人工智能原理及其应用
一、说明
（一）课程性质
随着信息社会和知识经济时代的来临，信息和知识已成为人们的一个热门话题。然而，在这个话题的背后还蕴含着另外一个更深层的问题——智能。一般来说，信息是由数据来表达的客观事物，知识是信息经过智能性加工后的产物，智能是用来对信息和知识进行加工的加工器。在信息社会，人类面对的信息将非常庞大，仅靠人脑表现出来的自然智能是远远不够的，必须开发那种由机器实现的人工智能。
《人工智能导论》是计算机科学与技术专业本科生的一门限选课程。
（二）教学目的
使学生掌握人工智能的基本原理、方法及研究应用领域。了解人工智能中常用的知识表示技术，启发式搜索策略，了解原理以及非确定性推理技术。通过对典型专家系统的分析、解剖、进
一步深入掌握人工智能的主要技术，去解决人工智能的一些实际问题。增强学生的逻辑思维与实
验能力，为人今后处理各门学科的智能奠定基础。
（三）教学内容
人工智能的基本原理和方法，人工智能的三个重要研究领域（机器学习、神经网络学习和自然语言理解），人工智能的两个重要应用领域（专家系统和智能决策支持系统）。
（四）教学时数
36学时
（五）教学方式
课堂讲授和上机实验相结合。
二、本文
第1章人工智能概述
教学要点
讨论人工智能的定义、形成过程、研究内容、研究方法、技术特点、应用领域、学派之争及发展趋势。教学时数
3学时
教学内容
1.1 人工智能及其研究目标（0.5学时）
了解人工智能的定义及其研究目标。
1.2 人工智能的产生与发展（0.5学时）
了解人工智能产生与发展的四个阶段。
1.3 人工智能研究的基本内容及其特点（0.5学时）
了解人工智能研究的基本内容及特点。
1.4 人工智能的研究和应用领域（0.5学时）
了解人工智能研究和应用领域。
1.5 人工智能研究的不同学派及其争论（0.5学时）
了解三大学派及其理论的争论和研究方法的争论。
1.6 人工智能的近期发展分析（0.5学时）
了解更新的理论框架研究，更好的技术集成研究，更成熟的应用方法研究。（0.5学时）
了解人工智能研究的基本内容和应用领域。
第2章知识表示
教学要点
知识表示的基本概念和各种确定性知识表示方法。
教学时数
6学时
教学内容
2.1知识与知识表示概念（0.5学时）
了解知识表示的概念和表示形式；
理解知识的定义。
2.2一阶谓词逻辑表示法（0.5学时）
理解一阶谓词逻辑表示的逻辑基础；
掌握谓词逻辑表示方法及其应用。
2.3 产生式表示法（0.5学时）
了解产生式系统的基本过程、控制策略及其类型和特点；
掌握产生式表示的基本方法、基本结构。
2.4 语义网络表示法（1学时）
理解语义网络的基本概念；
会应用语义网络表示事实和进行推理。
2.5 框架表示法（2学时）
了解框架系统的问题求解过程和框架表示法的特点；
掌握框架结构和实例框架；
理解框架理论。
2.6 脚本表示法
掌握脚本的结构及其推理。（0.5学时）
2.7 过程表示法（0.5学时）
了解过程表示的特性；
掌握过程表示的问题求解过程；
理解表示知识的方法。
2.8 面向对象表示法（0.5学时）
了解面向对象的特征；
理解面向对象的基本概念；
掌握知识的面向对象表示。
考核要求
掌握逻辑词谓表示法及其应用，会用框架去描述一些具体问题，能用脚本来描述特定范围内的一些事件的发生顺序。
第3章确定性推理
教学要点
推理的基本概念及归结、演绎等确定性推理方法。
5学时
教学内容
3.1 推理的基本概念（0.5学时）
了解正向推理、逆向推理、混合推理及其推理的冲突消解策略；
掌握推理的方法、推理的控制策略；
理解推理的概念。
3.2 推理的逻辑基础（1学时）
掌握谓词公式的各种特性和置换与合一的过程。
3.3 自然演绎推理（0.5学时）
了解自然演绎推理的概念及其三段论推理规则。
3.4 归结演绎推理（2学时）
掌握子句集及其化简，鲁宾逊归结原理；
会应用谓词逻辑归结证明问题，会用归结演绎推理的归结策略证明问题，会用归结反演求取问题的答案。
3.5 基于规则的演绎推理（1学时）
会应用规则正向演绎推理和规则逆向演绎推理。
3.6 规则演绎推理的剪枝策略（0.5学时）
了解剪枝策略的基本思想。
考核要求
理解确定性推理的思维过程，会应用谓词逻辑归结去求证问题，会应用规则正向演绎推理和规则逆向演绎推理。
第4章不确定与非单调推理
教学要点
不确定性推理的有关概念及各种不确定性的表示和推理方法。
教学时数
4学时
教学内容
4.1 不确定性推理的基本概念（0.5学时）
了解不确定推理的基本问题；
理解不确定推理的含义。
4.2 不确定性推理的概率论基础（0.5学时）
了解全概率公式与Bayes公式；
理解样本空间与随机事件，事件的概率。
4.3 确定性理论（0.5学时）
理解可信度的概念，C-F模型；
掌握带加权因子的可信度推理。
4.4 主观Bayes方法（0.5学时）
了解组合不确定性计算；
掌握知识不确定性表示，证据不确定性表示，结论不确定性的合成。
4.5 证据理论（1学时）
掌握D-S理论的形式描述，证据理论的推理模型，推理实例。
4.6可能性理论和模糊推理（0.5学时）
掌握模糊知识表示，模糊概念的匹配，模糊推理。
4.7非单调推理（0.5学时）
了解非单调推理的概念及起具有代表性的理论。
考核要求
理解不确定性推理的含义、非单调推理的概念、确定性理论，掌握主观Bayes方法，能用D-S理论从不同角度刻划命题的不确定性，能在模糊集的基础上，实现对模糊命题和模糊知识的表示。
第5章搜索策略
教学要点
搜索的基本概念和状态空间、与或树的各种搜索算法。
教学时数
6学时
教学内容
5.1 搜索的基本概念（1学时）
了解搜索的含义；
掌握状态空间法，问题归约。
5.2 状态空间的盲目搜索（2学时）
了解一般图搜索过程；
掌握广度优先搜索，深度优先搜索，代价树搜索。
5.3 状态空间的启发式搜索（0.5学时）
了解A算法；
理解启发性信息和估价函数。
5.4 与/或树的盲目搜索（0.5学时）
了解与/或树的一般搜索；
掌握与/或树的的广度优先搜索，与/或树的深度优先搜索。
5.5 与/或树的启发式搜索（0.5学时）
了解与/或树的启发式搜索过程；
理解解树的代价与希望。
5.6 博弈树的启发式搜索（0.5学时）
了解极大极小过程，α-β剪枝。
考核要求
