下载文档原格式
北京大学的人工智能课程设置，主要包括以下几个方面：
1. 人工智能专业课程：包括人工智能导论、机器学习、深度学习、自然语言处理、计算机视觉等。
这些课程是人工智能专业的基础课程，涵盖了人工智能的基本概念、算法、技术及应用。
2. 数学基础课程：包括概率论、统计学、线性代数、微积分等。
这些课程为人工智能专业提供了数学基础，是进行人工智能研究和应用的重要支撑。
3. 编程基础课程：包括Python编程、数据结构与算法等。
这些课程为学生提供了编程基础，帮助学生掌握人工智能领域的编程技能。
4. 其他相关课程：包括人工智能伦理、人工智能法律法规等。
这些课程有助于学生了解人工智能的社会影响和法律责任。
此外，北京大学还设置了跨学科的人工智能课程，如“人工智能+X”系列课程，这些课程将人工智能与其他学科领域相结合，如医学影像分析、智能交通等，以促进跨学科的人工智能研究和应用。
总之，北京大学的人工智能课程设置旨在为学生提供全面的知识和技能，以培养具有国际视野和创新能力的人工智能人才。
人工智能原理_北京大学中国大学mooc课后章节答案期末考试题库2023年1.Turing Test is designed to provide what kind of satisfactory operationaldefinition?图灵测试旨在给予哪一种令人满意的操作定义？答案:machine intelligence 机器智能2.Thinking the differences between agent functions and agent programs, selectcorrect statements from following ones.考虑智能体函数与智能体程序的差异，从下列陈述中选择正确的答案。
答案:An agent program implements an agent function.一个智能体程序实现一个智能体函数。
3.There are two main kinds of formulation for 8-queens problem. Which of thefollowing one is the formulation that starts with all 8 queens on the boardand moves them around?有两种8皇后问题的形式化方式。
“初始时8个皇后都放在棋盘上，然后再进行移动”属于哪一种形式化方式？答案:Complete-state formulation 全态形式化4.What kind of knowledge will be used to describe how a problem is solved?哪种知识可用于描述如何求解问题？答案:Procedural knowledge 过程性知识5.Which of the following is used to discover general facts from trainingexamples?下列中哪个用于训练样本中发现一般的事实？答案:Inductive learning 归纳学习6.Which statement best describes the task of “classification” in machinelearning?哪一个是机器学习中“分类”任务的正确描述？答案:To assign a category to each item. 为每个项目分配一个类别。
北工大人工智能专业培养计划表北工大人工智能专业培养计划表是北工大为学生提供的一份重要文件，旨在为学生未来的学习和职业发展制定一条清晰的发展路线。
它是北工大在人工智能领域的卓越教育和培养计划的总结和归纳，旨在为学生提供广阔的学科知识和实践经验。
在这个计划中，北工大提供了一系列的学术课程、实验课程、实习和实践机会，以培养学生在人工智能领域的专业知识和技能。
本文将从不同层面对北工大人工智能专业培养计划表进行深度和广度的评估，并就其内容和意义进行分析和讨论。
一、学术课程的设置北工大人工智能专业培养计划表中明确列出了学术课程的设置，包括基础课程和专业课程。
基础课程包括数学、计算机科学、机器学习和深度学习等，为学生提供了强大的理论基础。
而专业课程则涵盖了计算机视觉、自然语言处理和智能系统等领域的深入学习。
这样的设置使得学生能够全面掌握人工智能领域的基础知识，并拥有专业领域的深入理解。
二、实验课程的实施北工大在人工智能专业培养计划中还特别强调了实验课程的实施。
这些实验课程旨在通过实践活动，让学生从理论转向实际应用，培养他们解决实际问题的能力。
在这些实验课程中，学生将学习不同的人工智能算法和技术，并进行实际操作和探索。
通过这样的实践活动，学生能够更好地理解和运用所学知识，提升他们在人工智能领域的实际能力。
三、实习和实践机会的提供北工大人工智能专业培养计划表中还包括实习和实践机会的提供。
这些机会为学生提供了与企业和研究机构进行合作的机会，让他们在真实的工作环境中应用他们所学的知识和技能。
这些实习和实践机会不仅可以帮助学生将理论知识应用到实际世界中，还可以培养他们的团队合作和沟通能力。
通过与企业和研究机构的合作，学生还能获得实际项目经验和实际问题的解决方案。
个人观点和理解在我看来，北工大人工智能专业培养计划表是一份非常完善和有价值的文件。
它不仅提供了全面的学术课程，还鼓励学生积极参与实验课程、实习和实践机会。
这样的设计使得学生在学术和实践方面都能得到充分的培养，能够全面应对未来的工作和研究需求。
School of Electronic and Computer EngineeringPeking UniversityWang WenminArtificial IntelligenceClassic PlanningContents☐8.2.1. Planning as State-Space Search☐8.2.2. Planning Graphs☐8.2.3. Other Classical Planning Approaches☐1) Forward state-space search 前向状态空间搜索⏹starting in the initial state,从初始状态开始,⏹using the problem’s actions,运用该问题的动作，⏹search forward for a member of the goal states.朝着一个目标状态向前搜索。
