智能设计方法 教学大纲.docx

PAGE2

智能设计方法教学大纲

一、课程名称：智能设计方法

二、授课对象：机械大类本科生与研究生

三、学时：32 其中实验（上机）学时：6

四、本课程与其他课程的关系

先修课程： 《高等数学》、《机械制图》、《理论力学》、《材料力学》、《机械原理》、《机械设计》等

后续课程： 《机械制造工程基础训练》、《机械创新设计与实践》、《创新机电产品设计与制作》、《毕业（工程）设计》等

五、课程的教学目的

智能设计是应用现代信息技术，模拟人类思维，提升设计的智能水平，大大提升计算机辅助设计的能力。如何实现产品设计的智能化成为当下产品设计的重要研究方向，顺应了制造业对多样化、低成本、高质量和快速响应的要求。智能设计是制造业数字化、网络化、智能化的前提，为智能制造服务，是我国现阶段重点支持的发展方向之一。在工业和信息化等八部门联合印发的《“十四五”智能制造发展规划》中明确提出，聚焦设计等制造全过程是智能制造的重点任务之一。产品优化设计等还被列为智能制造技术攻关行动。系统学习智能设计方法，读者需要从它的基本理论基础入手，进而学习智能设计方法的应用，最后学习具体场景下智能设计方法的应用，学以致用。

六、课程教学的主要内容

（一）课堂教学

1.智能设计方法概述（1学时）

知识点： 智能设计方法基本概念、智能设计方法的发展历程、智能设计方法的应用领域、智能设计方法的未来发展

重点： 什么是智能设计方法，以及智能设计方法的分类

2.人工智能基础（3学时）

知识点： 人工智能（ArtificialIntelligence）、机器学习（MachineLearning）、深度学习（DeepLearning）、神经网络（NeuralNetworks）、知识表征（KnowledgeRepresentation）、智能代理（IntelligentAgents）、专家系统（ExpertSystems）、认知计算（CognitiveComputing）、计算机视觉（ComputerVision）、自然语言处理（NaturalLanguageProcessing）、大数据（BigData）、大模型（BigModels）、通用人工智能（ArtificialGeneralIntelligence）、生成式人工智能（GenerativeArtificialIntelligence）、具身智能（EmbodiedAI）、线性回归（LinearRegression）、逻辑回归（LogisticRegression）、决策树（DecisionTrees）、随机森林（RandomForest）、支持向量机（SupportVectorMachine）、朴素贝叶斯（NaiveBayes）、k-最近邻（k-NearestNeighbors）、人工神经网络（ArtificialNeuralNetworks）、卷积神经网络（ConvolutionalNeuralNetworks,CNNs）、递归神经网络（RecurrentNeuralNetworks）、长短期记忆网络（LongShort-TermMemory,LSTM）、门控循环单元（GatedRecurrentUnit）、生成对抗网络（GenerativeAdversarialNetworks）、自编码器（Autoencoder）、变分自编码器（VariationalAutoencoder）、主成分分析（PrincipalComponentAnalysis）、Transformer、图神经网络（GraphNeuralNetwork）、强化学习（ReinforcementLearning）

重点： 人工智能基本概念、人工智能的发展历程

难点： 人工智能的主要技术

3.模糊逻辑基础（4学时）

知识点： 模糊逻辑基本概念、模糊逻辑的发展历程、模糊集合运算、隶属函数、模糊关系与模糊矩阵、模糊逻辑与模糊关系

重点： 模糊逻辑理论基础

难点： 模糊关系与模糊矩阵

4.神经网络基础（4学时）

知识点： 神经网络的基本组成、发展历程、网络框架、单层感知器、径向基神经网络、BP神经网络、全连接神经网络、卷积神经网络、循环神经网络、递归神经网络RvNN、Hopfield神经网络、受限玻尔兹曼机神经网络

重点： 前馈神经网络、反馈神经网络

难点： 卷积神经网络、受限玻尔兹曼机神经网络

5.遗传算法基础（3学时）

知识点： 遗传算法的生物学基础、遗传算法理论基础、遗传算法的流程及基本概念、遗传算法的特点、遗传算法的优缺点、遗传算法的兴起、遗传算法的发展、遗传算法的改进

重点： 遗传算法基本概念

难点： 遗传算法在旅行商问题中的应用

6.模糊控制基础（3