智能信息处理课程教学大纲
《人工智能》课程教学大纲
《⼈⼯智能》课程教学⼤纲
⼈⼯智能》课程教学⼤纲
、课程基本信息
⼆、课程教学⽬标
《⼈⼯智能》是计算机科学与技术专业的⼀门专业拓展课，通过本课程的学习使本科⽣对⼈⼯智能的基本内容、基本原理和基本⽅法有⼀个⽐较初步的认识，掌握⼈⼯智能的基本概念、基本原理、知识的表⽰、推理机制和智能问题求解技术。启发学⽣开发软件的思路，培养学⽣对相关的智能问题的分析能⼒，提⾼学⽣开发应⽤软件的能⼒和⽔平。
三、教学学时分配
四、教学内容和教学要求
第⼀章⼈⼯智能概述（3 学时）
（⼀）教学要求
1.掌握⼈⼯智能的基本概念；
2.理解⼈⼯智能的发展状况。
3.理解⼈⼯智能的基本技术；
4.了解⼈⼯智能的研究途径与⽅法；
5.了解⼈⼯智能的分⽀领域；
（⼆）教学重点与难点教学重点：⼈⼯智能的基本技术。教学难点：三⼤学派的研究途径与⽅法。（三）教学内容
第⼀节⼈⼯智能的基本概念
1.什么是⼈⼯智能
2.强⼈⼯智能与弱⼈⼯智能
3.脑智能和群智能
4.符号智能和计算智能
第⼆节⼈⼯智能发展概况
1.⼈⼯智能学科的产⽣
2.⼈⼯智能学科的发展
3.⼈⼯智能三⼤学派
第三节⼈⼯智能研究途径与⽅法
1.⼈⼯智能的研究⽬标
2.⼈⼯智能的研究⽅法
3.⼈⼯智能的研究内容
第四节⼈⼯智能基本技术
2.搜索技术
3.知识库技术
4.归纳技术
5.联想技术第五节⼈⼯智能的应⽤
1.难题求解
2.机器定理证明
3.⾃动程序设计
4.模式识别
5.机器翻译
6.智能管控
7.智能决策
8.智能⼈机接⼝
第六节⼈⼯智能的影响
1.⼈⼯智能对⼈类的影响
2.⼈⼯智能对社会的影响
本章习题要点：对基本概念、技术、⽅法的理解。
教育部人工智能专业课程大纲
教育部人工智能专业课程大纲
摘要：
1.教育部人工智能专业课程大纲简介
2.人工智能专业课程的分类与设置
3.课程设置的具体内容
4.课程实施与评估
5.结论
正文：
【教育部人工智能专业课程大纲简介】
随着人工智能技术的飞速发展，我国教育部为了满足社会对人工智能人才的需求，制定了一套完善的人工智能专业课程大纲。该课程大纲旨在为高校提供指导性意见，帮助高校制定合理的人工智能专业课程体系，从而培养出更多具备创新能力和实践能力的人工智能领域的专业人才。
【人工智能专业课程的分类与设置】
人工智能专业课程分为基础课程和专业课程两类。基础课程主要包括数学基础、计算机基础和外语等。专业课程则分为核心课程和选修课程。核心课程包括机器学习、深度学习、计算机视觉、自然语言处理等；选修课程则涵盖了人工智能在各领域的应用，如智能语音、机器人、自动驾驶等。
【课程设置的具体内容】
在人工智能专业课程中，核心课程和选修课程都具有明确的课程目标和内容。例如，机器学习课程主要讲解监督学习、无监督学习和强化学习等基本概念和算法；计算机视觉课程主要涉及图像处理、目标检测和目标跟踪等内容。
同时，课程设置还要求学生学习一定的实践环节，如实验课程、实习和毕业设计等，以便学生能够将所学理论知识应用到实际工作中。
【课程实施与评估】
为了保证课程质量，各高校应根据教育部的人工智能专业课程大纲制定具体的教学计划和教学大纲。在课程实施过程中，教师应注重培养学生的创新能力和实践能力，加强与学生的互动和交流。课程评估则采用多元化评价方式，如平时成绩、实验报告、期末考试等，以全面、客观地评价学生的学习成果。
2024版《人工智能》课程教学大纲
目录
• 课程介绍与教学目标 • 基础知识与技能 • 机器学习原理与方法 • 深度学习原理与应用 • 自然语言处理技术及应用 • 计算机视觉技术及应用 • 人工智能伦理、法律与社会影响
01 课程介绍与教学 目标
《人工智能》课程概述
人工智能的定义与发展历程
01
介绍人工智能的基本概念、发展历程和重要里程碑。
