搜索
1/3《人工智能》教学大纲课程代码：2008912课程名称：人工智能/ArtificialIntelligence课程类型：专业任选课学时学分：48学时/3学分适用专业：计算机科学与技术、网络工程、信息管理与信息系统等开课部门：灾害信息工程系一、课程的地位、目的和任务人工智能是计算机类本科专业的专业任选课，是程序设计、数据结构、软件工程、数据库等课程的综合运用。该课程介绍解释和模拟人类智能、智能行为及其规律，通过该课程的学习，提高学生的综合开发能力，在软件开发应用、综合素质培养、科学研究素质培养等方面具有重要意义。矚慫润厲钐瘗睞枥庑赖賃軔。二、课程与相关课程的联系与分工本课程的先修课：数据库原理，程序设计语言等后续课：专家系统、模式识别等先修课是学习本课程必要的基础课程，对本课程的理解和掌握起到必要的支撑；后续课程是对本课程的巩固加深和深入研究及应用。聞創沟燴鐺險爱氇谴净祸測。三、教学内容与基本要求第一章概述1.1人工智能基本概念§2人工智能发展简史§3人工智能研究的基本内容§4人工智能主要研究领域教学重点：人工智能概念，思维理论，图灵测试教学难点：人工智能概念、图灵测试基本要求：知识要求：1）掌握人工智能概念；2）了解人工智能发展史、研究内容和研究领域。能力要求：要求掌握人工智能基本概念，了解其发展史和主要研究内容。第二章知识表示§1知识表示的概念§2一阶谓词逻辑表示法§3产生式表示法§4框架表示法§5语义网络表示法教学重点：不同的知识表示方法；教学难点：知识的表示方法基本要求：知识要求：1）掌握知识的基本概念，了解其基本特征；2）熟悉各种知识表示方法以及适应范围；能力要求：通过学习，掌握基本概念，理解各种表示方法的特点，熟练应用不同的表示方法进行知识表示。第三章确定性推理方法§1推理的基本概念§2自然演绎推理§3谓词公式化为子句集的方法§4海伯伦定理和鲁宾逊归结原理2/3§5归结反演教学重点：各种推理方法原理，冲突消解策略等；教学难点：各类推理方法，冲突消解策略，鲁宾逊归结原理基本要求：知识要求：1）掌握各种推理的原理；2）熟悉谓词公式化为子句集的方法；3）理解海伯伦定理和鲁宾逊归结原理；4）熟悉归结反演方法；残骛楼諍锩瀨濟溆塹籟婭骒。能力要求：通过学习，理解确定性推理的基本原理，熟悉谓词公式化为子句集的方法，掌握归结反演方法，并能够利用这些方法进行推理。酽锕极額閉镇桧猪訣锥顧荭。第四章不确定性推理方法§1知识的不确定性§2不确定性知识的表示与度量§3不确定性推理常见方法教学重点：不确定性知识的表示与度量，不确定性推理的方法教学难点：不确定性推理方法基本要求：知识要求：1）了解知识不确定性概念,掌握知识不确定性的表示与度量；2）熟练掌握各种不确定性的推理算法，并熟练应用；彈贸摄尔霁毙攬砖卤庑诒尔。能力要求：通过学习，了解知识的绝对属性是不确定，掌握知识不确定性的表示与度量，熟练运用不确定推理方法解决实际问题。謀荞抟箧飆鐸怼类蒋薔點鉍。第五章专家系统§1专家系统概述§2专家系统的工作原理§3知识获取§4专家系统设计与实例介绍教学重点：专家系统基本概念，工作原理，系统设计教学难点：工作原理，专家系统设计基本要求：知识要求：1）掌握专家系统基本概念和工作原理；2）熟悉专家系统的设计思路；能力要求：通过学习，掌握专家系统的工作原理，熟悉专家系统的设计方法并能够熟练应用。第六章机器学习§1机器学习的基本概念§2机器学习分类§3机器学习方法§4机器学习未来展望教学重点：机器学习概念，原理和分类方法，不同种类的机器学习方法教学难点：机器学习基本原理，各种机器学习方法基本要求：知识要求：1）掌握机器学习基本概念和原理；2）理解机器学习的分类原则；3）了解各种机器学习方法；能力要求：通过学习，掌握机器学习基本概念和原理，了解各种机器学习方法。四、课程学时分配教学内容学时分配小计讲课实验上机讨论/习题第一章概述202第二章知识表示6283/3第三章确定性推理方法426第四章不确定性推理方法10616第五章专家系统6410第六章机器学习426合计321648五、推荐教材与教参推荐教材：《人工智能及其应用》第二版，王万良著，高等教育出版社，20082、教学参考书《人工智能及其应用》，王宏生著，国防工业出版社，2006；《人工智能及其应用》，孔月萍编著，机械工业出版社，2007；《人工智能基础》，邵军力等编著，电子工业出版社，2000；六、教学方法与考核方式本课程以课堂讲授为主要教学形式，其间适当安排1-2次习题答疑，期末考核采取闭卷形式。最终成绩由平时出勤、提问和作业、期中考试成绩以及期末考试成绩加权计算确定。厦礴恳蹒骈時盡继價骚卺癩。平时出勤：10%作业：20%期中考试成绩：20%期末卷面成绩：50%修订人：修订日期：审核人：审核日期：