un algoritmos
algoritmo genético algoritmo genético genéticos
3 Define mecanismos de selección Aplica mecanismos de selección
algoritmo genético algoritmo genético
4 Define parámetros de selección y Utiliza parámetros de selección y
tipos de representación de un tipos de representación de un
algoritmo genético algoritmo genético
ACTITUDINAL:
- Acepta los componentes y técnicas de representación de un algoritmo genético
- Valora los operadores de una algoritmo genético
- Aprecia mecanismos de selección algoritmo genético
- Valora parámetros de selección y tipos de representación de un algoritmo genético

V. ESTRATEGIAS METODOLÓGICAS:
- Investigación, organización de la información de temas específicos.
- Practicas calificadas dirigidas.
- Aprendizaje basado en problemas reales observados en el campo.
- Esquemas y Cuadros de aprendizaje referentes al tema.

5.1. Métodos:
- Métodos participativos (Exposición Dialogo, debates, dinámica de grupos, juego de roles, etc).
- Método basado en habilidad de comunicación.
- Métodos de proyectos.
- Método de preguntas

5.2. Técnicas:
- Organizadores Visuales.
- Mapa de conceptos.
- Lluvia de ideas.
- Dinámica grupal.
- Debate Dirigido.
- Sustentación de informes y conclusiones

5.3. Procedimientos:
- Presentación de Temas y/o casos.
- Distribución de temas: individuales o en grupos.
- Análisis, Dialogo, debates, exposiciones y conclusiones.
- Elaboración de informes.
- Evaluación, reforzamiento, meta cognición.
 - Aplicación y seguimiento

VI. MEDIOS Y MATERIALES EDUCATIVOS:

6.1. Medios (cómo):
- Audiovisuales

6.2. Materiales (con qué):

- Pizarra, plumones y mota.
- Material Bibliográfica.
- Aula Virtual.
- Data display-diapositivas
- Laptop- computadora.
- Lecturas seleccionadas.
- Guías de laboratorio.

VII. EVALUACIÓN DE LOS APRENDIZAJES:

CRITERIOS INDICADORES TECNICAS INSTRUMENTOS

 Examen.
 Ejemplos de trabajos
hechos, desempeño o
diseñado.
CONCEPTUAL Según Característica. Pruebas.  Revisión bibliográfica
básica.
 Revisión comentada de la
literatura.
 Informes, criticas,
artículos
 Exposición
 Informe de prácticas
Procedimental Según Característica. ejercicios
realizadas.
 Informes de proyectos
finales y funcionamiento
 Observación
Actitudinal Según Característica.  Lista de asistencias.
sistemática y
 Ficha de co-evaluación.
espontánea.

CRITERIOS DE CALIFICACION

La escala de calificación será vigesimal.

El promedio parcial se obtiene a través de los promedios obtenidos en cada uno de los
criterios, aplicado la siguiente formula:

PU1=0.4*EP1+0.3*PC1+0.2*TE1+0.1*AS1

PF=0.5*PU1+0.5*PU2
Dónde:
PU=Promedio por cada unidad.
EP1=Evaluación parcial 01=40%
PC1=Práctica Calificada 01=30%
TE1=Trabajo Encargado 01= 20%
AS1=Asistencia Unidad 01= 10%

PF= PROMEDIO FINAL.

PU1= Promedio primera unidad Didáctica.
 PU2= Promedio segunda unidad Didáctica.

- CRONOGRAMA DE EVALUACIÓN

UD ACCIONES Instrumentos MES DIA Porcentaje

IU Pc1  Prueba de objetiva Examen Última Según 25%

 Instrumentos de los criterios semana de programa
procedimentales y actitudinal. setiembre
IIU EP1  Prueba de objetiva Examen Última Según 25%
Instrumentos de los criterios semana de programa
procedimentales y actitudinal. Octubre
IIIU Pc2  Prueba de objetiva Examen Última Según 25%
Instrumentos de los criterios semana de programa
procedimentales y actitudinal. Noviembre
IVU EP2  Prueba de objetiva Examen Última Según 25%
Instrumentos de los criterios semana de programa
procedimentales y actitudinal. Diciembre
TOTAL 100%

VIII. REFERENCIAS BIBLIOGRÁFICAS:

1. PEDRO PONCE CRUZ, “Inteligencia Artificial Con Aplicaciones a La Ingeniería”.

2. BONIFACIO MARTIN DEL BRIO, ALFREDO SANZ MOLINA, “Redes Neuronales Y
Sistemas Difusos”.
3. CASTILLO, GUTIERREZ, HADI, “Sistemas Expertos y Modelos de Redes
Probabilísticas”.

IX. ANEXOS:

Juliaca, 02 de Abril de 2018

……………………………………………………
Z
ING. ABELARDO LEÓN MIRANDA

V° B° …………………………………… V° B° ……………………………………
DECANO DE FACULTAD DIRECTOR DE ESCUELA
PROFESIONAL