句法分析技术
短语结构分析
识别句子中的短语结构，如名词短语、动词短语等。
依存关系分析
分析句子中单词之间的依存关系，如主谓关系、动宾关系等。
句法树构建
根据短语结构和依存关系构建句子的句法树，表示句子的结构信 息。
语义理解技术
词义消歧
根据上下文确定多义词在特定语境下的确切 含义。
关系抽取
从文本中抽取实体之间的关系，构建知识图 谱或语义网络。
04 深度学习原理与 应用
神经网络基本原理
神经元模型
介绍神经元的基本结构和工作原 理，包括输入、权重、偏置、激
活函数等概念。
感知机模型
讲解感知机模型的原理和实现， 包括二分类和多分类问题的解决 方法。
反向传播算法
详细推导反向传播算法的数学原 理和实现步骤，以及其在神经网 络训练中的应用。
神经网络优化
RNN应用
讲解RNN在自然语言处理、语音识别、 时间序列分析等领域的应用案例。
人工智能详细教学大纲
人工智能详细教学大纲
第一章：导论
1.1 人工智能的定义和基本概念
- 人工智能的定义和起源
- 人工智能的发展历程
1.2 人工智能的应用领域
- 人工智能在医疗领域的应用
- 人工智能在金融领域的应用
- 人工智能在交通领域的应用
第二章：机器学习基础
2.1 机器学习的概述
- 监督学习、无监督学习、强化学习的基本原理和区别- 机器学习的应用场景
2.2 数据预处理
- 缺失值处理
- 异常值检测与处理
- 特征选择与降维
2.3 常见的机器学习算法
- 逻辑回归
- 决策树
- 支持向量机
- 集成学习
第三章：深度学习
3.1 深度学习的原理与应用
- 深度学习的发展历程
- 神经网络的基本结构和工作原理3.2 常用的深度学习框架
- TensorFlow
- PyTorch
- Keras
3.3 深度学习的应用案例
- 图像分类与识别
- 自然语言处理
- 人脸识别
第四章：自然语言处理
4.1 自然语言处理的基础知识
- 词向量表示
- 语法分析和语义分析
4.2 文本分类与情感分析
- 文本特征提取
- 文本分类算法
4.3 机器翻译与问答系统
- 神经机器翻译
- 阅读理解模型
第五章：计算机视觉
5.1 计算机视觉的基本概念
- 图像处理与特征提取
- 目标检测与图像分割
5.2 图像识别与物体识别
- 卷积神经网络（CNN）
- 目标检测算法（如YOLO、Faster R-CNN）5.3 视觉生成与图像风格迁移
- 生成对抗网络（GAN）
- 图像风格迁移算法
第六章：人工智能伦理与法律6.1 人工智能的伦理问题
- 隐私与数据安全
- 就业与职业变革
- 人工智能的道德问题
《人工智能》详细教学大纲
评估指标
轮廓系数、Calinski-Harabasz 指数等聚类评估指标，以及降
维后数据的可视化方法。
深度学习：神经网络原理及实践应用
神经网络基础
卷积神经网络（CNN）
感知机、多层感知机（MLP）、反向传播 算法等神经网络基础知识。
卷积层、池化层、全连接层等CNN组件的 原理和实现方法，以及在图像分类、目标 检测等领域的应用。
游戏AI
将游戏过程建模为强化学习问题，通过智能体与环境（游戏）的交互，学习游戏策略，实 现游戏角色的自主决策和智能行为。例如，围棋、星际争霸等游戏的AI对手。
其他应用场景
智能交通系统中的路径规划、机器人控制中的行为决策、自然语言处理中的对话生成等。
07 伦理、法律和社会影响讨 论
人工智能伦理问题探讨
经济增长与产业创
新
探讨AI如何促进经济增长和产业 创新，如智能制造、智慧农业等 新兴领域的发展。
THANKS FOR WATCHING
感谢您的观看
素质目标
培养学生的创新思维、团 队协作和终身学习能力， 提高学生的综合素质和职 业素养。
课程安排与时间表
课程安排
