《人工智能导论》教学大纲.
《人工智能导论》教学大纲(2024版)
人工智能导论课程教学大纲一、课程基本信息课程编号：课程中文名称：人工智能导论课程性质：学院基础课程、专业核心课程开课学期：3课内学时：32学时，其中授课32学时课外学时：32学时学分：2学分主要面向专业：自动化、测控、电气、机器人工程二、先修课程高等数学、概率论、线性代数、生命科学导论三、课程目标人工智能导论是面向理工科专业的重要基础课程。
课程以学科基础、技术基础、重点方向与领域、行业应用、伦理与法律五维知识体系为主要内容，经典与现代人工智能知识结构模块化，具有广阔的思想和技术背景。
通过课程学习，使学生系统性掌握人工智能基本概念、方法、技术，把握人工智能重点方向及领域；掌握机器学习、深度神经网络等基本方法；初步具备利用人工智能技术解决问题的基本能力；初步理解人工智能伦理及其对人工智能技术发展的重要意义。
为进一步学习相关的专业基础课程和专业课程打下必要的理论和实践基础。
（1）从大历史观角度使学生理解人工智能发展的历史和思想脉络，使学生认识到人工智能的本质和内涵，思考人之为人的价值和意义,勇于承担社会发展责任。
（2）充分发挥人工智能多学科、多领域理论、知识交叉的特点和优势，培养学生多学科知识交叉思维和创新意识。
（3）激发学生学习人工智能的热情和人机协同创新思维，为后续人工智能+X专业学习、创新创业、竞赛、就业等奠定基础。
（4）系统理解机器智能实现技术和方法，认识到机器智能对人类智能补充与增强作用，学会利用人机协同技术和方法及解决各类问题。
(5)使学生充分理解人工智能对未来人类社会经济、科技和文明发展的重要作用，具备未来能社会发展需要的人工智能人才素质。
四、教学内容与教学方法五、考核方式六、参考教材及学习资源（一）参考教材：[1]莫宏伟，徐立芳.人工智能导论.第2版.[2]莫宏伟，徐立芳.人工智能伦理导论.。
AI导论教学大纲-人工智能导论-廉师友-清华大学出版社
人工智能导论课程教学大纲廉师友编写清华大学出版社（2020）说明为了方便各位任课老师的教学，本书作者结合自己多年来给计算机专业讲授人工智能课程的教学大纲和这部《人工智能导论》新教材的内容以及该课程的基本要求，制定了这一新的教学大纲，供各位老师参考。
从内容来看，这个大纲与这部新教材是一致的，其课时应该说已达到这门课程的上限。
各位老师可根据各自院校的实际情况对该大纲的教学内容进行取舍，并确定相应的课时，以制定适合各自教学任务的教学大纲。
希望这份资料对各位任课老师的教学能有所裨益和帮助！当然，若发现其中有不妥或错误之处也请指正！作者2020年3月《人工智能导论》课程教学大纲课程编号：英文课名：Introduction to Artificial Intelligence适用专业：人工智能、计算机、自动化和电子信息类专业（考试）学时：90 学分：课程类别：专业课课程性质：必修课/必选课一、课程性质和目的《人工智能导论》为人工智能、计算机、自动化和电子信息类专业的一门必修或必选课程，其目的是使学生理解人工智能的基本原理，初步学习和掌握人工智能的基本技术，为进一步学习人工智能后续专业课程或从事人工智能的研发奠定基础，指引方向。
二、课程内容第1章人工智能概述基本内容和要求：1．理解人工智能的概念、目标和研究策略；2．理解人工智能的研究内容与方法；3．了解人工智能的分支领域；4．了解人工智能的应用与发展概况。
第2章人工智能程序设计语言基本内容和要求：1．了解人工智能程序设计语言的特点、分类和发展概况；2．理解PROLOG语言的语句特点、程序结构和运行机理，能读懂和编写简单的PROLOG 程序；3．了解Python语言的特点和使用方法，能读懂和编写简单的Python程序。
教学重点：1．PROLOG语言；2．Python语言。
教学难点：1．PROLOG语言的匹配合一和回溯控制；2．Python语言的程序结构和资源库的使用。
《人工智能导论》教学教案
《导论》教学教案一、教学目标1. 让学生了解的定义、发展历程和应用领域。
2. 使学生掌握的基本原理和技术。
3. 培养学生的创新意识和团队合作能力。
