《人工智能基础》课程教学大纲（本科）.docxVIP

本科课程教学大纲 《人工智能基础》课程教学大纲 课程编号：04291 课程名称：人工智能基础 英文名称：Artificial Intelligence Foundation 课程性质：学科基础课程要求：必修 学时/学分：48/3（讲课学时：36 实验学时：12 ）适用专业：智能科学与技术 一、课程性质与任务 《人工智能基础》是一门探索、揭示人类思维本质，研究将人类智能转化为机器智能的学科。通过本课程的学习，培养学生拥有能够解决复杂问题的基本能力，为今后在专家系统、智能机器人、智能计算机等方面知识掌握奠定比较扎实的理论基础。本课程的主要任务是介绍知识表示、基本的搜索算法、模拟人类思维的不确定性推理，使学生对专家系统、智能计算机等方面具有一定的理论基础与实践能力。（支撑毕业要求 1.3，2.2，4.2，5.2，10.1，11.2） 二、课程与其他课程的联系 《人工智能基础》的先修课程包括《概率论与数理统计》、《智能优化方法》、《C语言程序设计》等课程。《概率论与数理统计》在复杂问题求解中的主观Bayes决策与不确定性理论方面支撑《人工智能基础》课程。《智能优化方法》在搜索技术问题的理解方面支撑 《人工智能基础》课程。《C语言程序设计》在搜索算法、贝叶斯决策与专家系统的实现方面支撑《人工智能基础》课程。 《人工智能基础》的后续课程包括《智能机器人》，为《智能机器人》提供理论基础方法方面的支撑。 三、课程教学目标 学习人工智能的基础理论知识，掌握解决复杂问题的基本能力，为今后在专家系统、智能机器人、智能计算机等方面知识掌握奠定比较扎实的理论基础，对智能机器人的应用方面提供理论与实践支撑。（支撑毕业能力要求1.3，10.1，11.2） 认识到知识表示在本学科发展中所处的地位与扮演的角色，能够掌握本领域经典的知识表示方法，如谓词逻辑、状态空间、语义网络等，并能运用这些知识解决一些实际工程问题。（支撑毕业能力要求1.3，2.2，5.2） 掌握搜索的基本思想，比如宽度优先、深度优先等传统搜索方法。（支撑毕业能力要求1.3，2.2） 培养学生具有不确定性理论与推理思想。（支撑毕业能力要求1.3，2.2） 培养学生具有专家系统的有关理论与应用能力。（支撑毕业能力要求1.3，2.2，4.2， 11.2） 四、教学内容、基本要求与学时分配 序号 教学内容 教学要求 学时 教学方式 对应课程教学目标 1 一、绪论 1.人工智能的起源与发展历程 1.了解本课程研究的对象、内容； 4 讲授 1 人工智能的研究对象和主要应用领域 人工智能同其它学科的关系 2.了解人工智能的起源、发展历程、特点、与其它学科的关系和主要应用领域。 4.人工智能的特点与研究方法 2 二、知识表示方法 基本概念 谓词逻辑法 1.了解经典的知识表示方法，例如，谓词逻辑法、状态空间、语义网络等。 8 讲授讨论 1,2 3.状态空间法 4.规则表示法 5.语义网络法 3 三、搜索技术 1.掌握搜索的基本思想 4 讲授 3 1.搜索的基本思想 2.掌握基本的搜索算法，例如 2.基本搜索方法 宽度优先和深度优先等。 实验 1：搜索技术实验 1 2 实验 实验 2：搜索技术实验 2 2 实验 4 四、复杂问题求解 1.推理、推理方式与分类 1.培养学生具有不确定性理论与推理思想。 10 讲授 4 不确定推理理论（贝叶斯定理-- 后验概率计算） 不确定推理理论（可信度方法） 掌握后验概率的计算方法。 掌握规则的不确定度量与推理计算原理。 主观 Bayes 方法 证据理论 4.掌握基于证据理论的推理计算原理 实验 3：贝叶斯决策 2 实验 5 五、专家系统 1.专家系统的起源与进展 1.了解专家系统的有关理论与方法。 8 讲授 5,6 专家系统的原理与方法 基于 WEB 的专家系统 2.掌握知识库建设方法与应用。 3.掌握专家系统建设方法与应用。 实验 4：知识库实验 5：规则推理实验 6：专家系统 2 2 2 实验实验实验 6 总复习 2 讲授 五、其他教学环节（课外教学环节、要求、目标） 无 六、教学方法 本课程以课堂教学为主，结合实验教学手段和形式完成课程教学任务。 在课堂教学中，通过讲授、提问、讨论、演示等教学方法和手段让学生理解人工智能的理论体系、主线，掌握基本概念、基本原理和各种分析方法。 在实验环节中，要求学生完成各种算法与应用的计算机语言的实现，培养学生具有实际的编程与系统实现能力。 七、考核及成绩评定方式 最终成绩由平时成绩、期末考试成绩组合而成。各部分所占比例如下： 平时成绩：30%。其中，平时表现占10%，主要考核每堂课学生的出勤与参与问题讨论的情况；实验成绩占20%，主要考核学生的实际编程能力与开发系统能力。 期末考试成绩：70%。主要考核本课程的各知识点。闭卷考试，卷面满