本课程共分为理论授课、实验操作和课程设计三个环节，其中理论授课主要讲解 人工智能的基本原理和方法，实验操作帮助学生掌握相关技术和工具的使用，课 程设计则要求学生综合运用所学知识完成一个实际项目。
人工智能 教学大纲
人工智能
一、课程说明
课程编号：090169Z10
课程名称：人工智能/Artificial Intelligence
课程类别：专业教育课
学时/学分：32/2
先修课程：离散数学，数据结构
适用专业：智能科学与技术
教材、教学参考书：
[1]蔡自兴，徐光祐。人工智能及其应用，第四版，本科生用书。清华大学出版社。
[2] N. J. Nilsson. Artificial Intelligence: A New Synthesis. Morgan Kaufmann, 机械工业出社。
[3]蔡自兴。人工智能及其在决策系统中的应用。国防科技大学出版社。
[4] 蔡自兴，John Durkin，龚涛。专家系统：原理、设计与应用。科学出版社。
二、课程设置的目的意义
直至现在，人工智能仍被看作是主要研究如何利用计算机模拟人类智力活动的一门学科，是计算机科学的一个分支。其主要任务是建立智能信息处理理论，从质的方面扩充计算机的能力，是一门综合性强、实践性强、创新性强和应用领域广的科学。
本课程的教学目的是通过介绍人工智能的基本知识、基本概念、基本特点以及人工智能的应用领域，启发学生的思路，掌握开发具有人工智能特点的应用软件的技术，培养学生对人工智能的兴趣，提高学生的知识创新和技术创新能力。
三、课程的基本要求
知识：本课程要求学生了解人工智能的一些相关基本概念、各种不同学术流派的主要思想；掌握一些经典的人工智能方法，如知识表示方法和搜索推理技术，包括状态空间法、谓词逻辑法、盲目搜索、启发式搜索、消解原理等；了解人工智能的新研究领域计算智能的基本知识，包含神经计算、模糊计算、进化计算和人工生命等；了解群智能的基本知识，包含蚁群优化和粒群优化算法等。
人工智能课程教学大纲
人工智能课程教学大纲
课程名称：人工智能教学大纲
课程目标：
本课程旨在帮助学生了解人工智能的基本概念、原理和技术，并培养学生在人工智能领域的批判性思维和问题解决能力。通过学习本课程，学生将能够理解人工智能的背景、应用和发展趋势，并能够独立设计和实现简单的人工智能系统。
课程内容：
1. 人工智能概述
- 人工智能的定义与应用领域
- 人工智能的历史与发展
- 人工智能与机器学习的关系
2. 机器学习基础
- 监督学习、无监督学习和强化学习的基本概念
- 常用机器学习算法及其原理
- 机器学习的评估方法和误差分析
3. 深度学习
- 神经网络的基本原理与结构
- 卷积神经网络与循环神经网络的应用
- 深度学习的训练与优化方法
4. 自然语言处理
- 语言的表示与处理方法
- 文本分类、语义分析和机器翻译的基本原理
- 自然语言生成与对话系统的应用
5. 计算机视觉
- 图像处理与特征提取
- 目标检测、图像分类和图像生成的基本原理
- 视觉感知与智能交互的应用
6. 人工智能伦理与社会影响
- 人工智能的道德与伦理问题
- 人工智能在社会中的挑战与机遇
- 人工智能的未来发展趋势
课程教学方法：
本课程采用讲授、案例分析和实践项目结合的教学方法。通过理论讲解、实例分析和实践操作，帮助学生理解和应用人工智能的基本原理和技术。学生将完成实践项目，设计和实现一个简单的人工智能系统，并对其性能进行评估和优化。
课程评估方式：
- 平时作业和课堂表现：占总成绩的30%
- 实践项目报告：占总成绩的40%
- 期末考试：占总成绩的30%
参考教材：
- Ian Goodfellow, Yoshua Bengio, Aaron Courville. Deep Learning [M]. MIT Press, 2016.