二、教学内容1. 的定义与发展历程1.1 的定义1.2 的发展历程1.3 的应用领域2. 的基本原理2.1 机器学习2.2 深度学习2.3 自然语言处理2.4 计算机视觉3. 的技术应用3.1 智能语音识别3.2 智能3.3 自动驾驶3.4 智能医疗三、教学方法1. 讲授法：讲解的定义、发展历程、基本原理和应用领域。
2. 案例分析法：分析典型的技术应用案例。
3. 小组讨论法：分组讨论技术的发展趋势和应用前景。
4. 实践操作法：引导学生动手实践，体验技术。
四、教学资源1. 教材：《导论》2. 课件：的发展历程、基本原理、技术应用等3. 案例资料：典型的技术应用案例4. 编程工具：Python、TensorFlow等5. 网络资源：相关的学术论文、资讯、技术博客等五、教学评价1. 课堂参与度：学生参与课堂讨论、提问和回答问题的积极性。
2. 小组讨论报告：学生分组讨论的技术发展趋势和应用前景报告。
3. 课后作业：学生完成的课后编程练习和思考题。
4. 期末考试：考查学生对基本原理和应用领域的掌握程度。
六、教学安排1. 课时：共计32课时，每课时45分钟。
2. 授课方式：线上线下相结合，以线下授课为主。
3. 教学进程：第1-4课时：的定义与发展历程第5-8课时：的基本原理第9-12课时：的技术应用第13-16课时：典型技术应用案例分析第17-20课时：小组讨论技术的发展趋势和应用前景第21-24课时：实践操作，体验技术第25-28课时：课堂讨论与问答第29-32课时：期末考试七、教学活动1. 授课：讲解的基本概念、发展历程、基本原理和应用领域。
2. 案例分析：分析典型的技术应用案例，如智能语音识别、智能等。
4. 实践操作：引导学生动手实践，如使用Python、TensorFlow等编程工具。
人工智能技术导论第三版教学大纲
人工智能技术导论第三版教学大纲课程简介本门课程是一门介绍人工智能技术基础的入门课程，主要涵盖人工智能的概念、技术、算法、应用等方面。
通过该课程的学习，学生将掌握人工智能的基本理论、方法和应用，培养人工智能技术的思想和方法，为深入研究人工智能领域奠定基础。
课程目标1.了解人工智能的基本概念，了解人工智能的历史和发展；2.了解人工智能的技术体系和持续发展趋势；3.掌握人工智能的算法和函数，学习人工智能的数学基础；4.理解人工智能在现实生活中的应用和可行性；5.培养独立思考，为进一步研究人工智能技术奠定基础。
教学内容第一章人工智能技术概述•人工智能的定义、目标和基本原理；•人工智能的历史和发展。
第二章人工智能技术体系•人工智能技术体系的框架和组成部分；•人工智能技术体系的分类和应用领域。
第三章人工智能数学基础•数据结构和算法；•数学基础，包括线性代数和概率统计。
第四章人工智能算法和函数•人工智能算法：遗传和进化算法、神经网络、模糊系统、支持向量机等；•人工智能函数：评估、归一化、压缩、规范化等。
第五章人工智能应用•人工智能在游戏、机器人、生产和自动化控制等方面的应用；•人工智能在医学、金融、法律和教育等领域的应用。
学习方法•授课和讲解之间交替，注重图示和例子；•课后推荐学习资料，包括论文、书籍、课程和视频；•课题研究和实践纪要。
评估方式•平时成绩：30%，出席情况和课堂表现；•期中考试：30%，考察理论与其应用；•期末考试：40%，综合性考试。
参考资料1.《人工智能导论》，彼得·诺弗斯（Peter Norvig）、斯图尔特·罗素（Stuart Russell）著，唐娟、杨洋译，人民邮电出版社，2004年。
2.《人工智能多种技术和应用》（第2版），叶蓉、李新民等编著，高等教育出版社，2009年。
3.《人工智能基础及其进展》，赵瑞曼、叶汉君著，人民邮电出版社，2015年。
4.《机器学习》，周志华著，清华大学出版社，2016年。
2024年《人工智能》详细教学大纲
结合语音识别和自然语言处理技术，对语音中的情感进行 分析和识别，是实现智能语音交互的重要研究方向。
18
05 计算机视觉技术与应用
2024/2/29
19
图像处理和计算机视觉基础概念
1 2
图像处理基础
