《人工智能应用》课程教学大纲.docx

《《人工智能应用》课程教学大纲.docx》由会员分享，可在线阅读，更多相关《《人工智能应用》课程教学大纲.docx（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、人工智能应用教学大纲课程性质专业任选课课程编号xx420412课程名称人工智能应用适用专业网络工程先修课程离散数学，概率论与数理统计总学时32其中理论20学时，实验12学时学分数2一课程简介人工智能应用是计算机科学研究和开展的一个重点，其终极目标就是让计算机 具有象人一样的能力。这门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、神经网络、机器学习、遗传算法等方面内容。通过本课程的学习，要求学生 了解人工智能的开展状况与研究内容，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一一产生式系统和简单的模 糊推理方法，学会用启发式搜

2、索求解问题，学会基本的神经网络方法，学会简单的机器 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。 二、课程教学目标通过本课程人工智能应用的学习，学生应实现如下目标：（一）知识教学目标1 .深入理解有关人工智能的基本概念和要素；2 .掌握知识的表示方法；3 .掌握各种搜索推理技术；4 .深入了解神经计算的不同方法；5 .深入了解计算智能基本内容；6 .深入了解机器学习的基本方法和实现过程；（二）能力培养目标7 .具有设计、实现和分析等方面的能力；8 .学会用启发式搜索求解问题；9 .具有使用机器学习与深度学习平台工具进行数据分析能力；10 .初步具备用经典的人工智能方法解决

3、一些简单实际问题的能力；三、课程教学基本要求根据课程在知识结构中的作用，教学要求分为掌握、熟悉、了解、选学四个层次, 具体要求如下。1 .掌握局部:一般图搜索（回溯策略、图搜索策略、无信息搜索过程、启发式图搜 索过程）；与或图搜索问题包括与或图的启发式搜索算法、博弈树的搜索；谓词逻辑与 归结原理（谓词逻辑归结原理、HERBRAND定理）；知识表示（产生式表示方法、语义网 络表示、框架表示）；不确定性推理方法（不确定性推理的基本问题、贝叶斯网络、主 观贝叶斯方法、确定性方法）2 .熟悉局部：不确定性推理方法之证据理论；机器学习（机器学习概论、实例学 习、基于解释的学习、决策树学习、神经网络学习）

4、3 . 了解局部：人工智能研究的开展和基本原那么；知识原那么、知识表示的作用、功能、 性能；自动规划技术的新进展，人工智能的最新进展和面临的挑战。4 .选学局部：高级搜索四、课程教学内容与学时分配序号教学模块知识点学时1结论1、教学目的了解人工智能的开展简史以及当前的一 些开展方向和热点。掌握人工智能基本概 念，相关名词术语的含义；熟知人工智能的 基本研究内容、研究方法。2、教学重点人工智能的定义、应用领域。22.知识表示方法1、教学目的了解关于知识的基本观点以及特点等 等。掌握基本的、常用的一些知识表示方法， 如一阶谓词逻辑表示法、框架表示法和语义 网络表示法等。了解各种知识表示法的特 点。

5、2、教学重点状态空间法；一阶谓词逻辑表示法；框 架表示法；语义网络表示法。43搜索推理技术1、教学目的掌握基本概念，学会用状态空间表示问 题，了解与或树表示法。掌握状态空间的各种搜索策略，包括深 度优先搜索、广度优先搜索、代价树上的搜4索以及启发式搜索和A*算法等等。了解关于搜索完备性和效率的基本理 论。2、教学重点深度优先搜索、广度优先搜索、代价树 上的搜索以及启发式搜索和A*算法。4神经计算1、教学目的掌握神经网络的基本概念、基本形态。 了解感知器、BP网络、Hopfield网络、ART 网络等多种不同类型神经网络的基本原理、 组成以及特点。掌握前馈神经网络的BP算 法。了解神经网络的各种

6、应用。2、教学重点BP网络、Hopfield网络的工作原理。25计算智能1、教学目的掌握神经计算与模糊计算的基本原理 与求解步骤。了解蚁群算法的基本原理。2、教学重点、遗传算法的基本原理与遗传算法的求解 步骤26机器学习基础1、教学目的(1) 了解机器学习的各种方法(2) 了解机器学习如何进行决策2、教学重点(1)各种机器学习算法原理(2)贝叶斯、KNN、SVM、决策树以及神经 网络等算法的理解47机器学习实践1、教学目的(1) 了解机器学习平台的搭建(2) 了解深度学习基本方法2、教学重点(1)常用机器学习平台的使用(Weka)(2)深度学习平台的使用2实验教学内容序 号实验工程名称内容摘要

7、验时 实学实验类 型开出要求1利用问题归约法实现Hanoi塔问题理解问题归约法的原理 和方法，掌握用问题归2验证性必做约表示问题的步骤，并 能够对实际问题给出具 体的实现2利用状态空间搜索法实现 八数码问题理解状态空间知识表示 方法，掌握搜索方法的 基本原理，并能够对八 数码问题给出具体的实 现2综合性必做3用BP神经网络实现XOR分 类问题理解前馈神经网络的工 作原理，掌握BP算法的 基本思想，认识影响算 法性能的因素，能够编 写对实际模式样本正确 分类的程序2综合性必做4用遗传算法求函数的最大 值问题掌握遗传算法的基本思 想，编写能对实际问题 求解的遗传算法程序， 通过实现遗传算法程 序，

8、可进一步理解遗传 算法的基本机理2综合性必做5机器学习数据的处理与机 器学习算法的应用学会使用WEKA来实现各 种机器学习算法，并比 较不同算法的区别2验证性必做6深度学习平台的搭建与数 据处理学会搭建深度学习平台 并完成基本实验2验证性必做五、教学方法与策略采用课堂教学+实践教学相结合的方法，按章节进行教学。六、学生学习成效考核方式（考核）考核环节构成（均为100分制）评分依据占总成绩 的比重上课出勤20分上课缺席一次扣2分，缺课达1/3取消资格。20%实验工程30分学生按规定独立完成平时实验工程规定内容30%期末测评成绩50分对于具体的机器学习，深度学习，神经网络等任务进 行平台搭建，数据预处理，算法实现以及实验测试等 工作。根据具体任务完成情况进行打分。50%七、选用教材蔡自兴等，人工智能原理（第五版），北京：清华大学出版社，2012.八、参考资料口机器学习.周志华.清华大学出版社，2015.2人工智能及其应用（第3版）.王万良.高等教育出版社，2016.3人工智能原理及其应用.王万森.电子工业出版社，2012.