人工智能课程教学大纲
人工智能课程教学大纲
课程名称：人工智能学时：54
一、本课程的地位，作用和任务
人工智能是主要研究解释和模拟人类智能、智能行为及其规律的一门学科。其主要任务是建立智能信息处理理论，进而设计可以展现某些近似于人类智能行为的计算机系统。它是计算机科学的一个分支，也为某些相关学科如心理学等所关注。人工智能学科研究的主要内容包括：知识表示，自动推理和搜索方法，机器学习和知识获取，知识处理系统，自然语言理解，计算机视觉，智能机器人，自动程序设计等方面。
二、课程内容及学时分配
第一章绪论
§1 人工智能的发展简史
知识点：通过教师讲授，让学生了解人工智能的发展概况，增加对人工智能学科的认识。本节的教学目的是让学生了解人工智能的基本发展史。
§2 人工智能的发展方向
知识点：通过教师讲解，让学生了解人工智能的发展现状及未来的一些发展方向，使学生明确学习本课程的目的、意义、任务。本节的教学目的是让学生一般掌握、了解人工智能的发展方向。
本章学时数：4 习题数：2
第二章搜索技术
§1 盲目搜索
知识点：通过教师讲授，让学生掌握宽度优先搜索、深度优先搜索、等代价搜索、图形搜索等搜索技术。本节的教学目的是要求学生熟练掌握，本节属于本章重点内容之一。
§2 启发代搜索
知识点：通过教师讲授，要求学生熟练掌握启发式搜索策略，估价函数的计算，有序搜索算法，双向搜索等技术。本节要求学生熟练掌握，本节属于本章重点、难点内容之一。
本章学时数：8 习题数：12
第三章人工智能中常用推理方法简介
§1 归结推理方法
知识点：通过教师讲授，让学生掌握归结原理、方法。本节的教学目的是要求学生熟练掌握并能灵活应用，本节内容属本章的重点、难点。
人工智能课程教学大纲
人工智能课程教学大纲大纲：人工智能课程教学
1. 简介
- 介绍人工智能课程的重要性和普及程度
- 解释人工智能的定义和应用领域
2. 目标
- 培养学生对人工智能的基本了解和认识
- 培养学生分析和解决实际问题的能力
- 引导学生思考人工智能对社会的影响
3. 课程设计
- 课程时长和学时安排
- 教学方法和教学资源
- 课程内容和模块划分
4. 课程内容
- 人工智能的历史和发展
- 人工智能的基本概念和原理
- 机器学习和深度学习算法
- 自然语言处理和计算机视觉
- 人工智能在各行业的应用案例
5. 教学方式
- 理论教学：通过讲解基本概念和原理，使学生理解人工智能的基本知识。
- 实践项目：组织学生参与实际项目，加深对人工智能算法和技术的理解和应用能力。
- 讨论和案例分析：通过讨论和分析真实案例，引导学生思考人工智能对社会的影响和伦理问题。
6. 评估方式
- 考试：通过笔试和编程作业考察学生对人工智能基本概念和算法的掌握程度。
- 项目评估：评估学生在实践项目中的表现和能力发展情况。
- 讨论参与度：评估学生在课堂讨论和案例分析中的积极参与程度。
7. 教学资源
- 教材：建议使用经典的人工智能教材，如《人工智能：一种现代的方法》。
- 在线资源：推荐学生使用在线资源，如人工智能开放平台、论坛和课程网站。
8. 参考文献
- 列举相关的研究论文、教材和在线资源，供学生进一步学习和深入研究。
9. 结语
- 强调人工智能课程的重要性和发展前景
- 鼓励学生积极参与课程学习和实践项目
以上是《人工智能课程教学大纲》的内容，通过系统的课程设计和教学方法，旨在培养学生对人工智能的基本了解和应用能力。教学大纲涵盖了人工智能的基本概念、算法和应用案例，并通过理论教学、实践项目和讨论分析等方式，引导学生思考人工智能对社会的影响和伦理问题。希望学生能够通过这门课程，掌握人工智能的基本知识，培养解决实际问题的能力，并为未来的发展和创新做出贡献。
《人工智能》课程教学大纲
《人工智能》课程教学大纲
《人工智能》课程教学大纲一、课程基本信息
开课单位
课程名称
开课对象
学时/学分
先修课程
课程简介：
人工智能是计算机科学的重要分支，是研究如何利用计算机来模拟人脑所从事的感知、
XXX
人工智能
课程类别
课程编码
开课学期
