下载文档原格式
人工智能导论课程教学大纲一、课程基本信息课程编号：课程中文名称：人工智能导论课程性质：学院基础课程、专业核心课程开课学期：3课内学时：32学时，其中授课32学时课外学时：32学时学分：2学分主要面向专业：自动化、测控、电气、机器人工程二、先修课程高等数学、概率论、线性代数、生命科学导论三、课程目标人工智能导论是面向理工科专业的重要基础课程。
课程以学科基础、技术基础、重点方向与领域、行业应用、伦理与法律五维知识体系为主要内容，经典与现代人工智能知识结构模块化，具有广阔的思想和技术背景。
通过课程学习，使学生系统性掌握人工智能基本概念、方法、技术，把握人工智能重点方向及领域；掌握机器学习、深度神经网络等基本方法；初步具备利用人工智能技术解决问题的基本能力；初步理解人工智能伦理及其对人工智能技术发展的重要意义。
为进一步学习相关的专业基础课程和专业课程打下必要的理论和实践基础。
（1）从大历史观角度使学生理解人工智能发展的历史和思想脉络，使学生认识到人工智能的本质和内涵，思考人之为人的价值和意义,勇于承担社会发展责任。
（2）充分发挥人工智能多学科、多领域理论、知识交叉的特点和优势，培养学生多学科知识交叉思维和创新意识。
（3）激发学生学习人工智能的热情和人机协同创新思维，为后续人工智能+X专业学习、创新创业、竞赛、就业等奠定基础。
（4）系统理解机器智能实现技术和方法，认识到机器智能对人类智能补充与增强作用，学会利用人机协同技术和方法及解决各类问题。
(5)使学生充分理解人工智能对未来人类社会经济、科技和文明发展的重要作用，具备未来能社会发展需要的人工智能人才素质。
四、教学内容与教学方法五、考核方式六、参考教材及学习资源（一）参考教材：[1]莫宏伟，徐立芳.人工智能导论.第2版.[2]莫宏伟，徐立芳.人工智能伦理导论.。
《人工智能概论》课程教学大纲人工智能概论课程教学大纲一、课程简介《人工智能概论》是一门介绍人工智能基本概念、技术和应用的课程。
本课程旨在帮助学生了解人工智能的发展历程、基本原理和现实应用，培养学生的人工智能思维和解决问题的能力。
二、教学目标1. 掌握人工智能的基本概念和主要技术。
2. 理解人工智能的发展历程和应用领域。
3. 培养学生的人工智能思维和解决问题的能力。
4. 培养学生的团队合作和创新能力。
三、教学内容1. 人工智能概述- 人工智能的定义和发展历程- 人工智能的基本原理和分类- 人工智能的主要应用领域2. 机器学习- 监督学习、无监督学习和强化学习- 常见的机器学习算法和模型- 机器学习在实际问题中的应用3. 深度学习- 神经网络的基本原理和结构- 常见的深度学习算法和模型- 深度学习在计算机视觉、自然语言处理等领域的应用4. 自然语言处理- 语言模型和文本表示方法- 常见的自然语言处理任务和技术- 自然语言处理在智能对话、机器翻译等领域的应用5. 计算机视觉- 图像特征提取和图像分类方法- 目标检测和图像分割技术- 计算机视觉在人脸识别、图像搜索等领域的应用6. 人工智能伦理与社会影响- 人工智能的伦理问题和挑战- 人工智能对社会、经济和就业的影响- 人工智能发展的道德约束和政策规范四、教学方法1. 理论讲授：通过课堂讲解，介绍人工智能的基本概念、原理和应用。
2. 实践操作：通过编程实践和案例分析，帮助学生掌握人工智能技术的具体应用。
3. 小组讨论：组织学生进行小组讨论，促进学生之间的互动和合作。
4. 课外阅读：推荐相关书籍和论文，拓宽学生对人工智能领域的了解。
五、考核方式1. 平时成绩：包括课堂表现、作业完成情况等。
2. 实验报告：要求学生完成相关实验，并撰写实验报告。
3. 期末考试：对学生对课程内容的掌握情况进行考核。
六、参考教材1. 《人工智能导论》（第三版），罗纹军，清华大学出版社，2017年。
《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。