☐2) Backward relevant-states search 后向状态空间搜索⏹starting at the set of states representing the goal,从表示该目标的状态集开始，⏹using the inverse of the actions,运用反向的动作，⏹search backward for the initial state.朝着初始状态向后搜索。
Heuristics for planning 规划的启发法☐Think of a search problem as a graph 将搜索问题视为一个图⏹where the nodes are states and the edges are actions,to find a path connectingthe initial state to a goal state.其中节点表示状态、边为动作，寻找一条连接初始状态至某个目标状态的路径。
•人工智能概述•机器学习基础•自然语言处理技术•计算机视觉技术•强化学习及优化方法•知识图谱与推理技术•人工智能伦理、法律和社会影响目录01人工智能概述定义与发展历程定义发展期发展历程低谷期萌芽期复苏期技术原理及核心思想技术原理核心思想应用领域与前景展望应用领域前景展望02机器学习基础逻辑回归（梯度提升树（Linear Regression ）Random Forests ）010203040506监督学习算法非监督学习算法深度学习原理及实践神经网络基础（Neural NetworkBasics）循环神经网络（RecurrentNeural Networks）生成对抗网络（GenerativeAdversarial Networks）卷积神经网络（Convolutional Neural Networks）长短期记忆网络（Long Short-Term Memory Networks）深度学习优化算法（DeepLearning OptimizationAlgorithms）03自然语言处理技术词法分析与句法分析词法分析01句法分析02词汇语义分析03语义理解情感分析观点挖掘030201语义理解与情感分析机器翻译与对话系统01020304机器翻译对话系统多轮对话管理自然语言生成04计算机视觉技术1 2 3传统图像识别方法深度学习图像识别方法图像分类数据集图像识别与分类方法目标检测与跟踪技术目标检测方法介绍基于滑动窗口、区域提议网络（RPN）等目标检测方法。
目标跟踪方法探讨基于相关滤波、深度学习等目标跟踪技术的原理和实现。
目标检测与跟踪应用展示目标检测与跟踪在视频监控、自动驾驶等领域的应用案例。
三维重建与虚拟现实应用三维重建技术虚拟现实技术三维重建与虚拟现实融合05强化学习及优化方法MDP 基本概念介绍马尔可夫决策过程（MDP ）的定义、组成要素以及基本性质。
贝尔曼方程详细推导贝尔曼方程，解释值函数和策略函数的含义及计算方法。
《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。
School of Electronic and Computer EngineeringPeking UniversityWang WenminArtificial IntelligencePlanning ProblemsContents☐8.1.1 What is Planning☐8.1.2 What are Planning Problems☐8.1.3 What is Classical Planning☐8.1.4 Planning Difficulties☐8.1.5 About PDDL☐8.1.6 Three Components to Define a Planning Task☐We have defined AI as the study of rational action.Action is a critical part for an intelligent agent.我们已经把人工智能定义为理性动作的研究。
动作是智能体的一个关键部分。
☐Planning means devising a plan of action to achieve one’s goals .规划意味着制定一套行动计划来达到既定的目标。
What is Planning 什么是规划EnvironmentPerceptsActionsAgentSensorsActuatorsPlanWhat are Planning Problems 什么是规划问题☐A longer definition 较长的定义given the descriptions for a problem in the real world:给定现实世界中一个问题的描述：⏹the initial states, the desired goals, and the possible actions,初始状态、预期目标、和可能的动作，planning is to find a plan that is generating a sequence of actions that leads from any of the initial states to one of the goal states.规划是找到一个计划：它产生从任何初始状态到达一个目标状态的一系列动作。
School of Electronic and Computer EngineeringPeking UniversityWang WenminArtificial IntelligenceDecision-theoretic Planning☐Classic planning is to find a plan to achieve its goals with lowest cost.经典规划是寻找一个以最小代价到达其目标的计划。