个性拓展
GT
第4或6学期网络工程专业、计算机科学与技术专业
36学时/2学分（理论课：28学时/1.5学分；实验课：8学时/0.5学分）
离散数学、数据结构、程序设计
推理、研究、思考、规划等人类智能活动，来解决需要用人类智能才能解决的问题，以延伸人们智能的科学。该课程主要讲述人工智能的基本概念及原理、知识与知识表示、机器推理、搜索策略、神经网络、机器研究、遗传算法等方面内容。
二、课程教学目标
《人工智能》是计算机科学与技术专业的一门专业拓展课，通过本课程的研究使本科生对人工智能的基本内容、基本原理和基本方法有一个比较初步的认识，掌握人工智能的基本概念、基本原理、知识的表示、推理机制和智能问题求解技术。启发学生开发软件的思路，培养学生对相关的智能问题的分析能力，提高学生开发应用软件的能力和水平。
三、教学学时分配
《人工智能》课程理论教学学时分派表章次
第一章
第二章
第三章
第四章
第五章
第六章
首要内容
人工智能概述
智能程序设计言语
图搜索技术
基于谓词逻辑的机器推理呆板进修与专家系统
智能计算与问题求解
合计
学时分配
3
5
4
6
4
6
28
教学方法或手段
讲授法、多媒体
讲授法、多媒体
探究式、多媒体
讲授法、多媒体
概述法、多媒体
开导式、多媒体
《人工智能》课程实验内容设置与教学要求一览表实
学尝试
序
项目
人工智能专业课程大纲
人工智能专业课程大纲
一、课程简介
本专业课程旨在为学生提供人工智能领域的基础知识和技能，涵盖人工智能的理论基础、应用实践和发展趋势等内容。通过本课程的学习，学生将具备深入了解人工智能相关概念和原理的能力，为将来从事人工智能领域的研究和应用工作打下坚实的基础。
二、课程目标
1. 熟悉人工智能的基本概念和发展历程；
2. 掌握人工智能的相关技术和算法；
3. 能够运用人工智能技术解决实际问题；
4. 了解人工智能领域的最新进展和趋势。
三、课程内容
1. 人工智能概论
- 人工智能的概念和定义
- 人工智能的发展历程
- 人工智能的基本原理和技术
2. 机器学习
- 机器学习的基本概念
- 监督学习、无监督学习和强化学习
- 机器学习算法及其应用
3. 深度学习
- 深度学习的原理和发展
- 神经网络基础
- 深度学习在图像识别、自然语言处理等领域的应用4. 自然语言处理
- 自然语言处理的基本原理
- 词向量表示和语言模型
- 文本分类、情感分析等技术
5. 计算机视觉
- 计算机视觉的基本概念
- 图像处理和特征提取
- 目标检测、图像分割等技术
6. 智能系统
- 专家系统、推荐系统等智能系统概述
- 智能系统的设计和应用
- 人工智能在各个领域的应用案例分析
四、教学方法
本课程将采用理论讲授、案例分析、实践操作等教学方法相结合，
以培养学生的人工智能理论基础和实践能力。学生将通过课堂学习、
实验练习和课程项目等形式不断提升自己的综合能力。
五、教学大纲
- 每周开设2-3节理论课，包括基础知识讲解和技术应用案例分析；
- 定期进行实践操作，让学生动手实践所学知识；
人工智能教学大纲
人工智能教学大纲
课程概述
人工智能是研究智能信息处理技术、开发具有智能特性的各类应用系统的核心技术。通过本课程的学习，学生能够了解人工智能的基本概念和基本原理，掌握传统人工智能的知识表示方法和搜索求解策略，掌握计算智能的基本知识与方法，包括人工神经网络、深度机器学习、遗传进化算法、群体智能算法等主要内容，掌握人工智能的确定推理技术和不确定性推理，熟悉人工智能的主要应用，包括知识图谱、机器人规划、无人系统、人脸识别、自然语言理解等内容，了解人工智能的发展学派和当前主要前沿方向，为智能信息分析、专家系统以及智能决策支持系统等各类智能系统的建立和开发奠定基础。
课程大纲
01
人工智能概论
了解从智能机器、学科、能力三个方面对人工智能进行定义；从人类认知过程、图灵测试等方面来熟悉人工智能与人类智能之间的关系；了解人工智能的知识体系、研究范围和应用领域；熟悉人工智能的起源、发展过程和未来趋势。
课时
1.1 什么是人工智能?
