计算机科学与技术专人工智能课程教学大纲.docVIP

《人工智能》教学大纲 课程类型：专业选修课 总 学 时： 讲课学时： 实验（上机）学时：学　　分：适用对象： 一、课程的教学目标 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。 二、教学基本要求 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。本课程的特点是理论性强，逻辑性强，其教学方式应注重启发式、引导式。本课程将完成如下教学目标： （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》。 考核方式以闭卷笔试形式（70%）考察学生对课程的掌握程度，将课程设计（30%）作为平时表现。 三、各教学环节学时分配 教学课时分配 序号 章节内容 讲课 实践 其他 合计 1 绪论 2 2 2 知识表示方法 6 6 3 搜索原理 6 6 4 推理技术 4 4 5 机器学习 8 8 6 规划系统 4 4 7 专家系统 4 4 8 自然语言理解 6 6 9 智能控制 6 6 10 人工智能程序设计 8 8 合计 54 54 四、教学内容 第一章 第三节 人工智能研究的不同学派； 第四节 人工智能新进展 教学重点：人工智能的定义、起源与发展，人工智能的研究与应用领域，人工智能求解方法的特点。 课程的考核要求： 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 复习思考题： 1、人工智能的研究与应用领域有哪些。 2、为什么能够把人看做一个物理符号系统? 第二章 知识表示方法 第一节 知识与知识表示的概念； 第二节 一阶谓词逻辑表示法 知识与知识表示的概念； 脚本表示法 过程表示法 面向对象表示法 教学重点、难点： 1、状态空间法 2、问题归约法 3、谓词逻辑法 4、语义网络法 课程的考核要求： 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 复习思考题： 1、列举已经学习过的“状态”概念，并比较之列举算符。 2、列举已经学习过的“有向图”、“路径”及“代价”等的概念。 第三章 搜索原理 第一节 推理的基本概念 第二节 推理的逻辑基础 第三节 自然演绎推理 第四节 归结演绎推理 第五节 基于规则的演绎推理 教学重点、难点： 1、盲目搜索 2、启发式搜索 3、遗传算法 4、模拟退火法 课程的考核要求： 1、认识盲目搜索 2、理解启发式搜索 3、了解遗传算法 4、了解模拟退火法 复习思考题： 1、图搜索是针对什么知识表示方法的问题求解方法？ 2、什么是图搜索?其中，重排OPEN 表意味着什么，重排的原则是什么? 第四章 推理技术 第一节 不确定推理的基本概念 第二节 不确定推理的概率论基础 第三节 确定性理论 第四节 证据理论 教学重点、难点： 1、消解原理 2、规则演绎系统 3、产生式系统 4、不确定性推理 5、非单调推理 课程的考核要求： 1、理解消解原理 2、理解规则演绎系统 3、理解产生式系统 3、认识不确定性推理 4、理解非单调推理 复习思考题： 1、宽度优先搜索方法中OPEN 表需要按什么方式进行操作？ 2、试比较各种盲目搜索搜索方法的效率，找出影响算法效率的原因。 第五章 机器学习 第一节 搜索的基本概念 第二节 状态空间的盲目搜索 第三节 状态空间的启发式搜索 第四节 与/或树的盲目搜索 第五节 博弈树的启发式搜索 教学重点、难点： 1、机器学习的定义、研究意义与发展历史 2、机器学习的主要策略与基本结构 3