《人工智能》课程教学大纲《人工智能》课程教学大纲一、课程基本信息开课单位课程名称开课对象学时/学分先修课程课程简介：人工智能是计算机科学的重要分支，是研究如何利用计算机来模拟人脑所从事的感知、XXX人工智能课程类别课程编码开课学期个性拓展GT第4或6学期网络工程专业、计算机科学与技术专业36学时/2学分（理论课：28学时/1.5学分；实验课：8学时/0.5学分）离散数学、数据结构、程序设计推理、研究、思考、规划等人类智能活动，来解决需要用人类智能才能解决的问题，以延伸人们智能的科学。
该课程主要讲述人工智能的基本概念及原理、知识与知识表示、机器推理、搜索策略、神经网络、机器研究、遗传算法等方面内容。
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，通过本课程的研究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《人工智能》课程理论教学学时分派表章次第一章第二章第三章第四章第五章第六章首要内容人工智能概述智能程序设计言语图搜索技术基于谓词逻辑的机器推理呆板进修与专家系统智能计算与问题求解合计学时分配35464628教学方法或手段讲授法、多媒体讲授法、多媒体探究式、多媒体讲授法、多媒体概述法、多媒体开导式、多媒体《人工智能》课程实验内容设置与教学要求一览表实学尝试序项目号名称配1)了解PROLOG语言中常1) Prolog运转环境；量、变量的表示方法；实分支2)使用PROLOG举行事实验与循实库、规则库的编写；库、规则库的编写方法；环程3)分支程序设计；一序设4)循环程序设计；一计5)输入出程序设计。
5)掌握PROLOG输入输出程序设计；1）了解PROLOG中的谓词1)谓词asserta和递归实与表实处理验程序二设计4）掌握PROLOG表处理程4)综合应用程序设计。
《计算与人工智能概论》课程教学大纲一、课程简介本课程面向大学低年级学生开设，培养学生的科学与工程思维——计算思维，促进学生的计算思维与各专业思维交叉融合形成复合型思维，为各专业学生今后设计、构造和应用各种计算系统求解学科问题奠定思维基础，帮助学习者提高解读真实世界系统并解决全球范围复杂问题的能力。
课程采用线上线下混合教学方式，课程网站提供丰富教学资源。
课程强调能力培养，改变传统“知识输出”方式，转为以学生为中心的“能力训练”方式。
理论课堂精讲多练，讲练结合，做中学；实验课，学生通过Educoder平台进行大量针对性实训，采用游戏闯关方式，学生自主实训，教师辅导；团队实训提升学生合作意识和创新能力，多层次训练学生应用计算思维进行问题求解能力。
课程促进学生的计算思维与各专业思维交叉融合形成复合型思维，培养人工智能创新发展理念，为学生今后设计构造和应用各种计算系统，求解本学科问题奠定基础。
本课程主要内容第一部分对计算与人工智能进行概述，第二部分从机器人投篮案例任务分析出发，讲解Python 编程，介绍算法的概念和经典算法。
第三部分介绍了智能感知、机器学习、智能决策、智能机器人等人工智能的应用。
第四部分介绍计算机网络基础知识以及通过互联网获取信息的方法，以及计算机数据管理和数据分析的相关概念。
通过课程的学习，使学生了解计算学科和人工智能中的重要概念，培养学生由问题到算法的分析能力，以及程序编写和调试的能力。
掌握使用python相关库实现文件操作、网络数据爬取、数据分析、数据管理、算法优化、机器学习等应用，并将其应用于实际问题。
二、课程内容（一）课程教学目标1.课程目标：CT1：初步掌握社会/自然问题利用计算手段进行求解的基本思维模式，具有利用典型计算思维进行计算系统构造的初步能力。
CT2：理解高级语言/机器语言程序是如何被执行的,理解复杂系统化复杂为简单的基本思维，具有模拟不同计算环境执行程序的初步能力。
《人工智能应用概论》课程教学大纲课程编码：课程总学时：36 实践课时：14 适用专业：高职高专类学生制订时间：2020.9一、课程性质和任务1、课程性质人工智能是迅速发展的新兴学科，已经成为许多高新技术产品的核心技术。
人工智能模拟人类智能解决问题，几乎在所有领域都有非常广泛的应用。
本课程为入门级人工智能课程，适合初学者，可以帮助初学者实现“零基础”了解学习人工智能。
本课程采用中国人民大学出版社莫少林、宫斐教授编著的专业教材《人工智能应用概论》，紧紧围绕人工智能的基本思想、基本理论、基本方法及其应用展开，并融合了人工智能的一些前沿内容。
2、课程的任务通过本课程的学习，可以掌握知识表示、确定性和不确定性推理、搜索、进化计算、群智能、人工神经网络、专家系统、机器学习、智能语音、计算机视觉、自然语音处理、知识图谱等基本理论与实用方法，了解深度学习、知识图谱等人工智能研究前沿内容，通过人工智能应用实例及虚拟仿真实验，可以提高应用人工智能理论解决工程问题的能力。
13、与其他课程的关系本课程为公共基础课，无前导课程。
二、课程教学目标1.从教学基本要求出发，通过人工智能概念、发展历史、经典理论、方法与技术，强调大历史观下的人工智能发展脉络，引导学生正确理解人工智能本质与内涵，思考人工智能对人类文明、社会进步的价值和意义。
2.把握人工智能创新思想与方法结合的主线，引导学生掌握利用人工智能开展创新实践与解决问题的思路，利用成功的人工智能案例帮助学生建立对人工智能创新的深层次认知，避免简单停留在单一知识层次或知识的积累，强调多领域知识融汇贯通。
3.促使理工文管医农等各专业学生都了解人工智能的基本概念、理论、方法和技术以及实际创新应用，在掌握经典的人工智能方法，要了解新一代人工智能的原理、思想、解决实际问题的过程，包括人机融合、深度学习技术、脑机接口、类脑计算等；了解人工智能技术与不同领域和需求应用结合的创新应用的思想和方法，如何在智慧城市、智能医疗、智能教育、智能军事等领域发挥作用，赋能各类产业和行业。
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
1.《人工智能原理与方法》，王永庆，西安交通大学出版社，1998年；
2.《人工智能及其应用》，蔡自兴，徐光佑，清华大学出版社，2003年；
3.《人工智能与专家系统》，吴泉源，刘江宁，国防科技大学出版社，1995年
4.《人工智能-一种现代化方法》，Stuart Russell，Peter Norvig，人民邮电出版社，2004年
六、课程考核与成绩评定
【考核类型】☐考试 考查
【考核方式】☐开卷（Open-Book）☐闭卷（Close-Book）☐项目报告/论文
其它：实验成绩综合评定（填写具体考核方式）
【成绩评定】平时成绩占30-40%，实验成绩占60-70%
七、课程内容概述
实验一利用问题归约法实现Hanoi塔问题
（一）教学要求
理解问题归约法的原理和方法，掌握用问题归约表示问题的步骤，并能够对实际问题给出具体的实现。
（二）知识点提示
主要知识点：分解、归约、本原问题、与树、或树、与或树、等价变换、用与或树表示问题的步骤。
重点：用与或树表示问题的步骤、Hanoi塔问题的实现。
难点：问题归约法的实现。
（三）教学内容
利用问题归约法实现Hanoi塔，主要包括主函数、函数hanoi与搬移函数move，要求在主函数中接收盘子数目并调用hanoi函数。
（四）思考题
1. 当盘子数目越来越多时，运行时间有何变化？
2. 什么是本原问题？
实验二利用状态空间搜索法实现八数码问题
（一）教学要求
理解状态空间知识表示方法，掌握搜索方法的基本原理，并能够对八数码问题给出具体的实现。
（二）知识点提示
主要知识点：状态、状态空间、算符、用状态空间表示问题的步骤、用状态空间求解问题的过程、搜索、宽度优先搜索、有界深度优先搜索、启发式搜索。