像素、分辨率、色彩空间、图像变换等基本概念 。
计算机视觉概述
视觉感知、视觉计算模型、视觉任务分类等。
能力目标
能够运用所学知识分析和 解决人工智能领域的实际 问题，具备一定的实践能 力和创新能力。
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。
5
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。
分割（如FCN、U-Net）等。
2024/2/29
03
实例分割与语义分割
Mask R-CNN、PANet等实例分割方法；DeepLab、PSPNet等语义分
割方法。
21
三维重建、视频理解等前沿技术介绍
三维重建技术
基于多视图的三维重建、基于深度学习的三维重建（如体素网格 、点云处理）等。
视频理解技术
马尔科夫决策过程在强化学习中的应用
03
将强化学习问题建模为马尔科夫决策过程，利用求解方法求解
最优策略。
25
智能推荐系统、游戏AI等应用场景分析
智能推荐系统
利用强化学习技术，根据用户历史行为和环境反馈，学习推荐策略，实现个性化推荐。例 如，电商平台的商品推荐、音乐平台的歌曲推荐等。
《人工智能导论》课程教学大纲
90%
离散型 Hopfield 网 络 、 连 续 型
Hopfield 网络、卷积运算、池化、卷
积网络的手写体数字识别。
人脑视觉机理、深度学习的基本思
40% 50% 40%
10%
想、人工智能的概念、人工智能研宄的
基本内容、神经元数学模型
合计
100% 100% 100%
100%
各考核方式占总成绩权重（自行賦值）
掌握连续 Hopfield 神经网络 用于优化计算的
一般步骤。
掌握连续 Hopfield 神经网络的
结构和运行机制，理 解连续 Hopfield 神经 网络用于优化计算
的基本原理。能够针
对创新点开展切实 有效的理论和应用 研究
目标 5.1
注：1.此表可用于课内实践教学环节或某门综合实践课程
2.实验类型：选填”验证性/综合性/设计性”；实习类型：选填“认识实习/生产实习/毕业实习”
对人工智能课程
与模拟，并能够理解其局限 工程实际中遇到的技术难题，
的各个章节产生
性。
兴趣，从而促进
具有扎实的理论基础、宽阔的
支撑指标点：5.2 能够在物 学习热情，在之
专业视野，具有计算机软硬件 联网领域复杂工程问题的 后的理论教学中
相关产品分析、开发、测试和
能更好地理解技
维护能力，能够用系统的观点 建模、模拟或解决过程中， 术的先进性与实
实习项 号
目名称
教学内容
实验 学或实思政融 时 习 类 入点
型2
学生学习 预期成果
课程目标
做
实验要
参 考 A*
具有批
熟悉和掌握启
A* 算 法 算 法 核 心 代
《人工智能导论》课程教学大纲-电子科技大学
《人工智能导论》课程教学大纲课程标号：学时：32 学分：2先修课程：《计算机原理及应用》、《数据结构》、《计算机控制技术》、一．课程性质与目的本课程是自动化专业的选修课。
本门课程的任务是使学生对人工智能的发展概况、基本原理和应用领域有初步了解，对主要技术及应用有一定掌握，领悟到智能理论发展历程中所包含的深刻的科学逻辑和方法论。
启发学生对人工智能的兴趣。
通过学习，学生能够知道什么时候需要某种合适的人工智能方法用于给定的问题，并能够选择适当的实现方法。
二．教学内容和要求1.人工智能概述，包括人工智能的定义，人工智能的起源与发展，人工智能的研究和应用领域。
2.概括地论述知识表示的各种主要方法，包括状态空间法、问题归约法、谓词逻辑法、结构化表示法（语义网络法、框架）、剧本和过程等。
3.讨论常用搜索原理，如盲目搜索、启发式搜索和消解原理等。
4.讨论一些比较高级的推理求解技术，有规则演绎系统、系统组织技术、不确定性推理和非单调推理等。
5.探讨人工智能的新研究领域，初步阐述计算智能的基本知识，包含神经网络、模糊逻辑、遗传算法等。
6.比较详细地讨论人工智能的主要应用，包括专家系统、机器学习、Agent、自然语言理解和智能控制等。
对于应用内容，根据学时，有选择地进行讲授。
