《人工智能概论》课程教学大纲 |
您所在的位置:网站首页 › 人工智能 教学 › 《人工智能概论》课程教学大纲 |
《人工智能概论》课程教学大纲 课程名称:人工智能概论 课程类别:专业选修课 适用专业:电子信息工程 考核方式:考查 总学时、学分:32学时2学分 一、 课程性质、教学目标 人工智能概论是电子信息工程专业的一门专业选修课程,目的是使学生在已有专业基础知识的基础上通过学习,对人工智能从整体上有一个较清晰全面的系统了解;使学生掌握人工智能的基本概念、基本原理和基本方法;了解人工智能研究与应用的最新进展和发展方向;开阔学生知识视野、提高解决问题的能力,为将来使用人工智能的相关方法和理论解决实际问题奠定初步基础。 该课程主要讲述知识与知识表示、确定性推理、不确定性推理、搜索策略、专家系统、机器学习、神经网络等方面内容,使学生对人工智能的基本内容、基本原理和基本方法有一个比较初步的认识。其具体的课程教学目标为: 课程教学目标1:了解人工智能的发展状况与研究内容;掌握人工智能的基本概念、基本思想方法和重要算法;熟悉典型的人工智能系统;学习用启发式搜索求解问题;了解简单的机器学习和专家系统方法;初步具备用经典的人工智能方法解决一些简单实际问题的能力。 课程教学目标2:通过本课程的学习,对人工智能从整体上有一个较清晰全面的系统了解,培养积极思考、严谨创新的科学态度和解决实际问题的能力,培养使用人工智能的方法解决相关问题的实际能力。 课程教学目标与毕业要求对应的矩阵关系 教学目标 毕业要求 1 2 3 4 5 6 7 8 教学目标1
H L L
L
教学目标2
H L H M M
二、 课程教学要求 通过课堂教学,要求学生了解人工智能的发展状况与研究内容,掌握基本概念、基本原理方法和重要算法,掌握人工智能的一些主要思想和方法,熟悉典型的人工智能系统——产生式系统和简单的模糊推理方法,学会用启发式搜索求解问题,了解基本的神经网络和机器学习方法,初步具备用经典的人工智能方法解决一些简单实际问题的能力。 三、 先修课程 算法与数据结构、概率论与数理统计、程序设计。 四、 课程教学重、难点 本课程以知识表示、模糊推理和启发式搜索为授课内容的重点;以证据理论、状态空间搜索策略和专家系统为难点。在授课过程过需要对这些内容加以整理精简,分清主次,合理安排授课内容和授课时间。 五、 课程教学方法与教学手段 课堂讲授和讨论相结合。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。在教学环节引入多媒体演示,通过形象生动的视频演示让学生们了解人工智能的科学价值和实际应用所在。视频可以选用世界一流大学实验室的开放多媒体内容。同时贯彻理论和实践相结合的原则,给学生处一定量的思考,并要求完成一定量的作业,以提高学生的理论水平,培养学生的动手能力和创新精神。 六、 课程教学内容 第一章 绪论(2学时) 1.教学内容 (1)人工智能的概念; (2)人工智能的发展简史; (3)人工智能当前的一些发展方向和热点; (4)人工智能的基本研究内容、研究方法。 2.重、难点提示 (1)重点是人工智能基本概念,相关名词术语的含义; (2)难点是人工智能的研究内容和方法。 第二章 人工智能的数学基础(4学时) 1.教学内容 (1)人工智能中常用的一些数学理论和概念; (2)数理逻辑中有关命题逻辑和一阶谓词逻辑的原理; (3)多值逻辑原理; (4)概率论的基本概念和原理; (5)模糊集合模糊逻辑的基本概念和模糊集上的基本运算。 2.重、难点提示 (1)重点是Bayes公式,模糊集合模糊逻辑的基本概念和基本运算; (2)难点是数理逻辑中有关命题逻辑和一阶谓词逻辑的原理。 第三章 知识与知识表示(4学时) 1.教学内容 (1)知识与知识表示的概念; (2)一阶谓词逻辑表示方法; (3)产生式表示法; (4)框架表示法。 2.重、难点提示 (1)重点是产生式表示法、语义网络表示法; (2)难点是框架表示法。 第四章 经典逻辑推理(4学时) 1.教学内容 (1)推理的基本概念; (2)命题逻辑和一阶谓词逻辑的反演归结方法; (3)基本的归结策略。 2.重、难点提示 (1)重点是归结演绎推理; (2)难点是一阶谓词逻辑的反演归结方法。 第五章 不确定性推理方法(6学时) 1.教学内容 (1) 不确定性推理的基本概念; (2)可信度方法; (3)证据理论; (4)模糊理论。 2.重、难点提示 (1)重点是模糊推理; (2)难点是证据理论(D-S theory)。 第六章 搜索求解策略(6学时) 1.教学内容 (1)搜索的概念; (2)状态空间的搜索策略; (3)盲目搜索策略; (4)启发式搜索策略。 2.重、难点提示 (1)重点是启发式搜索; (2)难点是状态空间搜索。 第七章 专家系统与机器学习(6学时) 1.教学内容 (1)专家系统的产生和发展; (2)专家系统的概念; (3)专家系统的工作原理; (4)专家系统的建立与评价; (5)机器学习的基本概念; (6)神经网络的基本概念及基本学习过程。 2.重、难点提示 (1)重点是专家系统的一般特点和结构,机器学习的基本概念; (2)难点是专家系统的结构和建立步骤,神经网络学习过程。 七、学时分配 章目 教学内容 教学环节 理论教学学时 实验教学学时 其他 一 绪论 2 0 0 二 人工智能的数学基础 4 0 0 三 知识与知识表示 4 0 0 四 经典逻辑推理 4 0 0 五 不确定推理方法 6 0 0 六 搜索求解策略 6 0 0 七 专家系统与机器学习 6 0 0 总计
32 0 0 八、 课程考核方式 1.考核方式: 笔试;开卷 2.成绩构成 期末成绩+平时成绩 九、 选用教材和参考书目 [1]《人工智能导论》(第三版),王万良编,高等教育出版社,2011年; [2]《人工智能教程》(第二版),王士同,电子工业出版社,2006年; [3]《人工智能及其应用本科生用书》(第四版),蔡自兴、徐光佑编,清华大学出版社,2011年; [4]《人工智能》(第二版),丁世飞编,清华大学出版社,2015年; [5]《人工智能:智能系统指南》(第三版),[澳]Michael Negnevitsky著,机械工业出版社,2012年; [6]《人工智能原理与方法》(第三版),王永庆编,西安交通大学出版社,2000年。
|
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |