《人工智能导论》教学大纲.doc

《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。 重点：人工智能的定义发展人工智能人工智能的定义和发展 人类智能和人工智能 第三节? 人工智能的学派及其争论 人工智能的研究与应用领域 第五节? 人工智能对人类的影响 知识表示 学时：6学时（讲课6学时） 了解实现知识表示的语义网络法、框架表示法、剧本表示法及过程表示法；理解状态空间法、问题规约法；掌握谓词逻辑法。 本章讲授要点： 对知识表示的方法进行全面介绍，对于后续章节将涉及的知识表示方法作重点讲解。 重点：状态空间法，谓词逻辑法，以及语义网络法。 难点：采用谓词逻辑法实现知识表示。 第一节 状态空间法 第二节 问题规约法 第三节 谓词逻辑法 第四节 语义网络法 第五节 框架表示 第六节 剧本表示 第七节 过程的表示 作业：采用状态空间法和问题规约法实现知识表示；用谓词演算公式表示命题。 第三章 搜索原理 学时：6学时﹙讲课6学时﹚ 了解遗传算法、模拟退火算法；理解盲目搜索、启发式搜索；掌握启发式搜索与其它搜索的关系的有关知识。 本章讲授要点： 在介绍各种搜索原理的基础上，讲解它们的适用场合，以及它们之间的内在关系。 重点：启发式搜索，及其与其它搜索的关系。 难点：各种搜索方法的适用场合。 第一节 盲目搜索 第二节 启发式搜索 第三节 遗传算法 第四节 模拟退火算法 作业：说明宽度优先搜索，等代价搜索，有序搜索的内在关系 。 第四章 推理技术 学时：6学时﹙讲课6学时﹚ 了解规则演绎系统、不确定性推理的知识；理解消解原理；掌握利用消解原理解决问题的方法。 本章讲授要点： 在介绍各种推理技术的基础上，着重阐述消解原理，利用消解原理解决问题的方法，以及消解原理的局限性。 重点：消解原理，利用消解原理解决问题的方法。 难点：利用消解原理解决问题的方法。 第一节 消解原理规则演绎系产生式系统不确定性推理 第五章 专家系统 学时：2学时﹙讲课2学时﹚ 了解专家系统的一般特点，类型，结构和建造步骤。 本章讲授要点： 概要介绍作为人工智能的一个重要应用领域，专家系统的一般特点和结构，拓宽学生对于人工智能应用研究的知识面。 重点：专家系统的一般特点和结构。 难点：专家系统的专家系统概述 专家系统的一般特点 专家系统的类型 专家系统的机器学习的研究意义 本章讲授要点： 在介绍常用的学习方法 重点：人工神经网络的原理，基于反向传播网络的学习算法。 难点：基于反向传播网络的学习算法。 第一节 机器学习的研究意义与发展史 机器学习的基本结构 几种常用的学习方法 人工神经网络