了解搜索概念，博弈树的启发式搜索；掌握状态空间的盲目搜索和与/或树的盲目搜索。
第6章机器学习
教学要点
机器学习的基本概念和各种符号学习方法。
教学时数
4学时
教学内容
6.1 机器学习的基本概念（0.5学时）
了解机器学习的发展过程，学习系统，机器学习的分类；
理解学习和机器学习的概念。
6.2 机械式学习（0.5学时）
了解机械学习的过程及其设计要考虑的三个问题。
6.3 指导式学习（0.5学时）
了解指导式学习的学习过程。
6.4 归纳学习（0.5学时）
了解归纳学习的类型。
6.5 基于类比的学习（0.5学时）
了解属性类比学习、转换类比学习；
理解类比学习的概念。
6.6 基于解释的学习（0.5学时）
了解解释学习的空间描述及学习模型；
理解解释学习的概念；
掌握解释学习的基本原理及基本过程。
考核要求
了解机器学习的概念，机械式学习，指导式学习，归纳学习；掌握基于解释学习的基本原理及其基本过程。
第7章神经网络及连接学习
教学要点
人工神经网络的概念和各种连接学习方法。
教学时数
2学时
教学内容
7.1 人工神经网络概述（0.5学时）
了解人工神经元及人工神经网络人工神经网络的发展过程，人工神经网络的局限性；
理解生物神经元及脑神经系统的结构及特征。
7.2 人工神经网络的互连结构及其学习机理（0.5学时）
了解人工神经网络学习和记忆的心理学基础；
理解人工神经网络的互连结构；
掌握人工神经网络的学习算法。
7.3 感知器模型及其学习（0.5学时）
了解有关感知器XOR问题求解的讨论；
理解感知器模型，感知器学习。
7.4 误差反向传播网络及其学习（0.25学时）
理解B-P网络结构；
掌握B-P网络学习的传播公式，B-P网络的学习算法。
7.5 Hopfield网络及其学习（0.25学时）
了解Hopfield模型的稳定性
理解Hopfield网络的结构；
掌握Hopfield网络的学习算法。
考核要求
了解人工神经网络及其结构和学习机理；理解感知器、B-P网络、Hopfield网络及其B-P网络；掌握Hopfield网络的算法。
第8章自然语言理解
教学要点
自然语言理解的基本概念和分析方法。
教学时数
2学时
教学内容
8.1 语言及其理解的基本概念（0.25学时）
了解自然语言与自然语言理解，自然语言理解的研究任务，自然语言理解的发展，自然语言理解的层次。
8.2 语法规则的表示方法（0.25学时）
掌握句子结构的表示，上下文无关文法，变换文法。
8.3 语法分析（0.5学时）
掌握自顶向下与自底向上分析；
理解扩充转移网络分析。
8.4 语义的分析（0.5学时）
理解语义文法；
掌握格文法。
8.5 自然语言的生成（0.25学时）
了解自然语言生成的概念及生成步骤。
8.6 自然语言理解系统的层次模型（0.25学时）
了解语言理解的层次模型。
考核要求
了解自然语言理解的概念，会用语法分析和语义的分析，了解自然语言理解系统的层次模型。
第9章专家系统
教学要点
专家系统是人工智能的一个重要应用领域,它目前正在从集中、封闭模式向分布、开放模式发展。
教学时数
3学时
教学内容
9.1 专家系统的基本概念（0.5学时）
了解专家系统的概念、分类及特点。
9.2 专家系统的基本结构（0.5学时）
了解用户界面；
理解知识库、数据库、推理机、解释机构、知识获取机构。
9.3 知识获取（0.5学时）
了解知识获取方法的分类；
理解知识获取的任务；
掌握非自动知识获取，自动知识获取。
9.4 专家系统的开发与评价（0.5学时）
了解专家系统的开发条件，生命期概念，专家系统开发过程的各个阶段。
9.5 专家系统开发工具与环境（0.5学时）
了解程专家系统的开发工具与开发环境。
9.6 专家系统的进一步发展（0.5学时）
了解新一代专家系统。
考核要求
了解专家系统的概念、基本结构及其开发工具与环境；掌握非自动知识获取和自动知识获取。
第10章智能决策支持系统
教学要点
智能决策支持系统是人工智能的另一重要应用领域,它是目前迅速兴起的网络商务中的一项重要技术,有着广阔的应用前景
教学时数
2学时
教学内容
10.1 智能决策支持系统的基本概念（0.5学时）
了解智能决策支持系统；
理解决策与决策过程，决策支持系统。
10.2 决策支持新技术（1学时）
理解数据仓库、数据开发及其它们的结合。
10.3 智能决策支持系统的基本结构（0.5学时）
掌握智能决策支持系统的基本结构。
考核要求
了解智能决策支持系统及其新技术，知道智能决策支持系统的结构及新结构体系；理解决策与决策过程，决策支持系统；智能决策支持系统的基本结构。
三、参考书目
1、王万森，《人工智能原理及其应用》，电子工业出版社，2000年9月第一版。
2、林尧瑞、马少平，《人工智能导论》，清华大学出版社，1989年5月第一版。
3、陈世福、陈兆乾等编，《人工智能与知识工程》，南大出版社，1997年12月第一版。
4、何华灿，《人工智能导论》，西北工业大学出版社，1988。
5、陈汝铃，《人工智能》，科学出版社，1989。
人工智能课程教学大纲 【课程编码】JSZX0300 【适用专业】计算机科学与技术 【课时】 72(理论)+28(实验) 【学分】 3 【课程性质、目标和要求】 人工智能是计算机科学的重要分支，是计算机科学与技术专业本科生的专业限选课之一。本课程介绍如何用计算机来模拟人类智能，即如何用计算机实现诸如问题求解、规划推理、模式识别、知识工程、自然语言处理、机器学习等只有人类才具备的"智能"，使得计算机更好得为人类服务． 作为本科生一个学期的课程，重点掌握人工智能的基础知识和基本技能，以及人工智能的一般应用．完成如下教学目标： （1）了解人工智能的概念和人工智能的发展，了解国际人工智能的主要流派和路线，了解国内人工智能研究的基本情况，熟悉人工智能的研究领域． （2）较详细地论述知识表示的各种主要方法。重点掌握状态空间法、问题归约法和谓词逻辑法，熟悉语义网络法，了解知识表示的其他方法，如框架法、剧本法、过程法等。 （3）掌握盲目搜索和启发式搜索的基本原理和算法，特别是宽度优先搜索、深度优先搜索、等代价搜索、启发式搜索、有序搜索、A*算法等．了解博弈树搜索、遗传算法和模拟退火算法的基本方法． (4) 掌握消解原理、规则演绎系统和产生式系统的技术、了解不确定性推理、非单调推理的概念． （5）概括性地介绍人工智能的主要应用领域，如专家系统、机器学习、规划系统、自然语言理解和智能控制等． （6）简介人工智能程序设计的语言和工具． (7) 掌握Visual Prolog编程环境，会使用Prolog语言编写简单的智能程序。 要求学生已修过《数据结构》、《离散数据》和《编译原理》。 【教学时间安排】 本课程计 3 学分，理论课时72 ,实验课时28。学时分配如下表所示：
