《《人工智能》课程大纲.docx》由会员分享，可在线阅读，更多相关《《人工智能》课程大纲.docx（4页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、人工智能课程教学大纲一、课程的基本信息适应对象：信息工程专业。课程代码：39E01126学时分配：42赋予学分：2先修课程：C语言程序设计、数据结构、面向对象程序设计后续课程：二、课程性质与任务本课程是信息工程专业的一门专业课程，具有较强的理论性和应用性。本课程的任务是使学生掌握人工智能基本原理，理解人工智能程序设计的基本思路和方 法。培养学生的人工智能应用程序的编程能力和实践应用能力。本课程的主要知识点包括面向知识表示、智能搜索、多智能体、推理技术、模糊逻辑、 机器学习等。三、教学目的与要求通过理论和实践教学，使学生掌握人工智能的基本思想和方法，培养学生的人工智能应 用程序开发的基本能力，到
2、达以下3个目标。1 .知识教学目标：理解和掌握人工智能的知识表达，推理和搜索技术，了解基于统计 分析的机器学习方法。2 .能力教学目标：熟练使用prolog, matlab, visual C+等工具来开发人工智能应用程 序3 .思想教育目标：了解人工智能的最新进展和目前的开展思路.四、教学内容与安排(-)课时分配4 照课程内容，分成5个教学单元，各单元的课时安排如下表所示：单元学时分配小计讲授习题讨 论实践1、人工智能概述442、知识表示与推理6283、搜索技术6284、不确定知识表示与推理6285、机器学习10414合计321042(-)教学内容安排5 1单元 人工智能概述【教学内容】1
3、.人工智能基本概念2 .智能感知简介3 .智能推理简介4 .智能学习简介5 .展望【教学重点及难点】教学重点：智能、感知、推理与学习。教学难点：强、弱人工智能辨析。【基本要求】 了解智能、感知、推理与学习的基本概念； 了解弱人工智能的常见范例。【培养能力】了解、掌握人工智能基本知识。第2单元 知识表示与推理【教学内容】1 .知识表示基本概念2 .命题逻辑与谓词逻辑3 .产生式系统4 .其他知识表示方法5 .基于知识的系统：专家系统【教学重点及难点】教学重点：谓词逻辑、产生式系统、专家系统。教学难点：归结原理、语义网络、框架。【基本要求】 了解一阶谓词逻辑，产生式，专家系统； 掌握归结推理； 掌
4、握产生式规那么前后向推理； 了解其他知识表示方法。【培养能力】了解、掌握常用知识表示方法，并应用其进行简单推理程序设计的能力。第3单元搜索技术【教学内容】1 .盲目搜索2 .启发搜索3 .问题规约与AND-OR图启发式搜索4 .博弈搜索【教学重点及难点】教学重点：盲目搜索，启发搜索，博弈搜索。教学难点：启发式信息和评估函数，a-B过程。【基本要求】 了解搜索技术； 理解评估函数； 掌握盲目搜索； 掌握启发式搜索； 掌握博弈搜索； 了解AND-OR图启发式搜索。【培养能力】了解、掌握常用搜索技术，并应用其进行简单智能搜索程序设计的能力。第4单元不确定知识表示与推理【教学内容】1 .不确定知识表示
5、2 .近似推理3 .模糊逻辑【教学重点及难点】教学重点：不确定知识表示与不确定推理方法。教学难点：主观Bayes、证据理论。【基本要求】 了解不确定知识常用表示方法； 掌握主观Bayes下的推理方法； 掌握证据理论下的推理方法； 掌握模糊逻辑与基本模糊推理方法。【培养能力】了解、掌握常用不确定知识表示方法，并应用其进行简单不确定推理程序设计的能力。第5单元机器学习【教学内容】1 .实例学习2 .解释学习3 .基于统计的机器学习方法4 .神经网络5 .强化学习【教学重点及难点】教学重点：统计机器学习、神经网络、强化学习。教学难点：泛化性理论、数值优化技术。【基本要求】 了解实例学习、解释学习基本
6、原理； 掌握常用统计降维，分类线性方法； 掌握BP神经网络原理和优化方法。 掌握Q学习原理和方法【培养能力】了解、掌握常用机器学习方法，并应用其进行简单智能学习程序设计的能力。五、教学设备和设施理论讲授与演示实验辅助的教学方法，适当使用多媒体教学设备。六、课程考核与评估本课程根据两个重要环节进行考核：平时成绩（40%）、期末考核（60%）。七、附录1 .必备教材（1）人工智能：一种现代的方法（第3版）罗素（美）.北京：清华大学出版社，2013. 112 .参考资料（1）人工智能智能系统指南尼格尼维斯基（澳）.北京：机械工业出版社,2012. 08（2）人工智能复杂问题求解的结构和策略卢格（美）.北京：机械工业出版社，2010.01.（3）人工智能：计算agent基础普尔（加）.北京：机械工业出版社，2015.01.