Guia en format PDF
Logo

Sistemes d'Instrumentació Intel·ligents

Codi: 102724
Crèdits: 6
2026/2027
Titulació Tipus Curs
Enginyeria Electrònica de Telecomunicació OP 4

Professor/a de contacte

Nom :
Javier Martin Martinez
Correu electrònic :
javier.martin.martinez@uab.cat

Equip docent

Javier Martin Martinez

Idiomes dels grups

Podeu consultar aquesta informació al final del document.

Prerequisits


Es recomana haver cursat les assignatures d'Instrumentació I i II.

Objectius

L'objectiu principal de l'assignatura és entendre com l'ús de la intel·ligència artificial pot millorar els sistemes d'instrumentació que l'alumne ja coneix de les assignatures d'instrumentació I i II

 

Resultats d'aprenentatge

  1. Identificar la normativa i la regulació de les telecomunicacions en els àmbits nacional, europeu i internacional en l'àmbit de la compatibilitat electromagnètica
  2. Aplicar de manera autònoma nous coneixements i tècniques adequades per a la concepció, el desenvolupament o l'explotació de sistemes electrònics.
  3. Analitzar i especificar els paràmetres fonamentals d'un sistema de comunicacions, donis del punt de vista de la instrumentació.
  4. Avaluar els avantatges i inconvenients de diferents alternatives tecnològiques de desplegament o implementació de sistemes electrònics, des del punt de vista de les pertorbacions i el soroll.
  5. Realitzar l'especificació, implementació, documentació i posada a punt d'equips i sistemes, electrònics, d'instrumentació i de control, considerant tant els aspectes tècnics com les normatives reguladores corresponents.
  6. Documentar els sistemes d'instrumentació dissenyats, sobre la base de les normatives vigents.
  7. Analitzar i solucionar els problemes d'interferències i compatibilitat electromagnètica.
  8. Desenvolupar un pensament i un raonament crítics.
  9. Desenvolupar la capacitat d'anàlisi i de síntesi.
  10. Treballar de manera autònoma.
  11. Desenvolupar estratègies d'aprenentatge autònom.
  12. Prevenir i solucionar problemes.
  13. Treballar cooperativament.
  14. Comunicar eficientment, oralment i per escrit, coneixements, resultats i habilitats, tant en entorns professionals com davant de públics no experts.
  15. Respectar la diversitat i la pluralitat d'idees, persones i situacions.
  16. Desenvolupar la curiositat i la creativitat.

Continguts


1) Modelatge de sensors no lineals.


2) Introducció a les xarxes neuronals aritficiales.


      2.1) El perceptró.


      2.2) Xarxes multicapa


      2.3) Entrenament de xarxes neuronals.


      2.4) Aplicacions generals.


3) Optimització de sistemes d'instrumentació mitjançant l'ús de xarxes neuronals.

Activitats formatives i Metodologia

Títol Hores ECTS Resultats d'aprenentatge
Clases 30 1,2 1, 2, 3, 4, 7, 8, 9
Discussions dels problemes proposats. 15 0,6 1, 2, 5, 6, 7, 10, 11, 12, 13
Treball orientat a l'aprenentatge basat en problemes 35 1,4 1, 2, 3, 4, 5, 7, 8, 9, 16
Estudi 20 0,8 1, 2, 4, 7
Seminaris de problemes i casos 10 0,4 1, 2, 3, 4, 8, 9, 10, 11, 12, 13, 14, 16
Redacció d'informes 20 0,8 14
tutories 7 0,28 1, 2, 3, 4, 5, 6, 7

 

La metodologia docent combinarà, a banda del treball autònom, activitats dirigides i supervisades. En les activitats dirigides es combinaran classes magistrals, seminaris de problemes i casos i sesions de laboratori.

A través del Campus Virtual es tindrà accés al material docent que complementa els conceptes treballats a l'aula. El Campus Virtual també serà el mètode utilitzat per fer els lliuraments de les activitats avaluables.

Es recomana que els alumnes assisteixin a classe amb un ordinador portàtil.
Durant el curs, les classes magistrals s'aniran alternant amb casos pràctics que els estudiants hauran de resoldre a classe mitjançant l'ús de matlab. L'ús de la IA està restringit a la resolució dels casos pràctics. L´estudiant haurà d´explicar el propòsit de l´ús de la IA i obtenir l´aprovació del professor.

Aquesta assignatura no preveu el sistema d’avaluació única.

Nota: es reservaran 15 minuts d'una classe, dins del calendari establert pel centre/titulació, perquè l'alumnat completi les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura.

Avaluació

Activitats d'avaluació continuada

Títol Pes Hores ECTS Resultats d'aprenentatge
Resolució de problemes a classe 40% 10 0,4 1, 2, 3, 4, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16
Memòria del treball final 30% 2 0,08 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14
Breus exàmens orals 30% 1 0,04 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16

 

Durant el curs s'aniran proposant problemes que els alumnes hauran de resoldre durant la classe i fora.

La resolució daquests problemes correspondrà al 40% total de la nota.

Al llarg del curs s'aniran fent diverses avaluacions orals sobre els exercicis que s'estiguin realitzant en aquell moment. Aquestes avaluacions suposen el 30% de la nota.

Finalment l'alumne haurà de lliurar una memòria d'un treball de temàtica lliure, però relacionada amb els continguts de l'assignatura, que suposarà el 30% de la nota.

En cas de no superar lassignatura, l'alumne tindrà dret a un examen de recuperació segons el calendari fixat per l'Escola.

S'obtindrà la qualificació de No Avaluable en cas de no lliurar la memòria del treball de temàtica lliure i lliurar menys d'un 15% dels treballs proposats.

La classificació de MH s'obtindrà d'acord amb els criteris establerts a la normativa vigent de la UAB.

Sense perjudici d'altres mesures disciplinàries que s'estimin oportunes, i d'acord amb la normativa acadèmica vigent, es qualificaran amb un zero les irregularitats comeses per l'estudiant que puguin conduir a una variació de la qualificació d'un acte d'avaluació.

 

Bibliografia

J.C. Alvarez et al., “Instrumentación electrónica”, Thomson-Paraninfo, 2006

P.H. Sydenham, N.H. Hancok and R. Thorn, “Introduction to Measurement Science and Engineering”, John Wiley & Sons, 1989.

Ripley, Brian D. (1996) Pattern Recognition and Neural Networks, Cambridge

Bishop, C.M. (1995) Neural Networks for Pattern Recognition, Oxford: Oxford University Press.

Programari

Matlab

Grups i idiomes de l'assignatura

La informació proporcionada és provisional fins al 30 de novembre. A partir d'aquesta data, podreu consultar l'idioma de cada grup a través d'aquest enllaç. Per accedir a la informació, caldrà introduir el CODI de l'assignatura

Tipus de docència Grup Idioma Semestre Torn
(TE) Teoria 320 Espanyol segon quadrimestre tarda
(PAUL) Pràctiques d'aula 321 Espanyol segon quadrimestre tarda
(PLAB) Pràctiques de laboratori 321 Espanyol segon quadrimestre matí-mixt
(PLAB) Pràctiques de laboratori 322 Català/Castellà segon quadrimestre matí-mixt