《人工智能导论》课程教学大纲(智能采矿）.docx

《人工智能导论》课程教学大纲

课程名称：人工智能导论

IntroductiontoArtificialIntelligence

课程编号：021040031

课程性质：□必修?选修

课程类别：□通识课程?专业课程￡实践教学

适用专业：智能采矿工程专业

课程学时：24学时

课程学分：1.5

应开课学期：第二学期

先修课程：大学计算机、Python语言b、专业概论

任课学院、系部：能源科学与工程学院采矿工程系

一、课程简介

《人工智能导论》是智能采矿专业本科生的一门重要专业课程，课程性质为选修课。课程主要讲授人工智能问题求解的一般性原理和基本思想以及一些前沿内容，为学生提供基本的人工智能技术和有关问题的入门性知识，使学生能够运用人工智能技术研究分析采矿工程与智能开采技术中的实际问题。同时本课程为进一步培养矿山行业智能化发展对人才和知识的需求提供基础理论。

二、课程教学的目标及与毕业要求的关系

（一）课程目标

课程总目标：通过本课程学习，学生可以系统深入掌握人工智能技术相关原理及应用，能够运用人工智能技术解决智能矿山建设过程中的具体问。同时通过课程教学引导学生独立思考、发现问题，正确认识人工智能与人类发展的关系。

课程目标1：了解人工智能产业发展现状，理解人工智能概念、发展简史、研究内容和方法，了解人工智能的主要应用领域；

课程目标2：理解人工智能+矿业的相关应用，熟悉矿业生产作业智能化及矿山智能感知的相关应用，了解露天和地下矿山智能矿山建设案例；

课程目标3：掌握经典人工智能技术中搜索策略、遗传算法、群智能算法及机器学习，掌握最新的人工智能技术中深度学习以及矿山智能图像处理技术及其相关的应用；

课程目标4：了解矿山机器人的产生和发展，理解机器人智能感知、智能导航、智能路径规划和智能运动控制技术及其相关的应用。

（二）课程目标与毕业要求的对应关系

本课程目标支持的主要毕业要求如下表：

课程目标

毕业要求

指标点

1．了解人工智能产业发展现状，理解人工智能概念、发展简史、研究内容和方法，了解人工智能的主要应用领域；

毕业要求5：使用现代工具：能够针对矿产资源开发和利用过程中的工程问题，选择与使用恰当的技术、资源、现代工具和信息技术工具

指标点5.3：能够开发、选择与使用现代工具预测、模拟及优化复杂安全工程问题，以及理解其局限性

2．理解人工智能+矿业的相关应用，熟悉矿业生产作业智能化及矿山智能感知的相关应用，了解露天和地下矿山智能矿山建设案例

毕业要求2：问题分析：能够运用专业技能识别、表达、并通过文献研究分析采矿工程与智能开采技术中的实际问题，以获得有效结论

指标点2.3：具有运用自然科学知识进行采矿工程与智能开采相关物理力学变量测定、数据采集与分析等能力

3．掌握经典人工智能技术中搜索策略、遗传算法、群智能算法及机器学习，掌握最新的人工智能技术中深度学习以及矿山智能图像处理技术及其相关的应用

毕业要求1：工程知识：能够将数学、自然科学、工程基础和专业知识用于采矿工程（含智能开采），并能解决较复杂工程问题

毕业要求2：问题分析：能够运用专业技能识别、表达、并通过文献研究分析采矿工程与智能开采技术中的实际问题，以获得有效结论

指标点1.3：掌握用于解决复杂智能开采问题所需的工程基础知识

指标点2.3：具有运用自然科学知识进行采矿工程与智能开采相关物理力学变量测定、数据采集与分析等能力

4.了解矿山机器人的产生和发展，理解机器人智能感知、智能导航、智能路径规划和智能运动控制技术及其相关的应用

毕业要求7：环境和可持续发展：在矿产资源开发与利用过程中，树立环境和谐与可持续发展理念，并运用于工程实践当中

指标点7.2：能够理解和评价针对复杂采矿工程问题的工程实践对社会可持续发展的影响

三、课程教学的基本内容及教学安排

（一）课程教学的内容及学时安排

知识单元

知识点

学时数

课程目标

线下

授课

线上

授课

实验

/实践

1.人工智能概述

知识点1.1：人工智能技术国内外发展现状；

知识点1.2：人工智能概念及起源；

知识点1.3：人工智能发展简史；

知识点1.4：人工智能研究方法、研究内容以及主要应用领域；

2

课程目标1

2.矿山智能化

知识点2.1：矿业智能化发展的必然趋势；

知识点2.2：矿业+人工智能；

知识点2.3：矿山生产作业智能化；

知识点2.4：矿山智能感知以及智能化矿山建设相关案例简介；

4

课程目标2

3.搜索策略、遗传算法以及群智能算法

知识点3.1：搜索概念、盲目图搜索策略以及启发式图搜索策略；

知识点3.2：遗传算法，基于遗传算法的生产调度方法；

知识点3.3：：模拟鸟群行为的粒子群优化算法；

知识点3.4：搜索策略、遗传算法及群智能算法在矿业的具体应用；

4