1.2 人类智能与人工智能
1.3 人工智能的研究与应用领域
1.4 人工智能的发展阶段与未来
1.5 总结
02
知识表示方法
掌握什么是知识、什么是知识表示；掌握知识表示方法中四种经典方法，即状态空间法、问题归约法、谓词逻辑法和语义网络法；了解知识图谱的应用。
课时
2.1 知识与知识表示
2.2 状态空间法
2.3 问题归约法
2.4 谓词逻辑法
2.5 语义网络法
2.6 知识表示方法的应用：知识图谱
2.7 总结
03
搜索求解策略
掌握图搜索策略的基本原理；掌握盲目搜索（包括宽度优先搜索、深度优先搜索、
有限深度优先搜索、等代价搜索）以及启发性搜索（包括有序搜索、A*算法）的各个算法，能够具体实现这些算法并将它们进行对比。
人工智能教学大纲
人工智能教学大纲
【引言】
本教学大纲旨在为人工智能课程的教学提供一个全面而系统的指导
框架。人工智能是如今热门的领域之一，该领域的快速发展为学生提
供了广阔的职业发展机会。因此，设计一份科学合理的人工智能教学
大纲对学生的学习效果至关重要。
【一、课程概述】
1.1 课程名称：人工智能基础
1.2 学时安排：40学时
1.3 课程目标：通过本课程的学习，学生应该能够
1.3.1 理解人工智能的基本概念及相关技术的发展历程；
1.3.2 掌握人工智能的基本原理和常用算法，并能够应用于实际问题；
1.3.3 培养学生的创新思维和解决问题的能力。
【二、教学内容与学时安排】
2.1 人工智能概述（2学时）
2.1.1 人工智能定义及相关概念介绍
2.1.2 人工智能的发展历史及应用领域
2.1.3 人工智能对社会与经济的影响
2.2 人工智能基础知识（8学时）2.2.1 机器学习基础
2.2.1.1 监督学习
2.2.1.2 无监督学习
2.2.2 深度学习
2.2.2.1 神经网络原理
2.2.2.2 卷积神经网络
2.2.2.3 递归神经网络
2.2.3 自然语言处理
2.2.
3.1 词向量表示
2.2.
3.2 语言模型与文本生成
2.3 人工智能算法与应用（20学时）2.
