《人工智能及应用》课程教学大纲.docxVIP

第 PAGE 1 页/共 NUMPAGES \* Arabic 4 页 《人工智能及应用》课程教学大纲 课程编号课程名称：人工智能及应用/ Artificial Intelligence and Applications 总学时/学分：32/2.0（其中理论24学时，实验8学时） 适用专业：计算机科学与技术 一、课程目标 通过本课程学习，学生应达到如下目标： 目标1：针对应用场景，设计人工智能解决方案。 目标2：对解决方案，编写程序，分析结果，得出结论，形成报告。 二、教学过程安排 序号 知识模块 教学内容 课时 课程目标 教学方法 1 概论 人工智能的定义 人工智能的发展历史 人工智能的研究领域和应用领 2 目标1 课堂讲授+演示+作业 2 自动逻辑推理 命题逻辑 谓词演算 命题逻辑中的归结 FOPC中的归结 4 目标1 课堂讲授+作业 3 问题的求解 状态空间法 问题的归结 产生式系统 约束满足法 2 目标1 课堂讲授+演示+大作业 4 搜索 启发式搜索算法 A*算法 与或树搜索算法 博弈树的搜索算法 4 目标1 课堂讲授+演示+作业 5 知识的表达与推理技术 知识的框架表示 语义网络表示 脚本表示和产生式规则。 4 目标1 课堂讲授+演示+测验 6 计算智能 生物神经元的原理 神经元的基本模型 简单的线性模型和线性阀值网络 反向传播网络 遗传算法的思想及其他计算智能的概念。 4 目标1 课堂讲授+演示+作业 7 专家系统 专家系统的任务与特征 专家系统的脆弱性 专家系统的结构 建立专家 系统的步骤和方法 2 目标1 课堂讲授+演示+作业 8 机器学习 机器学习的研究意义与发展史 机器学习的主要策略与基本结构 几种常用的学习方法及举例。 2 目标1 课堂讲授+演示+作业 9 课内实验 实验一：人工智能认知实验 实验二：问题求解实验 实验三：神经网络实验 8 目标2 学生操作 教师指导 实验报告 三、实验或上机内容 序号 实验项目名称 实验目的和任务 实验学时 实验类型 开出要求 1 人工智能认知实验 目的：通过仿真软件了解部分人工智能方法，包括搜索策略，产生式系统，神经网络 任务：利用仿真软件体验人工智能方法； 2 验证 必做 2 问题求解实验； 目的：熟悉人工智能中的知识表示方法，熟悉盲目搜索和启发式搜索算法的应用，掌握问题表示、求解及编程实现； 任务：编写代码实现问题的知识表示及一种求解方法。 2 设计型 必做 3 神经网络实验 目的：了解神经网络算法的基本思想及其设计神经网络的方法； 任务：针对实际问题，编写代码实现神经网络识别，并分析结果。 2 设计型 必做 四、课程目标达成方法 教学目标 课时 评价方法 评价依据 达成标准(分) 目标1 24 考试（60%） +大作业（20%）+测验（15%） 试卷+大作业+测验 68 目标2 8 实验（100%） 实验操作+实验报告 68 合计 32 五、考核标准 本门课程考核包括6个部分，分别为考试、作业、实验、讨论、测验、大作业。具体要求及评分方法如下： 1、考试试卷知识点要求 序号 知识模块 考核内容 试题比例 目标1 概论 人工智能的定义 人工智能的发展历史 人工智能的研究领域和应用领 10% 目标1 自动逻辑推理 命题逻辑 谓词演算 命题逻辑中的归结 FOPC中的归结 15% 目标1 问题的求解 状态空间法 问题的归结 产生式系统 约束满足法 15% 目标1 搜索 启发式搜索算法 A*算法 与或树搜索算法 博弈树的搜索算法 10% 目标1 知识的表达与推理技术 知识的框架表示 语义网络表示 脚本表示和产生式规则。 15% 目标1 计算智能 生物神经元的原理 神经元的基本模型 简单的线性模型和线性阀值网络 反向传播网络 遗传算法的思想及其他计算智能的概念。 15% 目标1 专家系统 专家系统的任务与特征 专家系统的脆弱性 专家系统的结构 建立专家 系统的步骤和方法 10% 目标1 机器学习 机器学习的研究意义与发展史 机器学习的主要策略与基本结构 几种常用的学习方法及举例。 10% 2、作业 优秀（90-100分） 良好（80-89分） 中等（70-79分） 及格（60-69分） 不及格（60分） 按时完成；格式工整；能提出多种不同的解决方案，并对不同的解决方案进行比较分析。 按时完成，方案能解决80%以上的主要问题。能针对某些问题提出一种或多种解决方案。 延时3 天内完成，方案能解决60%主要问题。不能提出多种解决方案。 延时一周内完成。方案能解决40%以上问题。只能提出一种解决方案，有效性不足。 延时一周以上完成。仅能解答40%以下的主要问题。不能提出完整解决方案。有抄袭（雷同）现象。 3、实验 优秀（90-100分） 良