《人工智能》教学大纲(共9页).doc

《《人工智能》教学大纲(共9页).doc》由会员分享，可在线阅读，更多相关《《人工智能》教学大纲(共9页).doc（9页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精选优质文档-倾情为你奉上 职业学院课程教学大纲院系 专业 计算机应用技术 课程 人工智能 编者 2008年 8 月课程教学大纲审核表课程名称人工智能课程代码所占学分数2适用专业计算机网络开课学期第二学期总学时36课程类别理论+操作课程性质专业选修考核形式考试先修课程计算机基础知识，C语言，离散数学教研室计算机应用撰写人卢俞成职称无教研室审核意见： 教研室主任签名： 年 月 日 分院审核意见 分院领导签名 年 月 日教务处意见 教务处长签名： 年 月 日广西城市职业学院人工智能课程教学大纲一、 课程基本情况说明课程编号：适用对象：高职高专计算机专业二年级学生学分/总学时：2/36 讲授学时：3

2、6 实践教学学时：0二、课程的性质、任务与课程的教学目标1、课程性质与任务人工智能是计算机科学理论基础研究的重要组成部分，人工智能课程是计算机科学技术专业的专业任选课。通过本课程的学习使学生了解人工智能的提出、几种智能观、重要研究领域，掌握人工智能求解方法的特点。掌握人工智能的基本概念、基本方法，会用知识表示方法、推理方法和机器学习等方法求解简单问题等。 2、课程教学的目标人工智能是理论性较强，涉及知识面较广，方法和技术较复杂的一门学科。通过对本课程的学习，学生应掌握人工智能的一个问题和三大技术，即通用问题求解和知识表示技术、搜索技术、推理技术。具体要求是：学生在较坚实打好的人工智能数学基础（

3、数理逻辑、概率论、模糊理论、数值分析）上，能够利用这些数学手段对确定性和不确定性的知识完成推理；在理解Herbrand域概念和Horn子句的基础上，应用Robinson归结原理进行定理证明；应掌握问题求解（GPS）的状态空间法，能应用几种主要的盲目搜索和启发式搜索算法（宽度优先、深度优先、有代价的搜索、A算法、A*算法、博弈数的极大极小法、剪枝技术）完成问题求解；并能熟悉几种重要的不确定推理方法，如确定因子法、主观Bayes方法、DS证据理论等，利用数值分析中常用方法进行正确计算。三、课程教学主要内容及要求（一）课程内容第一章 人工智能概述 2学时1.1人工智能的概念1.2人工智能的研究途径和

4、方法1.3人工智能的分之领域1.4人工智能的基本技术1.5人工智能的发展概况第二章 基于谓词逻辑的机器推理 5学时2.1一阶谓词逻辑* 2.2归结演绎推理2.3应用归结原理求取问题答案# 2.4归结策略2.5 Horn子句归结与逻辑程序2.6 非归结演绎推理第三章 图搜索技术 5学时* 3.1状态图搜索（重点理解）3.2状态图问题求解（一般理解）# 3.3与或图搜索（难点）3.4与或图问题求解（一般理解）3.5博弈树搜索（一般理解）第四章 产生式系统 2学时4.1产生式规则（一般理解）4.2产生式系统（一般理解）4.3产生式系统与图搜索（一般理解）4.4产生式系统的应用（一般理解）第五章 知识

5、表示 2学时5.1知识及其表示（一般理解）5.2框架（一般理解）5.3语义网络（一般理解）5.4面向对象知识表示（一般理解） 第六章 不确定性处理 6学时6.1不确定性及其类型（一般理解）6.2不确定性知识的表示（一般理解）6.3不确定性推理的一般模式（一般理解）* 6.4确定性理论（重点理解）* 6.5证据理论（重点理解）* 6.6模糊推理（重点理解）第七章 专家系统 4学时7.1专家系统的概念（一般理解）* 7.2专家系统的结构（重点理解）7.3专家系统的应用与发展（一般理解）7.4专家系统设计与实现（一般理解）7.5专家系统开发与环境（一般理解）7.6新一代专家系统研究（一般理解）第八章

