人工智能原理课程教学大纲课程.docxVIP

《人工智能原理》课程教学大纲 课程编号：100226 学分： 2 总学时： 32 实验学时：11（课外） 大纲执笔人： 苗夺谦、张红云、武妍、赵才荣 大纲审核人： 一、课程性质与目的 课程性质：专业必修课 人工智能是计算机科学的一个重要分支，是一门前沿和交叉学科，它的研究领域十分广泛，涉及到智能化智能体、定理证明、博弈、自然语言理解、智能检索、机器学习、机器人、模式识别等领域。这门课程主要讲述知识与知识表示、确定性推理、不确定性推理、搜索策略、对抗搜索、机器学习等方面内容。主要研究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。 教学目的： 使学生对该学科的发展历程，它的主要研究领域，针对各种问题的解决思路和途径有一个初步的了解和认识。 使学生了解人工智能的基本概念、基本理论和基本技术，对知识表示、问题搜索原理、知识推理等各方面的内容有准确、全面的掌握。 使学生了解人工智能的主要应用，结合具体的应用系统，使学生对高级搜索技术、神经网络、专家系统、机器学习等人工智能技术及应用有比较感性的认识。 使学生最后对人工智能在计算机科学与技术发展中的地位和作用有总体的把握和认识。 二、课程面向专业 计算机科学与技术与信息安全专业 三、课程基本要求 通过课堂教学，要求学生了解人工智能的发展状况与研究内容，掌握基本概念、基本原理方法和重要算法，掌握人工智能的一些主要思想和方法，熟悉典型的人工智能系统——专家系统和简单的推理方法。 四、毕业要求达成方式 支撑毕业要求指标点 1-3 具备对复杂工程问题进行计算机求解的工程基础 2-1 具备对复杂工程问题进行识别与判断，并结合专业知识进行有效分解 课程如何支撑毕业要求 通过课程知识的学习，使学生深入理解人工智能的原理，掌握人工智能的基本知识、技术和复杂问题的求解策略，为今后解决复杂的智能系统的设计和实现奠定扎实的工程基础。 通过 8 数码难题、Hanoi 塔问题和消解原理等大作业，培养学生运用所学的知识表示法、 的能力 具备对复杂工程问题进行分析和求解的能力 具备借助文献辅助对复杂工程问题进行识别、表达、建模与求解的能力。 搜索策略和消解原理等知识对任务进行分 解，选择方案所需求解策略和技术的能力。通过 8 数码难题、Hanoi 塔问题和谓词公式化子句等大作业，培养学生运用有状态空间表示法、A*算法、消解原理、知识推理等解决人工智能中所涉及的具体问题的能力。 结合课程教学，要求学生完成一定数量的课外阅读和文献查阅，学习和了解人工智能技术的国内、国外最新进展。在完成课程大作业过程中，要求学生能够通过查阅文献，解决自己在课程设计实现中遇到的问题。 五、实验基本要求 学会用启发式搜索求解问题，学会基本的神经网络方法，学会构造简单的专家系统和推理系统，使学生初步具备用经典的人工智能方法解决一些简单实际问题的能力。 六、课程基本内容 （一）绪论 本课程的内容、目标、先修要求和教学考试方法。 人工智能的定义、发展概况及相关学派和他们的认知观， 人工智能的研究和应用领域， 本课程的主要内容和编排 （二）知识表示的基本技术 知识与知识表示的定义； 状态空间表示法； 知识的逻辑表示； 本体论工程。 类别和对象 行动、情景和事件 （三）智能化智能体 智能体和环境； 好的行为表现:理性的概念； 环境的本质； 智能体的结构； （三）搜索原理 搜索问题的定义； 盲目搜索的思想； 经典盲目搜索算法； 启发式方法的定义、启发性信息和评估函数； 经典启发式搜索算法； 搜索策略的评价策略 （四）对抗搜索 博弈的概念 博弈中的优化策略 (最优策略、极小极大值算法) α—β剪枝 不完整的实时决策 (五) 确定性的推理技术 逻辑的定义， 形式系统与命题逻辑、一阶谓词逻辑的基础理论， 知识如何形式化的方法； Skolem 标准式的化简； 归结推理(消解 Resolution)的基本思想和原理， 用归结原理证明和求解问题的策略 （六）不精确推理 单调与非单调推理的定义 缺省推理逻辑、 非单调逻辑系统的基本方法； 概率论方法在不精确知识表示和推理中的应用 （七）机器学习 机器学习的定义、基本形式 机器学习的研究目标和发展历史 机械学习和示例学习、 类比学习和归纳学习 （八）人工智能的最新发展与展望： 人工智能当前的一些发展方向 人工智能当前的研究热点。 七、实验或上机基本内容 实验一 状态空间表示（演示 Hanoi 塔问题） 应用状态空间表示法进行的汉诺塔问题求解； 进行代码编写，实现动态演示 分析算法性能。 实验二 利用 A*算法求解 8 数码难题 构建 8 数码状态表示法 定义启发式函数，运用 A*算法进去搜索 给出搜索过程的动态演示过程