人工智能--课程简介+课程大纲模板

人工智能理论与应用课程简介课程编号：A0940111课程名称：人工智能理论与应用学分/学时：3/48先修课程：数据结构、离散数学和高级程序设计语言适用专业：计算机科学与技术课程性质：限选考核方式：考查考核形式：大作业、实验评估建议教材：人工智能教程，王士同主编，电子工业出版社，2006年2月第2版内容简介：（200字以内）（黑体五号）1、人工智能研究的发展和基本原则：人工智能的研究和应用；人工智能研究的发展；人工智能研究的成果；人工智能研究的基本原则；存在的问题和发展前景2、一般图搜索：回溯策略、图搜索策略、无信息搜索过程、启发式图搜索过程、搜索算法讨论。3、与或图搜索问题：与或图的搜索、与或图的启发式搜索算法AO*、博弈树的搜索。4、谓词逻辑与归结原理：命题逻辑、谓词逻辑基础、谓词逻辑归结原理、HERBRAND定理。5、知识表示：知识、知识表示、知识观、产生式表示方法、语义网络表示、框架表示以及其他表示方法。6、不确定性推理方法：不确定性推理的基本问题、贝叶斯网络、主观贝叶斯方法、确定性方法、证据理论。7、机器学习：机器学习概论、实例学习、基于解释的学习、决策树学习、神经网络学习、知识发现与数据挖掘。8、高级搜索：基本概念、局部搜索算法、模拟退火算法、遗传算法等。人工智能理论与应用Artificial Intelligence Theory and Application课程编号：A0940111学 分：3学 时：48 学时 （讲课学时：32 实验学时：16）先修课程：数据结构、离散数学和高级程序设计语言适用专业：计算机科学与技术建议教材：人工智能教程，王士同主编，电子工业出版社，2006年2月第2版主要参考书：（1） 高等学校规划教材:人工智能原理及其应用 电子工业出版社 王万森 2012（2） 人工智能及其应用(第4版) 蔡自兴、 徐光祐 清华大学出版社 2010开课学院：计算机科学与工程学院修订日期：2015年4月一、课程说明（黑体五号）人工智能是一门综合性前沿学科，是计算机学科的重要分支。通过对人工智能课程的学习，使学生掌握人工智能技术的基本原理；了解启发式搜索策略、与或图搜索问题、谓词逻辑与归结原理、知识表示、不确定性推理方法、机器学习和知识发现等目前人工智能的主要研究领域的原理、方法和技术；增强学生的逻辑思维与实验能力，为今后在各自领域开拓高水平的人工智能技术应用奠定基础。二、课程目标（黑体五号）（需对应于本专业2014级培养方案中的毕业要求进行细化分解）根据课程在知识结构中的作用，教学要求分为掌握、熟悉、了解、选学四个层次，具体要求如下。1掌握部分:一般图搜索（回溯策略、图搜索策略、无信息搜索过程、启发式图搜索过程）；与或图搜索问题包括与或图的启发式搜索算法AO*、博弈树的搜索；谓词逻辑与归结原理（谓词逻辑归结原理、HERBRAND定理）；知识表示（产生式表示方法、语义网络表示、框架表示）；不确定性推理方法（不确定性推理的基本问题、贝叶斯网络、主观贝叶斯方法、确定性方法）(对应毕业要求中的2.2、3.1、3.2)2熟悉部分：不确定性推理方法之证据理论；机器学习（机器学习概论、实例学习、基于解释的学习、决策树学习、神经网络学习）。(对应毕业要求中的3.1、3.2)3了解部分：人工智能研究的发展和基本原则；知识原则、知识表示的作用、功能、性能；自动规划技术的新进展，人工智能的最新进展和面临的挑战。(对应毕业要求中的2.2、3.1)4选学部分：高级搜索。(对应毕业要求中的3.1)三、教学内容及基本要求第一章：人工智能概述1 、讲授内容： （ 1 ） 人工智能的概念 （ 2 ） 人工智能的研究途径和方法 （ 3 ） 人工智能的分之领域 （ 4 ） 人工智能的基本技术 （ 5 ） 人工智能的发展概况 2 、教学要求： 了解：研究途径和方法、人工智能的分之领域、基本技术和发展概况。 