搜索
-1-附件1广东财经大学华商学院课程教学大纲模板《人工智能》课程教学大纲课程名称人工智能基础课程编码0836073课程类型专业必修课课程性质必修课适用范围数据科学与大数据专业学分数3先修课程操作系统，java程序设计，Python程序设计，数据预处理技术学时数54实验/实践学时18课外学时0考核方式考试（平时10%+实验30%+期末60%）制订单位数据科学学院制订日期2020年3月执笔者颜远海审核者颜远海一、课程简介人工智能是计算机与自动化学科的一门分支学科。它研究如何用机器来模仿人脑所从事的推理、证明、识别、理解、学习、规划、诊断等智能活动。人工智能是当前科学技术中正在迅速发展，新思想、新观点、新技术不断涌现的一个学科，也是一门涉及数学、计算机科学、控制论、信息论、心理学、哲学等学科的交叉和边缘学科。人工智能原理是计算机科学技术类专业的应用学科。前修课程包括：离散数学、数据结构、算法分析与设计等，后续课程：专家系统，知识工程。二、教学目标（1）熟练掌握图搜索策略，熟练掌握回溯策略、图搜索策略的过程以及算法（BACKTRACK以及AI算法），掌握一些典型问题的启发式函数；（2）掌握用命题逻辑、一阶逻辑表示知识的方法，并在此基础上进行推理，熟练掌握归结方法以及归结反驳过程，熟练掌握利用归结反驳方法进行推理。（3）掌握基于贝叶斯规则的不确定性推理，掌握条件概率、独立、条件独立及贝叶斯公式；掌握利用贝叶斯定理检测垃圾邮件的基本方法。三、主要教学模式和教学手段1．本课程的教学包括课堂讲授、课外作业、辅导答疑、上机实验和期末考试等教学环节。-2-2．课堂教学采用启发式教学方法，理例结合，多媒体并用，引导学生加深对课程内容的理解，提高学生的学习兴趣和效果。3．理论联系实际，通过本课程的教学，力争使学生在理解和掌握大纲所要求的知识内容的基础上，能正确地运用这些知识解决有关实际问题。四、教学内容（要求编写所有章节的主要内容）第一章人工智能概述基本内容和要求：1．人工智能的概念与目标；2．人工智能的研究内容与方法；3．人工智能的分支领域；4．人工智能的发展概况。第二章逻辑程序设计语言Prolog基本内容和要求：1．掌握Prolog语言的语句特点、程序结构和运行机理；2．能编写简单的Prolog程序，能读懂一般的Prolog程序。教学重点：Prolog程序设计。教学难点：表与递归，回溯控制第三章基于图搜索的问题求解基本内容和要求：1．掌握状态图的基本概念、状态图搜索基本技术和状态图问题求解的一般方法，包括穷举式搜索、启发式搜索、加权状态图搜索和A算法、A*算法等；2．掌握与或图的基本概念、与或图搜索基本技术和或图问题求解的一般方法；3．理解一些经典规划调度问题（如迷宫、八数码、梵塔、旅行商、八皇后等问题）的求解方法；教学重点：-3-1．状态图搜索常用算法和问题的状态图表示；2．与或图搜索常用算法和问题的与或图表示。教学难点：问题的状态图、与或图表示。第四章基于遗传算法的随机优化搜索基本内容和要求：1．了解遗传算法的基本概念和特点；2．理解基本遗传算法的基本原理和应用技术。教学重点：选择-复制、交叉和变异等三种遗传操作。教学难点：遗传算法的应用。第五章知识表示与推理基本内容和要求：1．了解知识表示的基本概念；2．理解和掌握常用知识表示方法，包括：一阶谓词逻辑、产生式规则、框架和语义网络的基本原理和语言实现；3．理解不确定性知识的表示及其推理方法。教学重点：1．基于一阶谓词逻辑和产生式规则的推理模式。2．不确定性知识的表示及其推理。教学难点：不确定性知识的表示及其推理。第六章机器学习与知识发现基本内容和要求：1．理解符号学习的基本原理，包括:记忆学习、演绎学习、类比学习、示例学习、发现学习等；-4-2．理解连接学习的基本原理，包括：人工神经网络的概念和类型、神经网络学习方法等；3．了解知识发现与数据挖掘的概念、对象、任务和基本方法等。教学重点：1．符号学习中的归纳学习；2．神经网络学习。教学难点：BP神经网络及其学习举例。第七章专家系统基本内容和要求：1．理解专家系统的概念和结构；2．初步掌握专家系统设计与实现方法；3．了解专家系统的发展。