7.简要讲述人工智能语言，有Lisp语言和Prolog语言。
（根据学时需要决定是否讲授。
）三．教材和参考资料教材：1.蔡自兴，徐光祐。
人工智能及其应用，第三版，本科生用书。
清华大学出版社，2003。
参考资料：廉师友. 人工智能技术导论, 第二版. 西安电子科技大学出版社, 2002 ；沟口理一郎、石田亨，人工智能，科学出版社，2003。
2024版《人工智能》课程教学大纲
计算机体系结构
理解计算机硬件组成、操 作系统及基本工作原理。
数据结构与算法
掌握基本数据结构（如数 组、链表、栈、队列等） 和常用算法（如排序、查 找等）。
计算机网络
了解网络协议、网络架构 及网络安全等基础知识。
数学基础
线性代数
掌握向量、矩阵、线性方程组等基本概念和运算。
概率论与数理统计
理解概率分布、随机变量、数理统计等基本概念 和方法。
介绍神经网络优化的一些常用方 法，如梯度下降、动量法、
Adam等优化算法的原理和应用。
卷积神经网络（CNN）
卷积层
池化层
讲解卷积层的工作原理和实 现方法，包括卷积核、步长、 填充等概念。
介绍池化层的作用和实现方 法，包括最大池化、平均池 化等。
CNN模型
介绍一些经典的CNN模型， 如LeNet-5、AlexNet、 VGGNet、GoogLeNet、 ResNet等，并分析其网络结 构和特点。
无监督学习
K-均值聚类
层次聚类
将数据划分为K个簇，使得同一簇内的数据尽 可能相似，不同簇间的数据尽可能不同。
通过不断将数据点或已有簇合并成新的簇， 直到满足某种停止条件。
主成分分析（PCA）
自编码器
通过线性变换将原始数据变换为一组各维度 线性无关的表示，可用于高维数据的降维。
一种神经网络结构，通过编码器和解码器对 输入数据进行压缩和重构，实现特征提取和 降维。
句ห้องสมุดไป่ตู้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。
人工智能导论教学大纲
人工智能导论教学大纲人工智能导论教学大纲人工智能（Artificial Intelligence，简称AI）是一门涵盖多个学科领域的前沿科技，它的发展和应用对于现代社会的发展具有重要意义。
为了更好地推动人工智能的研究和应用，培养人才成为至关重要的任务。
本文将介绍一份人工智能导论教学大纲，旨在帮助学生全面了解人工智能的基本概念、原理和应用。
一、导论在导论部分，将介绍人工智能的定义、发展历程以及当前的研究热点。
通过引入一些具体的应用案例，可以让学生对人工智能的重要性和广泛应用有一个初步的认识。
二、人工智能的基本概念在这一部分，将介绍人工智能的基本概念，如机器学习、深度学习、自然语言处理等。
通过对这些概念的解释和实例的引用，可以帮助学生建立对人工智能的整体认知。
三、人工智能的核心技术在这一部分，将介绍人工智能的核心技术，如数据挖掘、模式识别、推理与规划等。
通过对这些技术的解释和实际案例的分析，可以帮助学生了解人工智能技术的基本原理和应用场景。
四、人工智能的应用领域在这一部分，将介绍人工智能在各个领域的应用，如医疗健康、金融、交通等。
通过对这些应用案例的分析和讨论，可以帮助学生了解人工智能在不同领域的具体应用和前景。
五、人工智能的伦理和社会影响在这一部分，将介绍人工智能的伦理问题和社会影响。
通过对人工智能在隐私、就业、道德等方面的影响进行讨论，可以帮助学生思考人工智能的发展对社会和个人产生的影响，以及如何应对相关问题。
六、人工智能的发展趋势在这一部分，将介绍人工智能的发展趋势和未来展望。
通过对人工智能技术的前沿研究和应用领域的展望，可以帮助学生了解人工智能的发展动态，激发他们对人工智能研究的兴趣。
七、实践项目在这一部分，将组织学生进行人工智能相关的实践项目。
通过实际操作和实践经验的积累，可以帮助学生更好地理解人工智能的原理和应用，并培养他们的创新能力和问题解决能力。
八、总结与展望在这一部分，将对整个课程进行总结，并对人工智能的未来发展进行展望。
人工智能导论课程教学大纲