理解：人工智能的基本概念、基本技术 掌握：人工智能的发展概况，人工智能研究的课题种类 3 、教学重点： 人工智能概念 4 、难点： 人工智能的研究途径和方法 第二章：基于谓词逻辑的机器推理 1 、讲授内容： （ 1 ） 一阶谓词逻辑 （ 2 ） 归结演绎推理 （ 3 ） 应用归结原理求取问题答案 （ 4 ） 归结策略 （ 5 ） Horn 子句归结与逻辑程序 （ 6 ） 非归结演绎推理 2 、教学要求： 了解：一阶谓词逻辑的基本概念 理解： 应用归结远力求取问题答案的方法和 Horm 自居归结于逻辑程序的方法以及非归结演绎原理的 方法和途径 掌握：归结演绎推理 3 、教学重点： 归结演绎推理 4 、难点： Horn 子句归结与逻辑程序 第三章：图搜索技术 1 、讲授内容： （ 1 ） 状态图搜索 （ 2 ） 状态图问题求解 （ 3 ） 与或图搜索 （ 4 ） 与或图问题求解 （ 5 ） 博弈树搜索 2 、教学要求： 了解：常用的图搜索技术 理解：与或图搜索问题的原理 掌握：与或图的启发式搜索算法 AO 3 、教学重点： 与或图的启发式搜索算法4 、难点： 与或图搜索 第四章： 产生式系统 1 、讲授内容： （ 1 ） 产生式规则 （ 2 ） 产生式系统 （ 3 ） 产生式系统与图搜索 （ 4 ） 产生式系统的应用 2 、教学要求： 了解：产生式 理解：谓词逻辑归结原理 掌握： Herbrand 定理 3 、教学重点： 谓词逻辑归结原理 4 、难点： Herbrand 定理 第五章：知识表示 1 、讲授内容： （ 1 ） 知识及其表示 （ 2 ） 框架 （ 3 ） 语义网络 （ 4 ） 面向对象知识表示 2 、教学要求： 了解：知识表示的概述 理解：几种知识表示方式 掌握：产生式表示 语义网络表示 3 、教学重点： 产生式表示 语义网络表示 4 、难点： 框架表示 第六章：不确定性推理方法 1 、讲授内容： （ 1 ） 不确定性及其类型 （ 2 ） 不确定性知识的表示 （ 3 ） 不确定性推理的一般模式 （ 4 ） 确定性理论 （ 5 ） 证据理论 （ 6 ） 模糊推理 2 、教学要求： 了解：不确定性推理方法的概述 理解：论证理论 模糊推理 掌握：论证理论 3 、教学重点： 论证理论 模糊推理 4 、难点： 证据理论 (D-Stheory) 第七章：专家系统 1 、讲授内容： （ 1 ） 专家系统的概念 （ 2 ） 专家系统的结构 （ 3 ） 专家系统的应用与发展 （ 4 ） 专家系统设计与实现 （ 5 ） 专家系统开发与环境 （ 6 ） 新一代专家系统研究 2 、教学要求： 了解：专家系统的概述、专家系统的组成结构与发展 理解：专家系统的设计与实现 掌握：专家系统的开发与使用 3 、教学重点： 专家系统的设计与实现 4 、难点： 新一代专家系统概述 第八章： 机器学习 1 、讲授内容： （ 1 ） 符号学习 （ 2 ） 神经网络学习 2 、教学要求： 了解：机器学习的概述 理解：符号学习 掌握：常用的机器学习的方式 3 、教学重点： 神经网络学习 4 、难点： 遗传算法 四、课程学时分配人工智能原理及应用课程根据教学计划规定的学时数，理论课32学时，实践16学时，具体学时分配如下表，供参考。教学内容概要学时教学方式对应课程目标讲课实验实践第一章：人工智能概述2讲授3第二章：基于谓词逻辑的机器推理文法和语言 42讲授、实验1、2第三章：图搜索技术 44讲授、实验1、2第四章： 产生式系统 44讲授、实验1、2第五章：知识表示 42讲授、实验1、2第六章：不确定性推理方法 44讲授、实验1、2第七章：专家系统 4讲授3第八章： 机器学习4讲授3合计3216五、其他教学环节（针对理实一体类课程填写此项）六、授课说明 1 、教学方法 （ 1 ）注重理论指导的作用， 积极探究达到最佳视觉效果的典型做法。 同时贯彻理论和实践相结合 的原则，给学生出一定量的思考，并要求学生完成一定量的作业，以提高学生的理论水平， 培养学生的动手能力和创新精神。 （ 2 ）把握课程的重难点，及时总结深化所学内容，并针对重难点布置适当的综合练习。以便达到 良好的教学效果。 2 、教学手段（ 1 ）采用理论讲解、操作示范等多种方式，充分利用多媒体等现代化教学手段，整体优化教学过 程和教学内容，调动学生学习积极性，进行启发式的教学。 （ 2 ）注重学生动手能力的培养，积极鼓励和引导学生对所学的知识、技能加以拓宽、深化。七、考核办法课程名称：人工智能理论与应用 课程号：A0940111考核方式：考查考核形式：大作业60%、实验评估30%、作业10%本课程的学生成绩由平时成绩和期末成绩两部分组成，其中平时成绩占总成绩的40%，期末成绩占总成绩的60%。平时成绩由实验评估、作业综合评定。制定人： 审定人： 批