《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