人工智能概论实验教学大纲 (实验课程) ◆课程编号：041038 ◆课程英文名称：Introduction to Artificial Intelligence ◆课程类型：?通识通修?通识通选?学科必修?学科选修 跨学科选修 ?专业核心 专业选修（学术研究）?专业选修（就业创业） ◆适用年级专业（学科类）：信息管理与信息系统、电子商务三年级或四年级 ◆先修课程：高等数学、线性代数、概率与数理统计、程序设计语言 ◆总学分：0.5 ◆总学时：17 一、课程简介与教学目标 《人工智能概论实验》是配合《人工智能概论》开设的实验课程。要求学生在理解人工智能理论及方法的基础上，应具有设计、实现和分析等方面的能力。通过本实验课程的训练，使学生熟练掌握人工智能的基本原理和方法，加深对各方法涉及的基础知识的认识，强化编程技能，培养创新能力。 二、教学方式与方法 教学方式：学生动手实验为主，辅以适当的提问、小组讨论及实验点评等。 教学方法：探讨式教学、启发式教学、实验教学相结合；尝试包括实验设计、研究设计、总结等环节的教学。 三、教学重点与难点 （一）教学重点 理解人工智能的基本原理，掌握常用的知识表示方法、确定性推理方法以及状态空间搜索等，了解不确定性推理方法，理解机器学习、专家系统以及自然语言理解等知识，学会使用相应工具进行人工智能方法的设计与实现，从而进一步理解人工智能概论课程中所讲授的理论知识。 （二）教学难点 机器人搬盒子、用BP神经网络解决XOR分类问题以及ID3决策树学习算法的实现。 四、学时分配计划 五、教材与教学参考书 （一）教材 1.《人工智能教程》，张仰森，黄改娟，高等教育出版社，2008年； （二）教学参考书
附件1 广东财经大学华商学院课程教学大纲模板 一、课程简介 人工智能是计算机与自动化学科的一门分支学科。它研究如何用机器来模仿人脑所从事的推理、证明、识别、理解、学习、规划、诊断等智能活动。人工智能是当前科学技术中正在迅速发展，新思想、新观点、新技术不断涌现的一个学科，也是一门涉及数学、计算机科学、控制论、信息论、心理学、哲学等学科的交叉和边缘学科。人工智能原理是计算机科学技术类专业的应用学科。前修课程包括：离散数学、数据结构、算法分析与设计等，后续课程：专家系统，知识工程。 二、教学目标 （1）熟练掌握图搜索策略，熟练掌握回溯策略、图搜索策略的过程以及算法（BACKTRACK 以及AI算法），掌握一些典型问题的启发式函数； （2）掌握用命题逻辑、一阶逻辑表示知识的方法，并在此基础上进行推理，熟练掌握归结方法以及归结反驳过程，熟练掌握利用归结反驳方法进行推理。 （3）掌握基于贝叶斯规则的不确定性推理，掌握条件概率、独立、条件独立及贝叶斯公式；掌握利用贝叶斯定理检测垃圾邮件的基本方法。 三、主要教学模式和教学手段 1．本课程的教学包括课堂讲授、课外作业、辅导答疑、上机实验和期末考试等教学环节。
2．课堂教学采用启发式教学方法，理例结合，多媒体并用，引导学生加深对课程内容的理解，提高学生的学习兴趣和效果。 3．理论联系实际，通过本课程的教学，力争使学生在理解和掌握大纲所要求的知识内容的基础上，能正确地运用这些知识解决有关实际问题。 四、教学内容（要求编写所有章节的主要内容） 第一章人工智能概述 基本内容和要求： 1．人工智能的概念与目标； 2．人工智能的研究内容与方法； 3．人工智能的分支领域； 4．人工智能的发展概况。 第二章逻辑程序设计语言Prolog 基本内容和要求： 1．掌握Prolog语言的语句特点、程序结构和运行机理； 2．能编写简单的Prolog程序，能读懂一般的Prolog程序。 教学重点： Prolog程序设计。 教学难点： 表与递归，回溯控制 第三章基于图搜索的问题求解 基本内容和要求： 1．掌握状态图的基本概念、状态图搜索基本技术和状态图问题求解的一般方法，包括穷举式搜索、启发式搜索、加权状态图搜索和A算法、A*算法等； 2．掌握与或图的基本概念、与或图搜索基本技术和或图问题求解的一般方法； 3．理解一些经典规划调度问题（如迷宫、八数码、梵塔、旅行商、八皇后等问题）的求解方法； 教学重点：
《人工智能》教学大纲 一、课程概述 1. 课程研究对象和研究内容 人工智能是计算机与自动化学科的一门分支学科。它研究如何用机器来模仿人脑所从事的推理、证明、识别、理解、学习、规划、诊断等智能活动。人工智能是当前科学技术中正在迅速发展，新思想、新观点、新技术不断涌现的一个学科，也是一门涉及数学、计算机科学、控制论、信息论、心理学、哲学等学科的交叉和边缘学科。 《人工智能》（双语）课程的主要目标是为大学本科高年级学生提供有关人工智能理论以及应用所必需的知识和技能；掌握人工智能的基本原理；掌握设计开发智能系统的基本方法。 2. 课程在整个课程体系中的地位 人工智能原理是计算机科学技术类专业的应用学科。前修课程包括：离散数学、数据结构、算法分析与设计等，后续课程：专家系统，知识工程，该课程可以在大学三、四年级开设。 二、课程目标 1．熟练掌握图搜索策略，熟练掌握回溯策略、图搜索策略的过程以及算法（BACKTRACK 以及A*算法），掌握一些典型问题的启发式函数。 2．掌握用命题逻辑、一阶逻辑表示知识的方法，并在此基础上进行推理，熟练掌握归结方法以及归结反驳过程，熟练掌握利用归结反驳方法进行推理。 3．掌握基于贝叶斯规则的不确定性推理，掌握条件概率、独立、条件独立及贝叶斯公式；掌握利用贝叶斯定理检测垃圾邮件的基本方法。 三、课程内容和要求 这门学科的知识与技能要求分为知道、理解、掌握、学会四个层次。这四个层次的一般涵义表述如下： 知道———是指对这门学科和教学现象的认知。 理解———是指对这门学科涉及到的概念、原理、策略与技术的说明和解释，能提示所涉及到的教学现象演变过程的特征、形成原因以及教学要素之间的相互关系。 掌握———是指运用已理解的教学概念和原理说明、解释、类推同类教学事件和现象。
