2022年物联网智能技术教学大纲 .pdf

物联网智能技术课程教学大纲课程名称：物联网智能技术课程编码：1103032104学分及学时：2学分36学时（其中理论学时18学时）适用专业：物联网应用技术开课学期：第四学期开课部门：物联网学院先修课程：物联网概论考核要求：考试使用教材及主要参考书：物联网智能技术，张文宇编，中国铁道出版社，2012年5月出版一、课程的性质和内容物联网智能技术是物联网专业必修重要专业课程，是为培养物联网技术有关的人才而设置的。通过开设这门课程，使物联网专业的学生对物联网过程中的智能技术有个整体的了解和把握。二、教学目的与要求使学生基本理解物联网的涵义、各个组成部分的功能以及整体布局原理，并且通过本门课程系统的学习，能够理论联系实际，学以致用，对简单的物联网优化问题提出解决方案。三、学时分配章序课程内容（章题）学时一物联网与商务智能2二知识表示方法2三高级知识推理2四专家系统4五知识管理系统4六神经网络与遗传算法4七其他计算智能法2八粗糙集合2九机器学习2十multiagent 多智能体4名师资料总结-精品资料欢迎下载-名师精心整理-第 1 页，共 5 页 -十一自然语言与感知4十二知识工程和数据挖掘4合计36四、教学中应注意的问题对物联网专业的学生，尽量补充课本以外的知识点，帮助学生们拓展物流的视野，夯实专业基本功。五、教学内容（一）物联网与商务智能1、基本内容：物联网概述、商务智能、物联网环境下商务智能创新模式前景分析。2、教学要求：通过本章的学习，学生正确理解物联网概述、商务智能、物联网环境下商务智能创新模式；掌握商务智能体系结构。3、重点、难点：商务智能体系结构。4、教学建议：物联网概念部分粗略讲解，学时较短；物联网商务智能、物联网环境下商务智能创新模式部分详细解释，课时比重加大。（二）知识表示方法1、基本内容：知识与知识表示、八种知识表示法。2、教学要求：通过本章的学习，要求学生正确理解知识与知识表示的概念；掌握八种知识表示法。3、重点、难点：本章的重点是八种知识表示法。4、教学建议：让学生掌握八种知识表示法。（三）高级知识推理1、基本内容：推理的相关知识、概念、分类、逻辑基础、证据理论。2、教学要求：通过本章的学习，要求学生理解推理的相关知识、概念、分类、逻辑基础、证据理论；能熟练运用推理的证据理论。3、重点、难点：本章的重点是推理的逻辑基础、证据理论。4、教学建议：本章应用图文结合的方式，利用推理的逻辑基础、证据理论相结合的案例进行授课。（四）专家系统1、基本内容：专家系统的定义、特点、结构、功能、基本原理、专家系统的开发。2、教学要求：通过本章的学习，要求学生掌握专家系统结构、功能、基本原理、专家系统的开发。3、重点、难点：专家系统的基本原理、专家系统的开发。名师资料总结-精品资料欢迎下载-名师精心整理-第 2 页，共 5 页 -4、教学建议：本章应用图文结合的方式，利用专家系统的基本原理、专家系统的开发案例进行授课。（五）知识管理系统1、基本内容：知识管理系统概述、模型、应用。2、教学要求：通过本章的学习，使学生知道知识管理系统概述、模型、应用。3、重点、难点：知识管理系统模型、应用。4、教学建议：利用知识管理系统模型，让学生应用。（六）神经网络与遗传算法1、基本内容：生物神经元模型、人工神经元模型、向前神经网络模型、Hopfield神经网络、遗传算法。2、教学要求：通过本章的学习，要求学生掌握人工神经元模型、向前神经网络模型、Hopfield神经网络、遗传算法。3、重点、难点：本章的重点是神经网络、遗传算法。4、教学建议：授课时，需要带一些模拟神经网络材料，实验讲解更加生动。（七）其他计算智能法1、基本内容：蚁群算法、免疫克隆算法、鱼群算法、粒子群优化算法。2、教学要求：使学生较好地掌握蚁群算法、免疫克隆算法。3、重点、难点：蚁群算法、免疫克隆算法。4、教学建议：授课时以蚁群算法为主，比较免疫克隆算法、鱼群算法、粒子群优化算法。（八）粗糙集合1、教学基本内容：RSDA 工具概述、连续属性离散化方法、动静态决策系统分类算法。2、教学基本要求：在了解RSDA 工具概述，探讨续属性离散化方法、动静态决策系统分类算法。3、教学重点难点：连续属性离散化方法、动静态决策系统分类算法。4、教学建议：应用实验现场教学，让学生分析连续属性离散化方法、动静态决策系统分类算法。（九）机器学习1、教学基本内容：机器学习简史、机器学习的主要策略和算法。2、教学基本要求：了解机器学习简史，探讨机器学习的三种学习算法。名师资料总结-精品资料欢迎下载-名师精心整理-第 3 页，共 5 页 -3、教学重点难点：机器学习的决策树算法、支持向量机、贝叶斯学习算法。4、教学建议：讲解机器学习的机械学习、指导学习、归纳学习策略，分析机器学习的决策树算法、支持向量机、贝叶斯学习算法。（十）multiagent 多智能体1、教学基本内容：多智能体的概念与发展过程、多智能体强化学习、博弈学习。2、教学基本要求：了解多智能体的概念与发展过程、掌握TD算法、Dyna算法和博弈学习。3、教学重点难点：TD算法、Dyna算法和博弈学。4、教学建议：讲授马尔可夫决策和Q学习，指导学生学习TD算法、Dyna算法和博弈学习。（十一）自然语言与感知1、教学基本内容：自然语言与感知、自然语言理解研究的关键问题。2、教学基本要求：了解自然语言理解的概念和发展过程，探讨词法分析、句法分析、语义分析、语言的自动生成。3、教学重点难点：词法分析、句法分析、语义分析、语言的自动生成。4、教学建议：让学生自己分析比较词法分析、句法分析、语义分析、语言的自动生成。（十二）知识工程和数据挖掘1、教学基本内容：知识工程简介、数据挖掘和知识发现、常用的数据挖掘方法。2、教学基本要求：了解知识工程简介、数据挖掘和知识发现，探讨常用的数据挖掘方法。3、教学重点难点：无关联规则、时间序列分析、聚类分析之常用的数据挖掘方法。4、教学建议：重点讲授无关联规则、时间序列分析数据挖掘方法。撰写人：周丽华审核人：万为清学院院长：晏小庆名师资料总结-精品资料欢迎下载-名师精心整理-第 4 页，共 5 页 -名师资料总结-精品资料欢迎下载-名师精心整理-第 5 页，共 5 页 -