人工智能教学大纲

百度文库 - 让每个人平等地提升自我

1 《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。 百度文库 - 让每个人平等地提升自我

2 学会———是指能模仿或在教师指导下独立地完成某些教学知识和技能的操作任务，或能识别操作中的一般差错。

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

教学内容 所支撑的课程目标 学时分配（课内） 学时分配（课外） 教学方法

（一）绪论

1.基本概念与发展历史

2.人工智能多学科交叉

3.人工智能的研究内容与行业应用

4. 五维人工智能知识体系 2、3、4、5 2学时

神经网络与人工智能课程教学大纲

课程名称：神经网络与人工智能

英文名称：Nerve Network & Artificial Intelligence

课程编号：

学 时 数：48

其中实验（实训）学时数：0 课外学时数：0

学 分 数：3.0

适用专业：测控技术与仪器

一、课程的性质和任务

从工程应用的角度，系统地介绍人工智能的基本原理、方法和应用技术，强化实用化介绍，并全面反映国内外研究和应用的新进展，为学生将来使用人工智能技术提高计算机应用的研究和开发水平奠定基础。

二、课程教学内容的基本要求、重点和难点

第一章 绪论(2学时) 要求一般理解与掌握的内容有：人工神经网络的概述；人工神经网络的发简史；人工神经网络的基本特征与功能；人工神经网络的应用领域。

第二章 人工神经网络的基础知识(6学时) 要求深刻理解与熟练掌握的内容有：人工神经元的模型；人工神经网络的模型；人工神经网络的学习规则，Hebbian 学习规则，感知器学习规则，Delta学习规则，Widrow-Hoff学习规则，相关学习规则，胜者为王学习规则，外星学习规则。要求一般理解与掌握的内容有：人工神经网络的生物学基础。

难点：人工神经网络的学习规则。

第三章 前馈型人工神经网络(16学时) 要求深刻理解与熟练掌握的重点内容有：单层感知器；多层感知器；自适应线性单元（Adaline）的简介；误差逆传（BP）算法，基于BP算法的多层前馈网络模型，BP的学习算法，多层前馈网络的主要能力，误差曲面与BP算法的局限性；标准BP算法改进。增加运动项，自适应调节学习率，引入陡度因子；基于BP算法的多层前馈网络的设计基础；基于BP算法的多层前馈网络的应用。

难点：误差逆传（BP）算法。

第四章 自组织神经网络(10学时) 要求深刻理解与熟练掌握的重点内容有：竞争学习的概念与原理；自组织特征映射（SOM）神经网络，SOM网络的生物学基础，SOM网络的拓扑结构与权值调整域，SOM网络的运行原理与学习算法；自组织特征映射（SOM）神经网络的设计与应用；对偶传播（CPN）神经网络；自适应共振理论模型（ART）。

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：

章次 课程内容 课时 备注(教学形式)

1 绪论 4 讲授 2 知识表示方法 14 讲授