《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：2009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…………………………………………………………………………………………………………… …………………………
人工智能导论——面向人文社科专业教学大纲 人工智能浪潮来袭，人类社会即将进入智能化时代。什么是人工智能？它能做什么？发展到什么程度？是否会取代人？成为社会关注的热点。人工智能课程也走入更多专业的课堂，”X+人工智能“蔚然成风。课程用通俗的语言为非专业同学讲解人工智能思想和方法，是一门零门槛的通识课程。 课程概述 人类在经过工业化、信息化之后，将进入智能化社会，各国政府也都纷纷出台人工智能相关的政策和国家战略。可以预见，在未来，人工智能方法不再是专业知识，而是通识知识、必备知识。 本课程有以下特点： 首先，从内容设计上，主要考虑内容的广度。课程以专题形式介绍知识表示、知识图谱、自动推理、搜索技术、群智能算法、机器学习、深度学习，基本涵盖了人工智能学科诞生以来各个时期主流的研究方法。在课程的最后，我们简要介绍了人工智能方法在计算机视觉、自然语言处理、语音技术、机器人技术领域的应用，让同学们对学科发展态势有更直观的理解。 其次，从授课方式上，主要以科普常识、介绍方法论为主。课程面向文科专业学生，以扩展知识面、培养跨学科思维为主旨，尽量避免使用公式、代码讲解。课程中，我们通过简单、常见的例子来讲解核心思想，如：在“自动推理”中我们介绍“红楼梦人物关系推理”；在搜索技术中介绍“农夫过河”、“游戏追逐”问题，在机器学习中我们介绍“性别分类”、“手写数字识别”、“地名识别”等例子。在深度学习部分，结合最新的科研进展，介绍近期人工智能方法的前沿。使得课程具有较强的可听性。 授课目标 本课程科普人工智能的学科脉络，深入浅出介绍人工智能基本方法论和前沿进展。使学生在原有专业基础上掌握人工智能思维模式，了解学科的发展趋势，拓宽学科视野。为今后从事与人工智能领域相关的工作奠定一定基础。 课程大纲 第一章绪论 1.1 人工智能的概念
《模式识别与人工智能》课程教学大纲 一、课程基本信息 课程代码：DX3004 课程名称：模式识别与人工智能 课程性质：选修课 课程类别：专业与专业方向课程 适用专业：电气信息类专业 总学时： 64 学时 总学分： 4 学分 先修课程：MATLAB程序设计；数据结构；数字信号处理；概率论与数理统计 后续课程：语音处理技术；数字图像处理 课程简介： 模式识别与人工智能是60年代迅速发展起来的一门学科，属于信息，控制和系统科学的范畴。模式识别就是利用计算机对某些物理现象进行分类，在错误概率最小的条件下，使识别的结果尽量与事物相符。模式识别技术主要分为两大类：基于决策理论的统计模式识别和基于形式语言理论的句法模式识别。模式识别的原理和方法在医学、军事等众多领域应用十分广泛。本课程着重讲述模式识别的基本概念，基本方法和算法原理，注重理论与实践紧密结合，通过大量实例讲述如何将所学知识运用到实际应用之中去，避免引用过多的、繁琐的数学推导。这门课的教学目的是让学生掌握统计模式识别基本原理和方法，使学生具有初步综合利用数学知识深入研究有关信息领域问题的能力。 选用教材： 《模式识别》第二版，边肇祺，张学工等编著[M]，北京：清华大学出版社，1999； 参考书目： [1] 《模式识别导论》，齐敏，李大健，郝重阳编著[M]. 北京：清华大学出版社，2009； [2] 《人工智能基础》，蔡自兴，蒙祖强[M]. 北京：高等教育出版社，2005； [3] 《模式识别》，汪增福编著[M]. 安徽：中国科学技术大学出版社，2010； 二、课程总目标 本课程为计算机应用技术专业本科生的专业选修课。通过本课程的学习，要求重点掌握统计模式识别的基本理论和应用。掌握统计模式识别方法中的特征提取和分类决策。掌握特征提取和选择的准则和算法，掌握监督学习的原理以及分类器的设计方法。基本掌握非监督模式识别方法。了解应用人工神经网络和模糊理论的模式识别方法。了解模式识别的应用和系统设计。要求学生掌握本课程的基本理论和方法并能在解决实际问题时得到有效地运用，同时为开发研究新的模式识别的理论和方法打下基础。 三、课程教学内容与基本要求 1、教学内容： （1）模式识别与人工智能基本知识； （2）贝叶斯决策理论； （3）概率密度函数的估计； （4）线性判别函数； （5）非线性胖别函数；
人工智能》课程教学大纲 、课程基本信息 二、课程教学目标 《人工智能》是计算机科学与技术专业的一门专业拓展课，通过本课程的学习使本科生对人工智能的基本内容、基本原理和基本方法有一个比较初步的认识，掌握人工智能的基本概念、基本原理、知识的表示、推理机制和智能问题求解技术。启发学生开发软件的思路，培养学生对相关的智能问题的分析能力，提高学生开发应用软件的能力和水平。 三、教学学时分配
四、教学内容和教学要求 第一章人工智能概述（3 学时） （一）教学要求 1.掌握人工智能的基本概念； 2.理解人工智能的发展状况。 3.理解人工智能的基本技术； 4.了解人工智能的研究途径与方法； 5.了解人工智能的分支领域； （二）教学重点与难点教学重点：人工智能的基本技术。教学难点：三大学派的研究途径与方法。 （三）教学内容 第一节人工智能的基本概念 1.什么是人工智能 2.强人工智能与弱人工智能 3.脑智能和群智能 4.符号智能和计算智能 第二节人工智能发展概况 1.人工智能学科的产生
2.人工智能学科的发展 3.人工智能三大学派 第三节人工智能研究途径与方法 1.人工智能的研究目标 2.人工智能的研究方法 3.人工智能的研究内容 第四节人工智能基本技术 1.推理技术 2.搜索技术 3.知识库技术 4.归纳技术 5.联想技术第五节人工智能的应用 1.难题求解 2.机器定理证明 3.自动程序设计 4.模式识别 5.机器翻译 6.智能管控 7.智能决策 8.智能人机接口 第六节人工智能的影响 1.人工智能对人类的影响 2.人工智能对社会的影响 本章习题要点：对基本概念、技术、方法的理解。 第二章智能程序设计语言（5 学时）（一）教学要求 1．了解常见的几种人工智能程序设计语言；
