《人工智能》课程教学大纲

《人工智能》课程教学大纲课程代码：ABXX0429课程中文名称:人工智能课程英文名称：ArtificialIntelligence课程性质：选修课程学分数：3学分课程学时数：48学时其中理论学时：32学时实验学时：16学时授课对象：计算机科学与技术专业本课程的前导课程：计算机程序设计、数据结构、数字逻辑一、课程简介人工智能（ArtificialIntelligence，简称AI）是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。也被认为是二十一世纪（基因工程、纳米科学、人工智能）三大尖端技术之一。这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。

人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。二、教学基本内容和要求课程教学内容：1、人工智能概论(1)人工智能的定义和发展，人工智能的各种认识。(2)人类智能与人工智能，人工智能的研究目标、研究内容和研究目标。(3)人工智能对人类的影响，人工智能的展望。2、知识表示（1）状态空间法、谓词逻辑表示法、产生式表示法（2）*框架表示法、面向对象表示法。（3）剧本表示法、过程表示法。3、搜索技术（1）盲目搜索、启发式搜索。（2）*博弈树搜索。（3）遗传算法、模拟退火算法、免疫算法。4、推理技术（1）消解原理。（2）规则演绎系统、产生式系统。（3）*定性推理、不确定性推理、非单调推理。5、机器学习（1）机器学习的主要策略和基本结构。（2）*机械学习，基于（机械﹑解释﹑事例﹑概念﹑类比﹑决策树﹑强化）学习。（3）基于神经网络的学习。6、专家系统（1）专家系统的特点及结构类型。（2）*基于（规则﹑框架﹑模型）的专家系统。（3）专家系统的设计﹑评价与开发。（4）知识发现。7、自动规划系统（1）规划的概念和分类。（2）基于谓词逻辑的规划。（3）分层规划。（4）*基于专家系统的机器人路径规划。（5）*轨迹规划。8、自然语言理解（1）语言及其理解的一般问题。（2）词法分析，句法分析，语义分析。（3）句子理解，语料库语言学，机器翻译。（4）*语音识别9、智能控制（1）智能控制的定义和基本概念。（2）智能控制的学科结构理论，智能控制的特点与系统一般结构。（3）*专家控制系统，模糊控制系统，神经控制系统。（4）进化控制，免疫控制。10、人工智能程序设计（1）符号和逻辑处理编程语言。（2）*Prolog语言。*注：打*部分为只需介绍其原理、方法等即可。课程的重点、难点：2、知识表示（1）状态空间法、谓词逻辑表示法、产生式表示法3、搜索技术（1）遗传算法、模拟退火算法、免疫算法。4、推理技术（1）消解原理。（2）规则演绎系统、产生式系统。5、机器学习（1）机器学习的主要策略和基本结构。（2）基于神经网络的学习。6、专家系统（1）知识发现。7、自动规划系统（1）基于谓词逻辑的规划。（2）分层规划。8、自然语言理解（1）语言及其理解的一般问题。（2）词法分析﹑句法分析﹑语义分析。9、智能控制（1）神经控制系统。（2）进化控制，免疫控制。10、人工智能程序设计（1）符号和逻辑处理编程语言。课程教学要求：1、掌握人工智能的基本理论，主要包括人工智能的基本概念、基于谓词逻辑的机器推理；掌握知识的表示技术、图搜索技术；基本推理技术和有关专家系统方面的知识；2、培养学生使用人工智能程序设计语言进行简单人工智能程序设计的能力；3、了解并掌握人工智能当前研究热点方向的基本问题、概念和思想，比如：模式识别、神经网络、机器学习等。三、实验教学内容及基本要求本课程是一门理论与实践相结合的课程。上机实践是对学生的一种综合训练。每个学生必须完成一定数量的上机作业，总上机时学时为16学时。通过上机作业，要求在掌握搜索技术，机器学习，专家系统，自然语言理解等在实际工程问题中的应用方法来加深对本课程的理解。同时，对人工智能今后对人类的影响，及应用方法有更深层次的了解。序号实验项目名称实验学时目的与要求实验要求实验类型每组人数备注1搜索技术6掌握遗传算法﹑模拟退火算法﹑免疫算法。必修验证12机器学习4掌握基于决策树的归纳学习﹑神经网络的学习算法。必修验证13专家系统2掌握专家系统的设计，评价和开发过程。必修验证14Prolog语言程序设计4掌握程序设计的基本方法必修验证1四、教学方法与手段课程的教学坚持以“学生为中心”的原则，遵循学生的认知规律，激发学习兴趣，以“案例”教学来驱动、启发学生自主学习。课堂讲授是一种基本教学方法，以理论和知识性内容为主，讲原理讲方法，重在知识点的教学。采用启发式教学，与学生互动，让学生参与，发挥学生的思维和想象能力。采用多媒体教学手段，对程序和算法可以边演示边讲解，学生很容易理解和接受，提高教学效果。五、教学学时分配本课程课内学时数为32，实验时数为16，共计48学时。课内学时大致分配如下：章节与内容课时作业量备注绪论2知识表示4搜索技术52推理技术3机器学习32专家系统4自动规划系统2自然语言理解4智能控制3人工智能程序设计22合计326六、考核方式与成绩评定标准1、考核方法考查2、成绩评定笔试成绩占70%，平时成绩占30%。七、教学参考资源1、参考书目