人工智能导论 教学大纲.docx

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

PAGE

PAGE1

《人工智能导论》课程教学大纲

一、课程基本信息

课程名称

人工智能导论

课程编号

课程性质

必修课

课程类别

专业基础课程

开课单位

智能科学与技术教研室

授课学期

第5学期

学分/学时

1.5/24

课内学时

24

理论授课

14

上机学时

0

课内实践

0

实验学时

10

课外学时

24

适用专业

智能制造工程

是否双语

先修课程

概率论,Python编程与工程实践

后续课程

智能装备基础,智能工厂集成技术

二、课程简介

人工智能是智能制造工程专业的专业基础课。人工智能已经成为计算机技术发展以及许多高新技术产品中的关键技术。旨在通过本课程的学习,系统了解人工智能科技目前的基本实力,加强学生对国内外人工智能技术发展的认识,掌握人工智能的基本概念、基本原理和基本方法,熟悉应用人工智能技术解决实际问题的范例,提高学生的问题分析能力、创新能力和判断能力。

三、课程目标及对毕业要求指标点的支撑

(一)课程目标

课程目标1:知识目标

国内外人工智能技术发展现状;人工智能的基本概念、基本理论和基本方法;能理解基本理论和方法的具体表示形式、优缺点、应用范例。

课程目标2:能力目标

能够针对现实中的具体工程问题,运用课程学习的常见算法,提出解决问题的基本思路和方法,培养学生的创新能力和批判性思维。

课程目标3:素质目标

解析人工智能之美,厚植“科技改变未来”的创新精神。

(二)课程目标对毕业要求指标点的支撑

课程目标

支撑毕业要求指标点

毕业要求

课程目标1

1-3:学习专业基础知识,掌握解决复杂智能制造工程问题的基本思路和方法。

1-工程知识

课程目标2、3

2-1:能够运用数学、自然科学和机械工程学科的基本原理对智能制造工程问题进行识别与描述。

5-1:能够合理选择与使用解决复杂智能制造工程问题所需的多种仪器设备、信息资源、现代工程工具和信息技术工具

2-问题分析

5-使用现代工具

四、课程基本教学内容及对课程目标的支撑

(一)课程基本教学内容

第一单元人工智能概述(学时数:2学时)

1.课程主要内容

人工智能的概念,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领域。

2.重点和难点

重点:人工智能的基本概念、研究的特点、内容。

难点:人工智能的研究内容。

3.教学方法

课堂讲授、案例分析。

4.学生学习预期成果

能描述人工智能研究的基本内容和主要研究领域,熟悉本专业的前沿知识和研究热点。

5.支撑课程目标

课程目标1.课程目标2.课程目标3.

第二单元知识表示(学时数:2学时)

1.课程主要内容

知识及知识表示的概念,知识的特性。一阶谓词逻辑、产生式、框架表示等知识表示方法,了解知识图谱的基本概念以及典型应用。

2.重点和难点

重点:谓词逻辑表示的语言与方法,谓词公式的性质;产生式表示法

难点:如何选择谓词,问题的谓词逻辑表示及运算。

3.教学方法

课堂讲授、案例分析。

4.学生学习预期成果

能够采用谓词逻辑表达和描述推理知识,熟练使用产生式系统求解问题的基本步骤和方法。

5.支撑课程目标

课程目标1.课程目标2.课程目标3.

第三单元不确定性推理技术(学时数:6学时)

1.课程主要内容

推理和不确定推理的基本概念和意义。不确定推理的可信度方法,证据理论,模糊推理方法。

2.重点和难点

重点:可信度方法。模糊集合的运算、模糊关系与模糊关系的合成、模糊推理、模糊决策。

难点:模糊关系与模糊关系的合成、模糊推理。

3.教学方法

课堂讲授、案例分析。

4.学生学习预期成果

熟练使用可信度方法进行推理,求解问题的结论。应用模糊推理的一般过程,实现模糊推理,求解结论。

5.支撑课程目标

课程目标1.课程目标2.课程目标3.

第四单元人工神经网络及其应用(学时数:4学时)

1.课程主要内容

神经元与神经网络的基本概念;BP神经网络学习算法及其应用;

2.重点和难点

重点:BP神经网络学习算法的基本原理。

难点:BP神经网络权重。

3.教学方法

课堂讲授、案例分析。

4.学生学习预期成果

能描述神经网络的基本原理。

5.支撑课程目标

课程目标1.课程目标2.课程目标3

上机实践内容一产生式系统(学时数:2学时)

1.主要内容

用产生式系统的方法实现一个动物识别系统。用产生式规则作为知识表示,利用产生式系统程序,建立规则知识库,分别运行正反向推理。

2.重点和难点

重点:建立规则知识库、建立事实库(综合数据库)、实现推理过程。

难点:实现推理过程。

3实施方式

课堂示范,指导学生编程和调试。

4.学习要求

熟悉一阶谓词和产生式表示法,掌握产生式系统的运行机制,以及基于规则推理的基本方法。

5.实验要求

(1)实验属性:验证性实验;

(2)开出要求:必做

(3)

文档评论(0)

大学教学资料库 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档