人工智能导论》教学大纲 大纲说明 课程代码： 3235042 总学时： 32 学时（讲课 32 学时） 总学分： 2 学分 课程类别：限制性选修 适用专业：计算机科学与技术，以及有关专业 预修要求： C 程序设计语言，数据结构 课程的性质、目的、任务： 人工智能是计算机科 学中涉及研究、 科学与技术， 以及有关专业重要的专业方向与特色模块课程之一。 生对人工智能的发展概况、 基本原理和应用领域有初步了解， 启发学生对人工智能的兴趣，培养知识创新和技术创新能力。 课程教学的基本要求： 人工智能的研究论题包括计算机视觉、规划与行动、多 言理解、专家系统和机器学习等。 这些研究论题的基础是通用和专用的知 识表示和推理机制、 问题求解和搜索算法，以及计算智能技术等。要求学生掌握这些研究论题的基础知识。 人工智能还提供一套工具以解决那些用其它方法难以解决， 甚至无法解决的问题。 这些 工具包括启发式搜索和规划算法， 知识表示和推理形式， 机器学习技术， 语音和语言理解方 法，计算机视觉和机器人学等。 要求学生掌握利用其中的重要工具解决给定问题的基本方法。 大纲的使用说明： 通过适当调节教学内容和学时安排，减少有关章节学时和增加专家系统这一章的学时， 本大纲亦可作为《人工智能与专家系统》的课程教学大纲。 大纲正文 第一章 绪论 学时： 2 学时（讲课 2学时） 了解人类智能与人工智能的含义，人工智能的发展和应用领域；理解人工智能的内涵。 本章讲授要点 ：在介绍人工智能概念的基础上， 使学生了解本课程所涉知识的重要意义， 以及人工智能的应用现状和应用前景。 设计和应用智能机器的一个分支。 本课程是计算机 通过本课程的开设， 使学 对主要技术及应用有一定掌握， Agent 系统、 语音识别、自动语
《人工智能》课程教学大纲 课程代码：H0404X 课程名称：人工智能 适用专业：计算机科学与技术专业及有关专业 课程性质：本科生专业基础课﹙学位课﹚ 主讲教师：中南大学信息科学与工程学院智能系统与智能软件研究所蔡自兴教授 总学时：40学时﹙课堂讲授36学时，实验教学4学时﹚ 课程学分：2学分 预修课程：离散数学，数据结构 一.教学目的和要求： 通过本课程学习，使学生对人工智能的发展概况、基本原理和应用领域有初步了解，对主要技术及应用有一定掌握，启发学生对人工智能的兴趣，培养知识创新和技术创新能力。 人工智能涉及自主智能系统的设计和分析，与软件系统、物理机器、传感器和驱动器有关，常以机器人或自主飞行器作为例子加以介绍。一个智能系统必须感知它的环境，与其它Agent和人类交互作用，并作用于环境，以完成指定的任务。 人工智能的研究论题包括计算机视觉、规划与行动、多Agent系统、语音识别、自动语言理解、专家系统和机器学习等。这些研究论题的基础是通用和专用的知识表示和推理机制、问题求解和搜索算法，以及计算智能技术等。 此外，人工智能还提供一套工具以解决那些用其它方法难以解决甚至无法解决的问题。这些工具包括启发式搜索和规划算法，知识表示和推理形式，机器学习技术，语音和语言理解方法，计算机视觉和机器人学等。通过学习，学生能够知道什么时候需要某种合适的人工智能方法用于给定的问题，并能够选择适当的实现方法。 二.课程内容简介 人工智能的主要讲授内容如下： 1.叙述人工智能和智能系统的概况，列举出人工智能的研究与应用领域。 2.研究传统人工智能的知识表示方法和搜索推理技术，包括状态空间法、问题归约法谓词逻辑法、语义网络法、盲目搜索、启发式搜索、规则演绎算法和产生式系统等。 3.讨论高级知识推理，涉及非单调推理、时序推理、和各种不确定推理方法。 4.探讨人工智能的新研究领域，初步阐述计算智能的基本知识，包含神经计算、模糊计算、进化计算和人工生命诸内容。 5.比较详细地讨论了人工智能的主要应用，包括专家系统、机器学习、自动规划、Agent、自然语言理解、机器视觉和智能控制等。对于应用内容，根据学时，有选择地进行讲授。 6.评述近年来人工智能的争论，讨论人工智能对人类经济、社会和文化的影响，展望人工智能的发展。 以上内容反映了人工智能的最新进展，理论联系实际，具有很好的针对性。 三.教学内容和学时安排
《人工智能》详细教学大纲 《人工智能》教学大纲 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 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） 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 ………………………………………………
西安交通大学 “人工智能导论”课程教学大纲 英文名称：Introduction to Artificial Intelligence 课程编码：COMP3022 学时：32 学分：2 适用对象：自动控制专业 先修课程：离散数学、数据结构、概率统计 使用教材及参考书： 蔡自兴，徐光祐。人工智能及其应用，第三版，本科生用书。清华大学出版社，2003。 廉师友人工智能技术导论（第二版），西安电子科技大学出版社，2002。 一、课程性质、目的和任务 通过本课程的学习，使学生了解人工智能的研究范畴、应用领域和发展方向，掌握该学科的基本概念、原理和方法，对主要技术及应用有一定掌握，启发学生对人工智能的兴趣，培养知识创新和技术创新能力。 学习人工智能的知识表示方法和搜索推理技术，包括状态空间法、问题归约法、谓词逻辑法、语义网络法、盲目搜索、启发式搜索、规则演绎算法和产生式系统等。讨论高级知识推理，涉及非单调推理和各种不确定推理方法。探讨人工智能的新研究领域，如神经计算、进化计算和人工生命等。 二、教学基本要求 三、教学内容及要求 第一章绪论 (2学时) 人工智能概念和发展
人工智能的主要研究和应用领域; 人工智能研究的不同学派 国内外人工智能研究情况和新进展第二章知识表示方法(6学时) 知识与知识表示的概念 一阶谓词逻辑表示法 产生式表示法 语义网络表示法 框架表示法 脚本表示法 过程表示法 面向对象表示法 第三章逻辑推理(6学时) 推理的基本概念 推理的逻辑基础 自然演绎推理 归结演绎推理 基于规则的演绎推理 第四章搜索策略(6学时) 搜索的基本概念 状态空间的盲目搜索 状态空间的启发式搜索 与/或树的搜索 博弈树的搜索 第五章高级求解技术(6学时) 不确定推理的概念和基础
