《人工智能理论与应用》课程大纲
课程编号：A1709563
课程名称：人工智能理论与应用
学分/学时：3/48
先修课程：《数据结构》、《离散数学》和《高级程序设计语言》
适用专业：计算机科学与技术
课程性质：限选
考核方式：考查
考核形式：大作业、实验评估
建议教材：人工智能教程，王士同主编，电子工业出版社，2006年2月第2版
内容简介：（200字以内）（黑体五号）
1、人工智能研究的发展和基本原则：人工智能的研究和应用；人工智能研究的发展；人工智能研究的成果；人工智能研究的基本原则；存在的问题和发展前景
2、一般图搜索：回溯策略、图搜索策略、无信息搜索过程、启发式图搜索过程、搜索算法讨论。
3、与或图搜索问题：与或图的搜索、与或图的启发式搜索算法AO*、博弈树的搜索。
4、谓词逻辑与归结原理：命题逻辑、谓词逻辑基础、谓词逻辑归结原理、HERBRAND定理。
5、知识表示：知识、知识表示、知识观、产生式表示方法、语义网络表示、框架表示以及其他表示方法。
6、不确定性推理方法：不确定性推理的基本问题、贝叶斯网络、主观贝叶斯方法、确定性方法、证据理论。
7、机器学习：机器学习概论、实例学习、基于解释的学习、决策树学习、神经网络学习、知识发现与数据挖掘。
8、高级搜索：基本概念、局部搜索算法、模拟退火算法、遗传算法等。
人工智能理论与应用
Artificial Intelligence Theory and Application
课程编号：A1709563
学 分：3
学 时：48 学时 （讲课学时：32 实验学时：16）
先修课程：《数据结构》、《离散数学》和《高级程序设计语言》
适用专业：计算机科学与技术
建议教材：人工智能教程，王士同主编，电子工业出版社，2006年2月第2版
主要参考书：
- 高等学校规划教材:人工智能原理及其应用 电子工业出版社 王万森 2012
- 人工智能及其应用(第4版) 蔡自兴、 徐光祐 清华大学出版社 2010
开课学院：计算机科学与工程学院
修订日期：2017年6月
一、课程说明（黑体五号）
人工智能是一门综合性前沿学科，是计算机学科的重要分支。通过对人工智能课程的学习，使学生掌握人工智能技术的基本原理；了解启发式搜索策略、与或图搜索问题、谓词逻辑与归结原理、知识表示、不确定性推理方法、机器学习和知识发现等目前人工智能的主要研究领域的原理、方法和技术；增强学生的逻辑思维与实验能力，为今后在各自领域开拓高水平的人工智能技术应用奠定基础。
二、课程目标（黑体五号）（需对应于本专业2017级培养方案中的毕业要求进行细化分解）
根据课程在知识结构中的作用，教学要求分为掌握、熟悉、了解、选学四个层次，具体要求如下。
1．掌握部分:一般图搜索（回溯策略、图搜索策略、无信息搜索过程、启发式图搜索过程）；与或图搜索问题包括与或图的启发式搜索算法AO*、博弈树的搜索；谓词逻辑与归结原理（谓词逻辑归结原理、HERBRAND定理）；知识表示（产生式表示方法、语义网络表示、框架表示）；不确定性推理方法（不确定性推理的基本问题、贝叶斯网络、主观贝叶斯方法、确定性方法）(对应毕业要求中的2.2、3.1、3.2)
2．熟悉部分：
不确定性推理方法之证据理论；机器学习（机器学习概论、实例学习、基于解释的学习、决策树学习、神经网络学习）。(对应毕业要求中的3.1、3.2)
3．了解部分：
人工智能研究的发展和基本原则；知识原则、知识表示的作用、功能、性能；自动规划技术的新进展，人工智能的最新进展和面临的挑战。(对应毕业要求中的2.2、3.1)
4．选学部分：
高级搜索。(对应毕业要求中的3.1)
三、教学内容及基本要求
第一章：人工智能概述
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
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
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
4 、难点： 与或图搜索
第四章： 产生式系统
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
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
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
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
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
四、课程学时分配
人工智能原理及应用课程根据教学计划规定的学时数，理论课32学时，实践16学时，具体学时分配如下表，供参考。
| 教学内容概要 | 学时 | 教学方式 | 对应
课程目标 |
||
| 讲课 | 实验 | 实践 | |||
| 第一章：人工智能概述 | 2 | 讲授 | 3 | ||
| 第二章：基于谓词逻辑的机器推理文法和语言 | 4 | 2 | 讲授、实验 | 1、2 | |
| 第三章：图搜索技术 | 4 | 4 | 讲授、实验 | 1、2 | |
| 第四章： 产生式系统 | 4 | 4 | 讲授、实验 | 1、2 | |
| 第五章：知识表示 | 4 | 2 | 讲授、实验 | 1、2 | |
| 第六章：不确定性推理方法
|
4 | 4 | 讲授、实验 | 1、2 | |
| 第七章：专家系统 | 4 | 讲授 | 3 | ||
| 第八章： 机器学习 | 4 | 讲授 | 3 | ||
| 合计 | 32 | 16 | |||
五、其他教学环节（针对理实一体类课程填写此项）
六、授课说明
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。
七、考核办法
课程名称：人工智能理论与应用 课程号：A1709563
考核方式：考查
考核形式：大作业60%、实验评估30%、作业10%
本课程的学生成绩由平时成绩和期末成绩两部分组成，其中平时成绩占总成绩的40%，期末成绩占总成绩的60%。平时成绩由实验评估、作业综合评定。
评论