教学重点：1．专家系统的概念和结构；2．专家系统的设计与实现。教学难点：专家系统的设计与实现。第八章Agent系统基本内容和要求：1．理解Agent的概念、类型和结构；2．理解多Agent系统的原理、结构和应用；3．了解Agent的实现语言工具。教学重点：Agent和多Agent系统的概念和结构。教学难点：多Agent系统的结构。第九章智能化网络基本内容和要求：1．了解智能网络的概念和原理；2．理解网络的智能化管理与控制基本技术；-5-3．了解网上信息的智能化检索基本原理和方法。教学重点：网络的智能化管理与控制。教学难点：网上信息的智能化检索。五、教学重点难点教学重点：1．状态图搜索常用算法和问题的状态图表示；2．与或图搜索常用算法和问题的与或图表示。3．符号学习中的归纳学习；神经网络学习。4．Agent和多Agent系统的概念和结构。5．选择-复制、交叉和变异等三种遗传操作。教学难点：1．状态图搜索常用算法和问题的状态图表示；2．与或图搜索常用算法和问题的与或图表示。6．符号学习中的归纳学习；神经网络学习。六、课内实验（实训）教学内容及要求（按实际所需填写）（一）实验（实训）教学内容项目一：产生式系统实验1.目的与要求熟悉和掌握产生式系统的运行机制，掌握基于规则推理的基本方法2.实验（实训）学时：43.实验（实训）内容主要包括产生式系统的正、反向推理、基于逻辑的搜索等10余个相关演示性、验证性和开发性设计实验。项目二：搜索策略实验1.目的与要求熟悉和掌握启发式搜索的定义、估价函数和算法过程，并利用A*算法求解N数码难题，理解求解流程和搜索顺序。2.实验（实训）学时：43.实验（实训）内容主要包括盲目式、启发式搜索类的10余个相关演示性、验证性和开发性设计实验。-6-项目三：神经网络实验1.目的与要求理解反向传播网络的结构和原理，掌握反向传播算法对神经元的训练过程，了解反向传播公式。通过构建BP网络实例，熟悉前馈网络的原理及结构。2.实验（实训）学时：43.实验（实训）内容主要包括以BP网为代表的ANN的验证性实验及设计性实验。并包括用BP网解决一些非线性问题的典型设计实验（如异或问题、布尔代数及非线性函数模拟等）.项目四：自动规划实验1.目的与要求理解自动规划的基本原理，掌握为活动实体（人、组织、机器）设计合理的行为、按时间顺序的活动序列等基本技术。2.实验（实训）学时：43.实验（实训）内容主要包括积木世界的机器人行动规划的几个相关实验。（二）各实验（实训）学时分配序号实验（实训）项目主要内容学时每组人数地点1产生式系统实验产生式系统的正、反向推理、基于逻辑42搜索策略实验盲目式、启发式搜索43神经网络实验以BP网为代表的ANN的验证性实验64自动规划实验积木世界的机器人行动规划4七、各教学环节学时分配教学内容各教学环节学时分配章节主要内容讲授实验讨论习题其它小计第1章人工智能概述40第2章逻辑程序设计语言Prolog42第3章基于图搜索的问题求解42第4章基于遗传算法的随机优化搜索44第5章知识表示与推理42第6章机器学习与知识发现42第7章专家系统42第8章Agent系统42第9章智能化网络42合计3618八、本课程与其他课程的联系1.先修课程：操作系统，java程序设计，Python程序设计，数据预处理技术-7-2.后续课程：实用机器学习，虚拟化与容器技术。九、推荐教材和教学参考书教材：《人工智能技术导论》（第三版），廉师友，西安电子科技大学出版社参考书：[1]人工智能，（美）NilsJ.Nilsson，（郑扣根，庄越挺译），机械工业出版社，2000；[2]人工智能——一种现代方法（第二版），[美]StuartRussell，PeterNorvig，姜哲等译，人民邮电出版社，2004；[3]人工智能，[日]沟口理一郎，石田亨编，卢伯英译，科学出版社，2003；[4]ArtificialIntelligence:AGuidetoIntelligentSystems,SecondEdition，MichaelNegnevitsky，PearsonEducation,2005；[5]高级人工智能，史忠植，科学出版社，2006。