《人工智能导论》教学大纲 大纲说明 课程代码：3235042 总学时：32学时（讲课32学时） 总学分：2学分 课程类别：限制性选修 适用专业：计算机科学与技术，以及有关专业 预修要求：C程序设计语言，数据结构 课程的性质、目的、任务： 人工智能是计算机科学中涉及研究、设计和应用智能机器的一个分支。本课程是计算机科学与技术，以及有关专业重要的专业方向与特色模块课程之一。通过本课程的开设，使学生对人工智能的发展概况、基本原理和应用领域有初步了解，对主要技术及应用有一定掌握，启发学生对人工智能的兴趣，培养知识创新和技术创新能力。 课程教学的基本要求： 人工智能的研究论题包括计算机视觉、规划与行动、多Agent系统、语音识别、自动语言理解、专家系统和机器学习等。这些研究论题的基础是通用和专用的知识表示和推理机制、问题求解和搜索算法，以及计算智能技术等。要求学生掌握这些研究论题的基础知识。 人工智能还提供一套工具以解决那些用其它方法难以解决，甚至无法解决的问题。这些工具包括启发式搜索和规划算法，知识表示和推理形式，机器学习技术，语音和语言理解方法，计算机视觉和机器人学等。要求学生掌握利用其中的重要工具解决给定问题的基本方法。大纲的使用说明： 通过适当调节教学内容和学时安排，减少有关章节学时和增加专家系统这一章的学时，本大纲亦可作为《人工智能与专家系统》的课程教学大纲。 大纲正文 第一章绪论学时：2学时（讲课2学时）了解人类智能与人工智能的含义，人工智能的发展和应用领域；理解人工智能的内涵。 本章讲授要点：在介绍人工智能概念的基础上，使学生了解本课程所涉知识的重要意义，以及人工智能的应用现状和应用前景。
《人工智能》课程教学大纲 （Artificial Intelligence） 课程性质：院公选课 适用专业：各专业 先修课程：离散数学、数据结构、操作系统原理 后续课程： 总学分：2学分 一、教学目的与要求 1．教学目的 人工智能主要研究解释和模拟人类智能、智能行为及其规律的一门学科，其主要任务是建立智能信息处理理论，进而设计可以展现某些近似于人类智能行为的计算机系统。本课程要求学生掌握人工智能的基本原理，了解人工智能中常用的基本技术，诸如：知识表示技术、搜索技术、自动推理技术以及专家系统等，同时学会运用Prolog语言求解人工智能的实际问题。 2．教学要求 学生必须具有离散数学、程序设计、数据结构、操作系统方面的知识。 二、课时安排 三、教学内容 1．人工智能概述（4学时） （1）教学基本要求 了解：人工智能的发展概况 理解：人工智能的概念 掌握：人工智能的研究途径与方法、人工智能的分支领域 灵活运用：人工智能的基本技术 （2）教学内容
①人工智能的概念 ②人工智能的研究途径与方法(重点) ③人工智能的分支领域(重点、难点) ④人工智能的基本技术(难点) ⑤人工智能的发展概况 2．人工智能程序设计语言（6学时） （1）教学基本要求 了解：人工智能程序设计语言分类 掌握：函数型程序设计语言LISP和逻辑型程序设计语言PROLOG 灵活运用：Turbo PROLOG程序设计语言 （2）教学内容 ①综述 ②函数型程序设计语言LISP(重点) ③逻辑型程序设计语言PROLOG(重点、难点) ④Turbo PROLOG程序设计(难点) 3．基于谓词逻辑的机器推理（6学时） （1）教学基本要求 理解：谓词及谓词逻辑，形式演绎推理 掌握：归结演绎推理 灵活运用：应用归结原理求取问题答案 了解：Horn子句归结与逻辑程序、非归结演绎推理 （2）教学内容 ①一阶谓词逻辑 ②归结演绎推理(重点) ③应用归结原理求取问题答案(重点、难点) ④归结策略 ⑤归结反演程序举例 ⑥Horn子句归结与逻辑程序(难点) ⑦非归结演绎推理 4．图搜索技术（8学时） （1）教学基本要求 掌握：状态图搜索方法、与或图搜索方法 灵活运用：状态图搜索方法进行问题求解、与或图搜索方法进行问题求解了解：博弈树搜索技术 （2）教学内容 ①状态图搜索(重点、难点) ②状态图问题求解(重点) ③与或图搜索(重点、难点) ④与或图问题求解（难点） ⑤博弈树搜索 5．产生式系统（4学时）
人工智能与社会 课程教学大纲课程英文名称：Artificial Intelligence and Society 开课院系：计算机科学与技术学院课程性质：科技素质教育课程课程目的： 人工智能是一门边沿学科，属于自然科学、社会科学、技术科学三向交叉学科。今天，各样的智能机器人，不断能够帮助人类进行生产劳作，甚至可以料理家务，人们在整个的发展的过程当中希望利用外来之物来强化自身，摆脱自然力的束缚，人类从中可以得到解放，这是一个千古梦想，也是中国梦的梦境之一。这个梦想怎么样才能变成现实，最精彩的是人希望有一种智力的工具，它依靠信息科学技术来把信息资源转化成为这种工具，帮助人来扩展自己的信息功能、智力功能，这样就可以把人类从很多繁重的劳动，包括体力劳动和智力劳动中解放出来。人工智能是对资源、科学、技术、工具的集大成，这个是人类争取从自然力解放的一个非常重要的途径。学过这门课程后使学生对现代社会的人工智能应用有一个初步的认识，在今后的工作中适应现代社会的发展，为实现中国富强梦做出更大贡献。 课程内容： 一、二进制的前世今生 1. 计数的发展历史，计数历史贡献 2. 二进制的诞生，二进制的发展历史 3. 二进制的计算能力，二进制在科技进步中的作用
二、现代计算机的诞生 1. 计算工具的发展历史，计算工具的历史贡献 2. 机械式计算器的诞生，机械式计算器的历史作用 3. 现代计算机诞生，现代计算机的计算能力 三、人工智能的起源 1. Turing 思想和Turing 机 2. 人工智能的诞生的三大标志 3. 人工智能语言的发展 4. 智能博弈技术的发展 四、人类智能与计算机模拟 1. 智能仿真模拟能力 2. 计算机仿真模拟领域 3. 计算机仿真模拟能力 五、模糊世界和模糊信息 1. 人类世界的模糊性 2. 粒度计算的基本原理 3. 粒度计算的应用 4. 典型模糊案例分析