3.1 人工智能算法概述
2.3.2 决策树算法及应用
2.3.3 支持向量机算法及应用
2.3.4 随机森林算法及应用
2.3.5 深度学习算法应用案例
2.3.6 人工智能在图像处理中的应用
2.3.7 人工智能在自然语言处理中的应用
2.4 人工智能伦理与社会影响（6学时）
2.4.1 人工智能的道德问题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
《智能信息处理》课程教学大纲
一、课程基本信息
1、课程代码：IE426
2、课程名称：智能信息处理/Intelligent Signal Processing
3、学时/学分：36学时/2学分
4、先修课程：信号与系统，高等数学，计算机程序语言
5、面向对象：电子信息类各专业本科生
6、开课院（系）、教研室：电子信息与电气工程学院（电子工程系）、电路与系统教研室
7、教材、教学参考书：
《人工智能原理及其应用》，王万森，电子工业出版社，2000
《人工神经网络与模拟进化计算》，阎平凡，张长水，清华大学出版社，2000
《遗传算法原理及应用》，周明，孙树栋，国防工业出版社，1999
《人工免疫系统原理与应用》，莫宏伟，哈尔滨工业大学出版社，2002
二、本课程的性质和任务
智能信息处理是当前科学技术发展中的前沿学科，同时也是新思想、新观念、新理论、新技术不断出现并迅速发展的新兴学科，具有非常广泛的应用领域。该课程的主要任务是通过各个教学环节，运用各种教学手段和方法，使学生掌握智能信息处理的基本概念、基本原理、基本计算方法；培养学生分析、解决问题的能力和实验技能，为日后从事工程技术工作、科学研究以及开拓新技术领域，打下坚实的基础。
三、教学内容和要求
第一章人工智能导论（8）
要求：理解并掌握人工智能的基本概念和范畴、基本原理和研究方法；了解人工智能的发展历史、目前的实际状况、未来的发展前景和实际的应用领域；掌握人工智能中的知识和知识表示方法：演绎系统、产生式系统、框架结构、语义网络、过程性知识；掌握人工智能中采用的搜索策略：无变量盲目搜索算法、带变量盲目搜索算法、启发式搜索算法、博弈树搜索；理解非经典逻辑和非经典推理；理解自然语言理解：语法学、语义学、语用学。
第二章人工智能的应用（2）
要求：理解专家系统的基本概念；理解机器学习的基本概念和方法；理解模式识别的基本概念；理解智能决策支持系统的基本概念。
第三章人工神经网络（10）
要求：了解人工神经网络的发展历史；理解人工神经网络所借鉴的生物学上的人脑神经元的信息处理模式；掌握人工神经元和感知器的基本模型；掌握人工神经网络的结构、特点、学习方式和工作方式；掌握前向神经网络中的多层感知器模型和反向传播（BP）算法，理解径向基函数（RBF）网络模型；掌握反向神经网络中离散型和连续型的Hopfield网络模型，了解模拟退火算法和玻尔兹曼机；理解自组织神经网络的Hebb学习规则和ART模型；理解模糊神经网络。
第四章模糊数学基础（4）
要求：掌握模糊集合的概念；掌握模糊规则与推理；理解模糊推理系统。
第五章进化算法（4）
要求：了解进化算法的发展历史；理解进化算法的三个主要分支：遗传算法、进化规划、进化策略；理解这三个算法之间的主要区别和联系；掌握标准遗传算法的结构和步骤；理解进化算法同其他传统优化算法比较的优点和缺点；了解进化算法的应用领域。
第六章人工免疫系统（4）
要求：了解生物免疫学基础；理解反向选择算法和人工免疫系统模型；了解人工免疫系统在计算机安全中的应用；了解人工免疫系统其他的应用领域。
四、实验（上机）内容和基本要求
1、实验的学时数为4学时；
2、实验内容：神经网络系统的设计和应用
通过上机实验，使学生掌握利用计算机（Matlab语言）构造神经网络系统模型的基本方法，加深对神经网络系统及其工作方式的理解和认识，提高学生分析和解决实际问题的能力，并具有分析、整理实验数据和编写实验报告的能力。
五、对学生能力培养的要求
1、课内教学活动中能力培养的安排及要求
通过本课程的学习使学生理解智能信息处理所涉及的领域，并能利用计算机进行初步的现象分析和系统及算法的实现。在教学过程中，应注意逐步提高学生在教师课堂讲授的启发和指引下，独立钻研教材、参考资料，从而吸取知识的能力、自学的能力。
2、课外科技活动和社会实践等教学活动中能力培养的安排及要求
智能信息处理的内容和应用领域十分广泛，所涉及的部分内容难度较大。同时这也是一个飞速发展的领域，知识的老化和更新速度比较快。因此，应当鼓励学生参与这些相关领域的科研活动，引导他们阅读相关的大量文献，增强学生对理论课程的学习兴趣，学会利用所掌握的理论知识去分析和解决实际的问题。
六、其它说明
1、课程参考网站：中国期刊网和IEEE网站。
2、实验必须独立完成，不得相互拷贝。
3、本课程必须利用计算机技术，通过学生的上机实验，加强对所学理论知识的感性认识，提高分析和解决实际问题的能力。
4、课程结束时提交论文综述。