《人工智能与专家系统》课程教学大纲567.docx

《《人工智能与专家系统》课程教学大纲567.docx》由会员分享，可在线阅读，更多相关《《人工智能与专家系统》课程教学大纲567.docx（4页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、人工智能与专家系统课程教学大纲课程名称（中文/英文）：人工智能与专家系统/ Artificial intelligence & experts system 课程编码：12024017 课程类型：专业选修课 课程性质：专业基础课 使用范围：06地理信息系统 学分数：3 先修课程：概率论与数理统计 线性代数数据结构高级语言程序设计 学时数：54 其中：实验/实践学时： 课外学时： 考核方式：考查 制定日期：2006年 制定单位：广州大学地理科学学院 审核者： 夏丽华 执笔者：蔡砥一、教学大纲说明（一） 课程的地位、作用和任务人工智能是经过40多年发展起来的一门综合性学科，它旨再研究如何利用计算机

2、等现代工具设计模拟人类智能行为的系统，其中，专家系统是近30多年来发展起来的一种最具有代表性的智能应用系统，它旨在研究如何设计基于知识的计算机程序系统来模拟人类专家求解专门问题的能力。由于在地理信息科学领域存在众多的非结构性的、专家依赖的问题，因此人工智能与专家系统在地理信息系统的设计、开发与应用方面具有显著意义，是对地理信息进行综合处理的重要技术方法之一，是地理信息技术的前沿分支。本课程作为面向本科高年级的专业选修课，其作用是拓展学生对非结构性、专家依赖型问题及其解决方法的认知。（二）课程教学的目的和任务通过本课程的学习，使学生了解人工智能和专家系统的基本概念，掌握人工智能的基本原理和方法，

3、培养学生在地理信息科学领域中应用人工智能技术提高分析和解决较复杂问题的能力，以及将专家系统运用于GIS系统开发的能力。（三）课程教学方法与手段综合课堂多媒体讲解、习题、讨论、演示的方法来传授知识。要求有多媒体教室。（四）课程与其他课程的联系本课程对数学及计算机技术综合性比较强，知识比较复杂，要求学生学习过概率论与数理统计、线性代数、数据结构、高级语言程序设计等课程。（五）教材与教学参考书本课程教材：尹朝庆，尹皓，人工智能与专家系统，中国水利水电出版社，2002参考教材：敖志刚，人工智能与专家系统导论，中国科学技术大学出版社，2002郑丽敏，人工智能与专家系统原理及其应用，中国农业大学出版社，2

4、004二、课程的教学内容、重点和难点第一章 绪论1. 人工智能及其发展2. 人工智能的研究与应用领域第二章 知识的表示1. 一阶谓词逻辑表示法2. 产生式表示法3. 框架式表示法4. 语义网络表示法5. 面向对象表示法重点：框架式表示法、语义网络表示法难点：语义网络第三章 经典逻辑推理1. 推理的基本概念2. 自然演绎推理3. 归结演绎推理4. 与/或形演绎推理重点：归结演绎推理、与/或演绎推理难点：海伯伦理论、归结原理、代换的一致性与剪枝策略第四章 搜索策略1. 问题求解过程的形式表示2. 状态空间的盲目搜索策略3. 状态空间的启发式搜索策略4. 与/或树的搜索策略5. 搜索性能的量度重点：

5、问题求解过程的形式表示、状态空间和与/或树的启发式搜索难点：估价函数、有序搜索第五章 专家系统1. 专家系统概述2. LISP语言3. 知识库与推理机4. 解释机制与解释器5. 知识获取6. 专家系统工具7. 分布式专家系统与协同式专家系统重点：知识库与推理机、解释机制与解释器、专家系统工具难点：元知识与元规则、解释器及其实现第六章 知识的不确定性与不确定推理1. 知识的不确定性与不确定推理2. 基于概率的不确定推理3. 基于可信度的不确定推理4. 模糊逻辑与模糊推理重点：基于概率的不确定推理、模糊逻辑与模糊推理难点：模糊集合的定义与运算、带有可信度的模糊推理第七章 机器学习1. 机器学习的概

6、念与方法分类2. 归纳学习3. 基于解释的学习4. 遗传算法重点：归纳学习、遗传算法难点：基于描述空间的归纳学习方法、遗传算法的计算方法第八章 人工神经网络1. 人工神经元与感知器2. 人工神经网络模型3. 神经网络的学习4. 人工神经网络的应用重点：人工神经网络模型、神经网络的学习、神经网络专家系统难点：反馈神经网络、BP学习算法三、学时分配 教学内容 各教学环节学时分配采用何种教学手段章节 主要内容讲授实习讨论习题小计第一章第二章绪论一阶谓词逻辑表示法3讲解第二章产生式表示法框架式表示法3讲解第二章语义网络表示法面向对象表示法3讲解讨论第三章推理的基本概念自然演绎推理3讲解第三章归结演绎推理与/或形演绎推理3讲解第四章问题求解过程的形式表示状态空间的盲目搜索策略状态空间的启发式搜索策略3讲解演示第四章与/或树的搜索策略搜索性能的量度3讲解第五章专家系统概述LISP语言3讲解演示第五章知识库与推理机解释机制与解释器3讲解第五章知识获取专家系统工具3讲解演示第五章分布式专家系统与协同式专家系统3讲解讨论第六章知识的不确定性基于概率的不确定推理3讲解第六章基于可信度的不确定推理3讲解第六章模糊逻辑与模糊推理3讲解第七章机器学习3讲解第八章人工神经原与感知器人工神经网络模型3讲解演示第八章神经网络的学习3讲解第八章人工神经网络的应用3演示 合计54