《智能材料》课程教学大纲 【课程编号】 【课程名称】智能材料 Intelligent materials 【学时学分】24学时；1.5学分【实验和上机学时】0学时【课程类别】专业与专业方向课【开课模式】选修 【先修课程】大学物理、高分子物理 【开课单位】辽宁省通用航空重点实验室【开课学期】第7学期 【授课对象】复合材料与工程专业本科学生 【考核方式】考查 一、课程的性质、目的与任务 智能材料这门课是为了拓展复合材料与工程专业学生的应用新型材料的能力，了解、应用、研发新材料的性能的一门选修课程，对学生认识交叉学科在材料与结构设计领域的应用具有启发意义。 本课程利用材料具有的一些生物体才具有的功能，如传感、判断、处理、执行、自预警、自修复、应激响应等，通过自适应材料与结构、智能超分子和膜、智能凝胶、微机械智能光电子、纳米机械等应用在航空航天飞行器以及土木建筑等方面。 本课程以大学物理和高分子物理等课程为基础，是学生毕业从事相关技术工作的重要理论基础。 二、课程的教学内容、基本要求和学时分配 1．绪论（2学时） 了解智能材料与智能结构的发展；智能材料的内涵和定义；智能材料与智能结构的应用前景与发展趋势。 2．典型智能材料介绍（16学时） 分别介绍几种典型的智能材料， ①形状记忆合金；
②压电复合材料； ③电磁流变体； ④智能纤维材料； ⑤智能高分子材料； ⑥智能橡胶与智能弹性体。 3．智能结构与智能控制（4学时） ①智能结构控制概念； ②隔振器与消能器； ③传感器； ④作动器。 4．其他传感元件（2学时） ①电阻应变丝； ②碳纤维复合材料； ③智能无机高分子复合材料与应用 ④二氧化钒智能窗； ⑤半导体材料； ⑥疲劳寿命丝（箔）。 三、教材及主要参考书（第1条填写主选教材） 著者书名出版社出版日期 1 陈英杰等《智能材料》机械工业出版社2013.07 2 傅秦生等《智能材料与结构系统》北京大学出版社2010.08 四、其它必要说明
《人工智能导论》课程教学大纲 课程标号：学时：32 学分：2 先修课程：《计算机原理及应用》、《数据结构》、《计算机控制技术》、 一．课程性质与目的 本课程是自动化专业的选修课。本门课程的任务是使学生对人工智能的发展概况、基本原理和应用领域有初步了解，对主要技术及应用有一定掌握，领悟到智能理论发展历程中所包含的深刻的科学逻辑和方法论。启发学生对人工智能的兴趣。通过学习，学生能够知道什么时候需要某种合适的人工智能方法用于给定的问题，并能够选择适当的实现方法。 二．教学内容和要求 1.人工智能概述，包括人工智能的定义，人工智能的起源与发展，人工智 能的研究和应用领域。 2.概括地论述知识表示的各种主要方法，包括状态空间法、问题归约法、 谓词逻辑法、结构化表示法（语义网络法、框架）、剧本和过程等。 3.讨论常用搜索原理，如盲目搜索、启发式搜索和消解原理等。 4.讨论一些比较高级的推理求解技术，有规则演绎系统、系统组织技术、 不确定性推理和非单调推理等。 5.探讨人工智能的新研究领域，初步阐述计算智能的基本知识，包含神经 网络、模糊逻辑、遗传算法等。 6.比较详细地讨论人工智能的主要应用，包括专家系统、机器学习、Agent、 自然语言理解和智能控制等。对于应用内容，根据学时，有选择地进行 讲授。 7.简要讲述人工智能语言，有Lisp语言和Prolog语言。（根据学时需要决 定是否讲授。） 三．教材和参考资料 教材：1.蔡自兴，徐光祐。人工智能及其应用，第三版，本科生用书。清华大学出版社，2003。 参考资料：廉师友. 人工智能技术导论, 第二版. 西安电子科技大学出版社, 2002 ； 沟口理一郎、石田亨，人工智能，科学出版社，2003
人工智能基础（8017）考试大纲 一、课程性质与设置目的 （一）课程性质和特点 “人工智能”是21世纪计算机科学发展的主流，为了培养国家建设跨世纪的有用人才，在计算机专业本科开设《人工智能基础》课程是十分必要的。《人工智能基础》是计算机专业本科的一门必修课程，本课程中涉及的理论、原理、方法和技术有助于学生进一步学习其他专业课程。开设本课程的目的是培养学生软件开发的“智能”观念；掌握人工智能的基本理论、基本方法和基本技术；提高解决“智能”问题的能力，为今后的继续深造和智能系统研制，以及进行相关的工作打下人工智能方面的基础。 （二）本课程的基本要求（课程总目标） 《人工智能基础》是理论性较强，涉及知识面较广，方法和技术较复杂的一门学科。通过对本课程的学习，学生应掌握人工智能的一个问题和三大技术，即通用问题求解和知识表示技术、搜索技术、推理技术。具体要求是：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。另外，学生还应该了解专家系统的基本概念、研究历史、系统结构、系统评价和领域应用。学生还应认识机器学习对于智能软件研制的重要性，掌握机器学习的相关概念，机器学习的方法及其相应的学习机制，几个典型的机器学习系统的学习方法、功能和领域应用。 （三）本课程与相关课程的联系、分工或区别 与本课程相关的课程有：离散数学、算法设计、数值分析、程序设计语言等。 离散数学中的命题逻辑、谓词逻辑、树/图、表等知识是本课程的数学基础之一。本课程中的知识表示需要利用矩阵、表、树/图、多元组等手段，因此学生前期的离散数学学习，对于本课程起到了基础作用。 -1-
《人工智能及其应用》 实验指导书 工业大学计算机科学与技术学院—人工智能课程组 2011年9月
前言 本实验是为了配合《人工智能及其应用》课程的理论学习而专门设置的。本实验的目的是巩固和加强人工智能的基本原理和方法，并为今后进一步学习更高级课程和信息智能化技术的研究与系统开发奠定良好的基础。 全书共分为八个实验：1.产生式系统实验；2.模糊推理系统实验；3.A*算法求解8数码问题实验；4.A*算法求解迷宫问题实验；5.遗传算法求解函数最值问题实验；6.遗传算法求解TSP问题实验；7.基于神经网络的模式识别实验；8.基于神经网络的优化计算实验。每个实验包括有：实验目的、实验容、实验条件、实验要求、实验步骤和实验报告等六个项目。 本实验指导书包括两个部分。第一个部分是介绍实验的教学大纲；第二部分是介绍八个实验的容。 由于编者水平有限，本实验指导书的错误和不足在所难免，欢迎批评指正。 人工智能课程组 2011年9月
