人工智能-人工智能详细教学大纲 精品

《人工智能》教学大纲 课程名称：人工智能 英语名称：Artificial Intelligence 课程代码：130234 课程性质：专业必修 学分学时数： 5/80 适用专业：计算机应用技术 修（制）订人： 修（制）订日期：20XX 年2月 审核人： 审核日期： 审定人： 审定日期： 一、课程的性质和目的 （一）课程性质 人工智能是计算机科学理论基础研究的重要组成部分，人工智能课程是计算机科学技术专业的专业拓展选修课。通过本课程的学习使学生了解人工智能的提出、几种智能观、重要研究领域，掌握人工智能求解方法的特点。掌握人工智能的基本概念、基本方法，会用知识表示方法、推理方法和机器学习等方法求解简单问题等。 （二）课程目的 1、基本理论要求： 课程介绍人工智能的主要思想和基本技术、方法以及有关问题的入门知识。要求学生了解人工智能的主要思想和方法。 2、基本技能要求： 学生在较坚实打好的人工智能数学基础（数理逻辑、概率论、模糊理论、数值分析）上，能够利用这些数学手段对确定性和不确定性的知识完成推理；在理解Herbrand 域概念和Horn 子句的基础上，应用Robinson 归结原理进行定理证明；应掌握问题求解（GPS ）的状态空间法，能应用几种主要的盲目搜索和启发式搜索算法（宽度优先、深度优先、有代价的搜索、A 算法、A*算法、博弈数的极大—极小法、α―β剪枝技术）完成问题求解；并能熟悉几种重要的不确定推理方法，如确定因子法、主观Bayes 方法、D —S 证据理论等，利用数值分析中常用方法进行正确计算。 3、职业素质要求：结合实战，初步理解和掌握人工智能的相关技术。 二、教学内容、重（难）点、教学要求及学时分配 第一章：人工智能概述（2学时）

……

………………………………………………………………装……订……线…………………………………………………………………………………………………………… …………………………

1、讲授内容：

（1）人工智能的概念

（2）人工智能的研究途径和方法

（3）人工智能的分之领域

（4）人工智能的基本技术

（5）人工智能的发展概况

2、教学要求：

了解：研究途径和方法、人工智能的分之领域、基本技术和发展概况。

理解：人工智能的基本概念、基本技术

掌握：人工智能的发展概况，人工智能研究的课题种类

3、教学重点：人工智能概念

4、难点：人工智能的研究途径和方法

第二章：基于谓词逻辑的机器推理（2学时）

1、讲授内容：

（1）一阶谓词逻辑

（2）归结演绎推理

（3）应用归结原理求取问题答案

（4）归结策略

（5）Horn子句归结与逻辑程序

（6）非归结演绎推理

2、教学要求：

了解：一阶谓词逻辑的基本概念

理解：应用归结远力求取问题答案的方法和Horm自居归结于逻辑程序的方法以及非归结演绎原理的方法和途径

掌握：归结演绎推理

3、教学重点：归结演绎推理

4、难点：Horn子句归结与逻辑程序

第三章：图搜索技术（5学时）

1、讲授内容：

（1）状态图搜索

（2）状态图问题求解

（3）与或图搜索

（4）与或图问题求解

（5）博弈树搜索

2、教学要求：

了解：常用的图搜索技术

理解：与或图搜索问题的原理

掌握：与或图的启发式搜索算法AO

3、教学重点：与或图的启发式搜索算法AO

4、难点：与或图搜索

第四章：产生式系统（2学时）

1、讲授内容：

（1）产生式规则

（2）产生式系统

（3）产生式系统与图搜索

（4）产生式系统的应用

2、教学要求：

了解：产生式

理解：谓词逻辑归结原理

掌握：Herbrand定理

3、教学重点：谓词逻辑归结原理

4、难点：Herbrand定理

第五章：知识表示（2学时）

1、讲授内容：

（1）知识及其表示

（2）框架

（3）语义网络

（4）面向对象知识表示

2、教学要求：

了解：知识表示的概述

理解：几种知识表示方式

掌握：产生式表示语义网络表示

3、教学重点：产生式表示语义网络表示

4、难点：框架表示

第六章：不确定性推理方法（6学时）

1、讲授内容：

（1）不确定性及其类型

（2）不确定性知识的表示

（3）不确定性推理的一般模式

（4）确定性理论

（5）证据理论

（6）模糊推理

2、教学要求：

了解：不确定性推理方法的概述

理解：论证理论模糊推理

掌握：论证理论

3、教学重点：论证理论模糊推理

4、难点：证据理论(D-Stheory)

第七章：专家系统（4学时）

1、讲授内容：

（1）专家系统的概念

（2）专家系统的结构

（3）专家系统的应用与发展

（4）专家系统设计与实现

（5）专家系统开发与环境

（6）新一代专家系统研究

2、教学要求：

了解：专家系统的概述、专家系统的组成结构与发展理解：专家系统的设计与实现

掌握：专家系统的开发与使用

3、教学重点：专家系统的设计与实现

4、难点：新一代专家系统概述

第八章：机器学习（10学时）

1、讲授内容：

（1）符号学习

（2）神经网络学习

2、教学要求：

了解：机器学习的概述

理解：符号学习

掌握：常用的机器学习的方式

3、教学重点：神经网络学习

4、难点：遗传算法

三、各教学环节的基本要求

（一）课堂讲授

1、教学方法

（1）注重理论指导的作用，积极探究达到最佳视觉效果的典型做法。同时贯彻理论和实践相结合的原则，给学生出一定量的思考，并要求学生完成一定量的作业，以提高学生的理论水平，培养学生的动手能力和创新精神。

（2）把握课程的重难点，及时总结深化所学内容，并针对重难点布置适当的综合练习。以便达到良好的教学效果。

2、教学手段

（1）采用理论讲解、操作示范等多种方式，充分利用多媒体等现代化教学手段，整体优化教学过程和教学内容，调动学生学习积极性，进行启发式的教学。

（2）注重学生动手能力的培养，积极鼓励和引导学生对所学的知识、技能加以拓宽、深化。

3、教学辅助资料

CAI课件

（二）作业、答疑和质疑

1、作业

2、答疑和质疑

（三）考核方式

1、考核方式：考试

2、成绩评定：期末考试70%，平时成绩30%

四、与其他课程的联系与分工

本课是计算机及相关专业学生的专业选修课，选修本课须有比较全面的计算机知识。先行课程：

《离散数学》、《高等数学》、《概率论》、《线性代数》、《C语言程序设计》、《数据结构》五、建议教材及教学参考书

（一）建议教材

《人工智能及其应用》，蔡自兴，徐光祐。清华大学出版社，2000年5月。

（二）教学参考书

《人工智能（上、下册）》，陆汝钤，北京：科学出版社， 1996年。