☐Decision-theoretic Planning is to find a plan to achieve its goals with maximum expected utility (MEU).决策理论规划是寻找一个以最大期望效用(MEU) 到达其目标的规划。
What is Decision-theoretic Planning 什么是决策理论规划EnvironmentPercepts ActionsAgentSensorsActuatorsRewardExample: Grid World 方格世界☐Transition model: 转换模型⏹probability 0.8: agent moves up;概率0.8：智能体上移；⏹probability 0.1:agent moves right or left;概率0.1：智能体左移、右移；⏹no movement: if a wall in the direction;不移：若前方是堵墙；⏹reward +1 and –1: two terminal states;回报+1和-1:两个终点状态；⏹reward –0.04: other no-terminal states.回报-0.04：其它非终点状态。
☐Goal: maximize sum of rewards. 目标：回报值最大化。
+1Pit-1 Start1234 123(a)0.10.10.8(b)☐Agent lives in a grid, walls block agent’s path. Stochastic movement.智能体在格子中，围墙挡住了智能体的去路。
第八章自动规划
教学内容：介绍自动规划的基本概念和各种规划系统。
教学重点：机器人规划的作用与任务、积木世界的规划系统、具有学习能力的规划系统、基于专家系统的规划机理。
教学难点：具有学习能力的规划系统。
教学方法：课堂教学为主，注意结合例子来说明抽象概念。
教学要求：本章为选修内容，掌握机器人规划的作用与任务，并一般了解有哪几种规划方法。
8.1机器人规划的作用与任务
教学内容：引入规划的概念，说明问题分解途径，然后讨论自动规划系统的任务。
教学重点：机器人规划的作用。
教学方法：课堂教学。
教学要求：掌握机器人规划的作用与任务。
8.1.1规划的作用与问题分解途径
1、规划的概念及作用
规划的概念：规划是一种重要的问题求解技术，它从某个特定的问题状态出发，寻求一系列行为动作，并建立一个操作序列，直到求得目标状态为止。
规划的作用：规划可用来监控问题求解过程，并能够在造成较大的危害之前发现差错。
规划的好处可归纳为简化搜索、解决目标矛盾以及为差错补偿提供基础。
2、问题分解途径及方法
把某些较复杂的问题分解为一些较小的子问题。
有两条实现这种分解的重要途径。
第一条重要途径是当从一个问题状态移动到下一个状态时，无需计算整个新的状态，而只要考虑状态中可能变化了的那些部分。
第二条重要途径是把单一的困难问题分割为几个有希望的较为容易解决的子问题。
3、域的预测和规划的修正
举例：以工作日计划来形象地说明规划的作用。
8.1.2机器人规划系统的任务与方法
在规划系统中，必须具有执行下列各项任务的方法：
(1) 根据最有效的启发信息，选择应用于下一步的最好规则。
(2) 应用所选取的规则来计算由于应用该规则而生成的新状态。
(3) 对所求得的解答进行检验。
(4) 检验空端，以便舍弃它们，使系统的求解工作向着更有效的方向进行。
(5) 检验殆正确的解答，并应用具体的技术使之完全正确。
下面讨论能够执行上述5项任务的方法。
1、选择和应用规则
在选择合适的应用规则时最广泛采用的技术是：首先要查出期望目标状态与现有状态之间的差别集合，然后辨别出那些与减少这些差别有关的规则。
2、检验解答与空端
当规划系统找到一个能够把初始问题状态变换为目标状态的操作符序列时，此系统就成功地求得问题的一个解答。
如果搜索过程是从初始状态正向推理的，那么可以删去任何导致某种状态的路径，从这种状态出发是无法达到目标状态的。
如果搜索过程是从目标状态逆向推理的，那么当确信无法达到初始状态，或者搜索过程进展甚微时，可以终止该路径的搜索。
3、修正殆正确解
一个求解殆可分解问题的办法是：当执行与所提出的解答相对应的操作符序列时，检查求得的状态，并把它与期望目标加以比较。
修正一个殆正确的解答的较好办法是注意有关出错的知识，然后加以直接修正。
8.2 积木世界的机器人规划
教学内容：寻求某个机器人的动作序列(可能包括路径等)。
教学重点：机器人问题求解。
教学难点：用F规则求解机器人规划序列。
教学方法：课堂教学。
教学要求：了解问题求解的目标与一般过程、掌握积木世界的机器人规划方法。
8.2.1 积木世界的机器人问题
机器人问题既比较简单，又很直观。
在机器人问题的典型表示中，机器人能够执行一套动作。
在这个例子中机器人能够执行的动作举例如下：
unstack(a,b)：把堆放在积木b上的积木a拾起。
在进行这个动作之前，要求机器人的手为空手，而且积木a的顶上是空的。
stack(a,b)：把积木a堆放在积木b上。
动作之前要求机械手必须已抓住积木a，而且积木b顶上必须是空的。
pickup(a)：从桌面上拾起积木a，并抓住它不放。
在动作之前要求机械手为空手，而且积木a顶上没有任何东西。
putdown(a)：把积木a放置到桌面上。
要求动作之前机械手已抓住积木a。
采用状态描述作为数据库的产生式系统是一种最简单的问题求解系统。
机器人问题的状态描述和目标描述均可用谓词逻辑公式构成。
为了指定机器人所执行的操作和执行操作的结果，需要应用下列谓词：
ON(a,b)：积木a在积木b之上。
ONTABLE(a)：积木a在桌面上。
CLEAR(a)：积木a顶上没有任何东西。
HOLDING(a)：机械手正抓住积木a。
HANDEMPTY：机械手为空手。
举例：积木世界由一些有标记的立方形积木，互相堆迭在一起构成；机器人有个可移动的机械手，它可以抓起积木块并移动积木从一处至另一处。
提问：请同学就图8.1 积木世界的机器人问题应用谓词公式的合取来表示为：ON(B，C)∧ON(A。