目录 实验教学大纲 (1) 实验一产生式系统实验 (3) 实验二模糊推理系统实验 (5) 实验三 A*算法实验I (9) 实验四 A*算法实验II (12) 实验五遗传算法实验I (14) 实验六遗传算法实验II (18) 实验七基于神经网络的模式识别实验 (20) 实验八基于神经网络的优化计算实验 (24)
实验教学大纲 一、学时：16学时，一般安排在第9周至第16周。 二、主要仪器设备及运行环境：PC机、Visual C++ 6.0、Matlab 7.0。 三、实验项目及教学安排 序号实验名称实验 平台实验容学 时 类型教学 要求 1 产生式系统应用VC++ 设计知识库，实现系统识别或 分类等。 2 设计课 2 模糊推理系统应 用Matlab 1）设计洗衣机的模糊控制器； 2）设计两车追赶的模糊控制 器。 2 验证课 3 A*算法应用I VC++ 设计与实现求解N数码问题的 A*算法。 2 综合课4 A*算法应用II VC++ 设计与实现求解迷宫问题的A* 算法。 2 综合课5 遗传算法应用I Matlab 1）求某一函数的最小值； 2）求某一函数的最大值。 2 验证课6 遗传算法应用II VC++ 设计与实现求解不同城市规模 的TSP问题的遗传算法。 2 综合课 7 基于神经网络的 模式识别Matlab 1）基于BP神经网络的数字识 别设计； 2）基于离散Hopfiel神经网络 的联想记忆设计。 2 验证课 8 基于神经网络的 优化计算VC++ 设计与实现求解TSP问题的连 续Hopfield神经网络。 2 综合课 四、实验成绩评定 实验课成绩单独按五分制评定。凡实验成绩不及格者，该门课程就不及格。学生的实验成绩应以平时考查为主，一般应占课程总成绩的50%，其平时成绩又要以实验实际操作的优劣作为主要考核依据。对于实验课成绩，无论采取何种方式进行考核，都必须按实验课的目的要求，以实际实验工作能力的强弱作为评定成绩的主要依据。 评定各级成绩时，可参考以下标准：
人工智能导论课程教学大纲 《人工智能导论》课程教学大纲 (二零零六年六月) 一、课程名称 中文名称:人工智能导论 英文名称:Introduction To Artificial Intelligence 二、课程简介 人工智能是计算机科学的一门前沿与交叉学科，本课程全面介绍人工智能的基础理论和基本技术，主要包括:人工智能的发展及其研究领域;知识的各种表达方法;基本的问题求解技术(重点介绍启发式搜索技术);人工神经网络的基本结构与学习方法;初步了解遗传算法、机器学习、模式识别等应用领域。 三、适用专业 自动化本科专业 信息管理和信息系统本科专业 四、本门课程在教学计划中的地位、作用和任务 “人智能则国智，科技强则国强”这是宋健为人工智能课程的题词。这一题词充分说明了人工智能与提高民族素质，增强科技实力，建设现代化强国具有极其重要的作用。现在，人工智能从一门具有实用价值的交叉学科正在成为一个新的、独立的本科专业——智能科学。通过学习人工智能具有不同背景的各个学科领域的专家都可以从中发现新思想、新方法，从而为自己学科的发展带来革命性的影响。学生在学习了一系列本科生课程后，再学习人工智能，可以加强程序智能化的训练。为计算机的智能化和进一步研究智能科学技术打下一个坚实的基础，对提高本科生
和研究生创建高品质智能应用系统的能力起着相当重要的作用。因此本课程在本科学习中处于非常重要的核心地位。 五、课程内容和教学要求 1、内容: 第一章:绪言 (1)人工智能的概念 (2) 人工智能的研究方法与研究领域 (3)人工智能的发展方向 第二章:知识表示 (1)知识与知识表示 (2)基本的确定性知识表示方法 第三章:基本的问题求解方法 (1)状态图与状态空间 (2)广度优先状态图搜索技术 (3)深度优先搜索算法 (4)启发式搜索技术 (5)与或图概念与搜索 1 第四章:机器学习 (1)机器学习的概念 (2)机器学习的分类 (3)一个简单机器学习例子 第五章:人工神经网络 (1)人工神经网络的概念
人工智能课程教学大纲 【课程性质、目标和要求】 人工智能是计算机科学的重要分支，是计算机科学与技术专业本科生的专业限选课之一。本课程介绍如何用计算机来模拟人类智能，即如何用计算机实现诸如问题求解、规划推理、模式识别、知识工程、自然语言处理、机器学习等只有人类才具备的"智能"，使得计算机更好得为人类服务． 作为本科生一个学期的课程，重点掌握人工智能的基础知识和基本技能，以及人工智能的一般应用．完成如下教学目标： （1）了解人工智能的概念和人工智能的发展，了解国际人工智能的主要流派和路线，了解国内人工智能研究的基本情况，熟悉人工智能的研究领域． （2）较详细地论述知识表示的各种主要方法。重点掌握状态空间法、问题归约法和谓词逻辑法，熟悉语义网络法，了解知识表示的其他方法，如框架法、剧本法、过程法等。 （3）掌握盲目搜索和启发式搜索的基本原理和算法，特别是宽度优先搜索、深度优先搜索、等代价搜索、启发式搜索、有序搜索、A*算法等．了解博弈树搜索、遗传算法和模拟退火算法的基本方法． (4) 掌握消解原理、规则演绎系统和产生式系统的技术、了解不确定性推理、非单调推理的概念． （5）概括性地介绍人工智能的主要应用领域，如专家系统、机器学习、规划系统、自然语言理解和智能控制等． （6）简介人工智能程序设计的语言和工具． (7) 掌握Visual Prolog编程环境，会使用Prolog语言编写简单的智能程序。 要求学生已修过《数据结构》、《离散数据》和《编译原理》。 【教学时间安排】 本课程计 3 学分，理论课时72 ,实验课时28。学时分配如下表所示：
【教学内容要点】 教学要求的层次 课程的教学要求大体上分为三个层次：了解、理解和认识。了解即能正确判别有关概念和方法；理解是能正确表达有关概念和方法的含义；认识是在理解的基础上加以灵活应用。 第一章绪论 一、学习目的要求 1、了解人工智能的定义、起源与发展 2、了解人工智能的研究与应用领域 3、理解人工智能求解方法的特点 二、主要教学内容 1、人工智能的定义、起源与发展 2、人工智能的研究与应用领域 3、人工智能求解方法的特点 第二章知识表示方法 一、学习目的要求 1、认识状态空间法 2、理解问题归约法 3、认识谓词逻辑法 4、认识语义网络法 5、认识框架表示 6、认识剧本表示 7、理解过程表示 二、主要教学内容 1、状态空间法 2、问题归约法 3、谓词逻辑法 4、语义网络法 5、框架表示 6、剧本表示