《人工智能》详细教学大纲[定稿]_人工智能技术教学大纲

《人工智能》详细教学大纲[定稿]由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“人工智能技术教学大纲”。

……………………………… ………………………………………………………………装……订……线……………………………………………………………………………………………………………

《人工智能》教学大纲

课程名称：人工智能 英语名称：Artificial Intelligence 课程代码：130234 课程性质：专业必修 学分学时数： 5/80 适用专业：计算机应用技术

修（制）订人： 修（制）订日期：2009年2月 审核人： 审核日期： 审定人： 审定日期：

一、课程的性质和目的（一）课程性质

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拓展选修课。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。

（二）课程目的1、基本理论要求：

课程介绍人工智能的主要思想和基本技术、方法以及有关问题的入门知识。要求学生了解人工智能的主要思想和方法。

2、基本技能要求：

学生在较坚实打好的人工智能数学基础（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、α―β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、D—S证据理论等，利用数值分析中常用方法进行正确计算。

3、职业素质要求：结合实战，初步理解和掌握人工智能的相关技术。

二、教学内容、重（难）点、教学要求及学时分配 第一章：人工智能概述（2学时）

1、讲授内容：（1）人工智能的概念

（2）人工智能的研究途径和方法（3）人工智能的分之领域（4）人工智能的基本技术（5）人工智能的发展概况

2、教学要求：

了解：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。理解：人工智能的基本概念、基本技术

掌握：人工智能的发展概况，人工智能研究的课题种类

3、教学重点：人工智能概念

4、难点：人工智能的研究途径和方法

第二章：基于谓词逻辑的机器推理（2学时）

1、讲授内容：（1）一阶谓词逻辑（2）归结演绎推理

（3）应用归结原理求取问题答案（4）归结策略

（5）Horn子句归结与逻辑程序（6）非归结演绎推理

2、教学要求：

了解：一阶谓词逻辑的基本概念

理解：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

掌握：归结演绎推理

3、教学重点：归结演绎推理

4、难点：Horn子句归结与逻辑程序

第三章：图搜索技术（5学时）

1、讲授内容：（1）状态图搜索（2）状态图问题求解（3）与或图搜索（4）与或图问题求解（5）博弈树搜索

2、教学要求：

了解：常用的图搜索技术 理解：与或图搜索问题的原理 掌握：与或图的启发式搜索算法AO3、教学重点：与或图的启发式搜索算法AO4、难点：与或图搜索

第四章：产生式系统（2学时）

1、讲授内容：（1）产生式规则（2）产生式系统

（3）产生式系统与图搜索（4）产生式系统的应用

2、教学要求： 了解：产生式

理解：谓词逻辑归结原理 掌握：Herbrand定理

3、教学重点：谓词逻辑归结原理

4、难点：Herbrand定理

第五章：知识表示（2学时）

1、讲授内容：（1）知识及其表示（2）框架（3）语义网络

（4）面向对象知识表示

2、教学要求： 了解：知识表示的概述 理解：几种知识表示方式 掌握：产生式表示 语义网络表示

3、教学重点：产生式表示 语义网络表示

4、难点：框架表示

第六章：不确定性推理方法（6学时）

1、讲授内容：

（1）不确定性及其类型（2）不确定性知识的表示（3）不确定性推理的一般模式（4）确定性理论（5）证据理论（6）模糊推理

2、教学要求：

了解：不确定性推理方法的概述 理解：论证理论 模糊推理 掌握：论证理论

3、教学重点：论证理论 模糊推理

4、难点：证据理论(D-Stheory)第七章：专家系统（4学时）

1、讲授内容：（1）专家系统的概念（2）专家系统的结构（3）专家系统的应用与发展（4）专家系统设计与实现（5）专家系统开发与环境（6）新一代专家系统研究

2、教学要求：

了解：专家系统的概述、专家系统的组成结构与发展 理解：专家系统的设计与实现 掌握：专家系统的开发与使用

3、教学重点：专家系统的设计与实现

4、难点：新一代专家系统概述

第八章：机器学习（10学时）

1、讲授内容：（1）符号学习（2）神经网络学习

2、教学要求： 了解：机器学习的概述 理解：符号学习

掌握：常用的机器学习的方式

3、教学重点：神经网络学习

4、难点：遗传算法

三、各教学环节的基本要求

（一）课堂讲授

1、教学方法

（1）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。同时贯彻理论和实践相结合的原则，给学生出一定量的思考，并要求学生完成一定量的作业，以提高学生的理论水平，培养学生的动手能力和创新精神。

（2）把握课程的重难点，及时总结深化所学内容，并针对重难点布置适当的综合练习。以便达到良好的教学效果。

2、教学手段

（1）采用理论讲解、操作示范等多种方式，充分利用多媒体等现代化教学手段，整体优化教学过程和教学内容，调动学生学习积极性，进行启发式的教学。

（2）注重学生动手能力的培养，积极鼓励和引导学生对所学的知识、技能加以拓宽、深化。

3、教学辅助资料

CAI课件

（二）作业、答疑和质疑

1、作业

2、答疑和质疑

（三）考核方式

1、考核方式：考试

2、成绩评定：期末考试70%，平时成绩30%

四、与其他课程的联系与分工

本课是计算机及相关专业学生的专业选修课，选修本课须有比较全面的计算机知识。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》

五、建议教材及教学参考书

（一）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。

（二）教学参考书

《人工智能（上、下册）》，陆汝钤，北京：科学出版社，1996年。