重点：状态空间、用状态空间求解问题的过程、宽度优先搜索、有界深度优先搜索、启发式搜索。
难点：用状态空间法求解八数码问题的实现过程。
（三）教学内容
用状态空间搜索法求解问题的基本思想是将适用的算符作用于初始状态，以产生新的状态；然后再把一些适用的算符作用于新的状态，重复该过程，直至产生的状态为目标状态为止。
实验内容包括：1．定义状态的描述形式，并给出初始状态和目标状态；
2．定义一组算符；
3. 利用搜索算法对状态不断扩展，直至得到目标状态为止。
（四）思考题
1. 如何使用产生式表示该问题中的算符？
2. 使用不同搜索算法求解该问题的性能如何？
实验三机器人搬盒子问题
（一）教学要求
理解谓词逻辑知识表示的方法，掌握一阶谓词逻辑知识表示的基本原理，能够利用归结原理求解简单问题。
（二）知识点提示
主要知识点：谓词、原子公式、谓词公式、子句、子句集、空子句、归结原理。
重点：谓词公式、子句集和归结原理的实现。
难点：归结原理的实现。
（三）教学内容
机器人搬盒子问题：设在一个房间里，有一个机器人ROBOT ，一个壁橱ALCOVE，一个积木块BOX，两个桌子A和B。
开始时，机器人ROBOT在壁橱ALCOVE旁边，且两手空空，桌子A放着积木块BOX，桌子B 是空的。
机器人可把积木块BOX从一种状态桌子A上变换成另一种状态桌子B上，然后回到壁橱。
用归结原理方法求解该问题？
实验内容包括：
1．用谓词公式表示问题的初始状态、目标状态以及机器人操作；
2．将谓词公式转换为子句集；
3. 利用归结原理对子句集中的子句进行归结。
（四）思考题
1. 如何将谓词公式转换为子句集？
2. 谓词公式与子句集等值吗？
实验四 ID3判定树学习算法的实现
（一）教学要求
掌握判定树的基本思想，了解判定树算法的特点，掌握ID3判定树学习算法，并能够对实际模式样本正确分类的ID3算法程序。
（二）知识点提示
主要知识点：判定树、单个概念、机器学习、例子集、最大熵、信息增益、ID3算法。
重点：用程序设计语言实现ID3算法。
难点：ID3算法的实现。
（三）教学内容
编写ID3算法程序，实现对不同对象的分类。
（四）思考题
1．什么是最大熵？引入最大熵的目的是什么？
2. 如何对连续属性离散化？常用的方法有哪些？
实验五用BP神经网络实现XOR分类问题
（一）教学要求
理解前馈神经网络的工作原理，掌握BP算法的基本思想，认识影响算法性能的因素，能够编写对实际模式样本正确分类的程序。
（二）知识点提示
主要知识点：神经网络、前馈神经网络、感知器、XOR问题。
重点：用BP神经网络实现XOR分类的程序。
难点：XOR分类的实现。
（三）教学内容
给定4个样本，分别为{（0，0），（0，1），（1，0），（1，1）}，利用BP神经网络解决这4个样本的分类，即要求4个样本的输出分别是0、1、1和0。
首先构造输入层为2个神经元，隐含层为2个神经元，输出层为1个神经元的BP神经网络；然后利用给定的4个样本对神经网络训练；最后使用得到的神经网络对样本分类。
（四）思考题
1．使用单层神经网络能够解决XOR分类吗？
2．用多层神经网络解决XOR问题时，隐含层至少需要多少个神经元？
实验六用遗传算法求函数的最大值问题
（一）教学要求
掌握遗传算法的基本思想，编写能对实际问题求解的遗传算法程序，通过实现遗传算法程序，可进一步理解遗传算法的基本机理。
（二）知识点提示
主要知识点：遗传算法的原理、个体、群体、交换、突变、适应度。
重点：适应度函数。
难点：适应度函数。
（三）教学内容
选择测试用的目标函数，设计有效的遗传算子，分别编写初始化函数、适应度函数、复制函数、交换函数、变异函数以及主函数，最后输出函数的最大值。
（四）思考题
1．在实验中，分别改变遗传算法的参数，观察参数的不同取值对结果的影响？
2．使用遗传算法总能获得函数的最大值吗？。
