人工智能大纲(彭岩).-NikiNanAYu,Liu.doc

《人工智能》教学大纲 第一部分 大纲说明 教学目的 《人工智能》是计算机专业本科生的一门选修课程。该课程是关于人工智能领域的引导性课程，介绍人工智能的基本理论、方法和技术，目的是使学生了解和掌握人工智能的基本概念和方法，为今后的更高级课程的学习、为将来在人工智能领域的进一步研究工作和软件实践奠定良好的基础。 人工智能与其他的软件课程有较大的区别，这种区别主要表现在人工智能的鲜明特点上，即在思想方法上强调启发式，算法上强调不确定性。同时，人工智能领域又是一个开拓性领域，新思想和新技术层出不穷，因此，它对学生的训练将是特殊的、鼓励创新的，是其他课程不可替代的。 先修课要求 《数据结构》、《离散数学》和《高级程序设计语言》 课程的教学基本要求 1、人工智能基础 人工智能发展简史 人工智能研究的基本内容 人工智能的主要研究和应用领域 2、知识表示和推理 知识表示 确定性推理 不确定性推理与非单调推理 3、搜索和优化方法 盲目搜索（DFS,BFS,uniform cost search） 启发式搜索（最佳优先，A*，IDA*） 博弈方法（minmax搜索，alpha-beta剪枝） 4、机器学习与神经网络 机器学习（机械式、指导式、归纳式、基于类比的学习及基于解释的学习） 人工神经网络的发展 B-P网络 Hopfield网络 5、专家系统与智能决策支持系统 知识系统的设计和开发 知识表示机制 知识获取技术 知识工程 知识系统开发工具 决策支持系统的概念与系统结构 第二部分 教学内容 第一章、人工智能概述（2学时） 人工智能概述； 人工智能的主要研究和应用领域； 人工智能研究的不同学派； 人工智能新进展 第二章、知识表示 （） 不确定推理的基本概念 不确定推理的概率论基础 确定性理论 主观Bayes方法 证据理论 可能性理论和模糊模型 非单调推理 第五章、搜索策略 (6学时) 搜索的基本概念 状态空间的盲目搜索 状态空间的启发式搜索 与/或树的盲目搜索 与/或树的启发式搜索 博弈树的启发式搜索 第六章 机器学习（4学时） 机器学习的基本概念 机械式学习与指导式学习 归纳学习 基于类比的学习 基于解释的学习 第七章、神经网络（4学时） 人工神经网络的基本原理及学习机理 感知模型及其学习 人工神经网络及其应用 第八章、自然语言理解（3学时） 语言及其理解的基本概念 语法规则的表示方法 语法分析与语义分析 自然语言理解系统的层次模型 第九章、专家系统（5学时） 专家系统的基本概念 专家系统的基本结构 知识获取 专家系统的开发及应用实例 专家系统的新进展 第十章、智能决策支持系统（6学时） 智能决策支持系统的基本概念 决策支持新技术 智能决策支持系统的结构 第三部分 学时分配 课程教学总学时数为54学时，课内学时54，实验24 教 学 内 容 课内学时 实验学时 第一章、人工智能概述 2学时 ? 第二章、知识表示 8学时 ? 第三章、确定性推理 3学时 2学时 第四章、不确定与非单调推理 8学时 2学时? 第五章、搜索策略 6学时 4学时 第六章、机器学习 4学时 4学时 第七章、神经网络 4学时 4学时 第八章、自然语言理解 3学时 ? 第九章、专家系统 5学时 4学时 第十章、智能决策支持系统 6学时 4学时 教学总时数 54学时 学时