6、 机器学习 4学时8.1符号学习（一般理解） # 8.2神经网络学习（难点）（二）、教学基本要求1总体要求通过本课程的学习，要求学生掌握人工智能的基础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具体要求第一章 人工智能概述 2学时内容与要求：一般理解人工智能的基本概念、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。第二章 基于谓词逻辑的机器推理 5学时重点：归结演绎推理的基本过程。难点：归结策略的基本方法和过程。内容和要求：一般理解一阶谓词逻辑的基本概念、应用归结远力求取问题答案的方法和Horm自居归

7、结于逻辑程序的方法以及非归结演绎原理的方法和途径。第三章 图搜索技术 5学时重点：理解状态图搜索方法和基本过程。难点：理解与或图搜索的基本方法。内容和要求：理解和熟练各种图搜索技术的概念和方法。以及应用情况。第四章 产生式系统 2学时内容和要求：理解产生式系统的产生式规则、系统和图搜索的方法以及具体应用方法。第五章 知识表示 2学时 内容和要求：理解知识表示的基本概念和方法以及面向对象的知识表示。第六章 不确定性处理 6学时重点：确定性理论、证据理论和模糊推理的过程。内容和要求：对于不确定性的处理过程和相关概念。第七章 专家系统 4学时重点：专家系统的基本结构。内容和要求：要求熟悉和掌握专家系

8、统的基本概念和原理。尤其重点理解专家系统基本结构。第八章 机器学习 4学时难点：神经网络学习的基本方法。内容和要求：机器学习的基本方法和过程。重点掌握学习神经网络学习的基本过程。第九章 自然语言理解 6学时内容和要求：理解与掌握自然语言的基本方法。四、课程教学内容及学时分配表课程内容学 时 安 排备注总学时授课方式演示方式作业计划第1章2讲授多媒体第2章5讲授多媒体作业第3章5实践多媒体第4章2讲授多媒体第5章2讲授多媒体第6章6讲授多媒体作业第7章4讲授多媒体第8章4讲授多媒体第9章6讲授多媒体合 计36多媒体五、课程的内容考核要求内容考核要求：第一章 人工智能概述一般理解人工智能的基本概念

9、、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。第二章 基于谓词逻辑的机器推理一般理解一阶谓词逻辑的基本概念、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。第三章 图搜索技术 理解和熟练各种图搜索技术的概念和方法。以及应用情况。第四章 产生式系统 理解产生式系统的产生式规则、系统和图搜索的方法以及具体应用方法。第五章 知识表示 理解知识表示的基本概念和方法以及面向对象的知识表示。第六章 不确定性处理 对于不确定性的处理过程和相关概念。第七章 专家系统 要求熟悉和掌握专家系统的基本概念和原理。尤其重点理解专家系统基本结构。第八章 机器学

10、习机器学习的基本方法和过程。重点掌握学习神经网络学习的基本过程。第九章 自然语言理解 6学时理解与掌握自然语言的基本方法。六、必要说明（一）本课程与其他课程的联系与分工:先行课程：离散数学、高等数学、概率论、线性代数、C语言程序设计、数据结构.（二）课程推荐使用的教材及教学参考资料1建议教材人工智能及其应用，蔡自兴，徐光祐。清华大学出版社，2000年5月2教学参考书人工智能（上、下册），陆汝钤，北京：科学出版社， 1996年（三）考核方式及成绩评定1、考核方式：考试2、成绩评定：期末考试70%，平时成绩30%（四）其他说明教学方法：1.课前学生预习，课上由教师讲授与学生实践相结合。2.新课开始前，复习前次教学内容，评讲作业，注意教学的科学性、发挥教师的计划性和实践性。3.积极创造条件，发挥学生的主动性、积极性，鼓励学生的创造性，发挥教师的计划性、针对性与指导性。专心-专注-专业