人工智能导论课程教学大纲《人工智能导论》课程教学大纲（二零零六年六月）一、课程名称中文名称: 人工智能导论英文名称:Introduction To Artificial Intelligence二、课程简介人工智能是计算机科学的一门前沿与交叉学科，本课程全面介绍人工智能的基础理论和基本技术，主要包括: 人工智能的发展及其研究领域; 知识的各种表达方法基本的问题求解技术（重点介绍启发式搜索技术）; 人工神经网络的基本结构与学习方法; 初步了解遗传算法、机器学习、模式识别等应用领域。
三、适用专业自动化本科专业信息管理和信息系统本科专业四、本门课程在教学计划中的地位、作用和任务“人智能则国智，科技强则国强”这是宋健为人工智能课程的题词。
这一题词充分说明了人工智能与提高民族素质，增强科技实力，建设现代化强国具有极其重要的作用。
现在，人工智能从一门具有实用价值的交叉学科正在成为一个新的、独立的本科专业——智能科学。
通过学习人工智能具有不同背景的各个学科领域的专家都可以从中发现新思想、新方法，从而为自己学科的发展带来革命性的影响。
学生在学习了一系列本科生课程后，再学习人工智能，可以加强程序智能化的训练。
为计算机的智能化和进一步研究智能科学技术打下一个坚实的基础，对提高本科生和研究生创建高品质智能应用系统的能力起着相当重要的作用。
因此本课程在本科学习中处于非常重要的核心地位。
五、课程内容和教学要求1、内容:第一章: 绪言(1) 人工智能的概念(2) 人工智能的研究方法与研究领域(3) 人工智能的发展方向第二章: 知识表示(1) 知识与知识表示(2) 基本的确定性知识表示方法第三章: 基本的问题求解方法(1) 状态图与状态空间(2) 广度优先状态图搜索技术(3) 深度优先搜索算法(4) 启发式搜索技术(5) 与或图概念与搜索1第四章: 机器学习(1) 机器学习的概念(2) 机器学习的分类(3) 一个简单机器学习例子第五章: 人工神经网络(1) 人工神经网络的概念(2) 人工神经网络的发展历史(3) 人工神经网络的类型与结构(4) BP 人工神经网络(5) BP 人工神经网络应用第七章: 遗传算法(1) 遗传算法的概念(2) 基本的遗传算法(3) 应用举例2、要求:1) 了解什么是人工智能，人工智能的发展历史及其研究领域;2) 熟悉知识的概念及知识的类型，模糊知识、不确定知识、语义网络及框架表达法等知识表达技术。
人工智能导论教学大纲
人工智能导论教学大纲人工智能发展至今已超过60年时间，近年，随着深度学习技术的应用，人工智能迎来了爆发式增长，不管是工业、农业还是服务业，都可以看到人工智能技术的身影。
那么，人工智能是什么？能做什么？人工智能目前发展到什么程度？人工智能是否会取代人？课程概述“人工智能导论”是关于人工智能领域的通识类课程，主要介绍人工智能的历史、研究现状以及基本理论和方法，授课对象面向计算机专业、人工智能专业等相关专业低年级本科生以及人文各专业的本科生。
课程内容从基础的知识表示以及搜索技术，到机器定理证明以及模糊推理，还涉及计算智能3大领域：遗传算法、群智能以及人工神经网络，最后还给出几个经典的人工智能应用案例。
课程的教学目标是帮助学生了解人工智能的发展和现状，学习和掌握人工智能的基本原理和方法，帮助学生形成对人工智能的相关应用领域的全面认识，激发学生对人工智能的学习兴趣，提供新的思维方法和问题求解手段。
课程大纲01概论课时1.1 课程介绍1.2 人工智能概念1.3 人工智能发展史和研究现状1.4 人工智能三大学派02状态空间知识表示及其搜索技术课时2.1 状态空间法2.2 图搜索2.3 盲目式搜索2.4 启发式搜索03问题归约知识表示及搜索技术课时3.1问题归约法及与或图3.2 与或树的宽度优先搜索与深度优先搜索3.3 博弈与博弈树搜索04谓词逻辑表示与推理技术课时4.1 机器自动推理与命题逻辑4.2 谓词逻辑4.3 消解原理与子句集求解4.4 消解反演与反演求解05模糊逻辑与模糊推理课时5.1 模糊逻辑及模糊集合5.2 模糊集合运算与合成5.3 模糊推理06遗传算法课时6.1生物学背景及遗传算法原理6.2 遗传算法求解优化问题实例07群智能算法课时7.1粒子群算法7.2 蚁群算法08人工神经网络课时8.1 人工神经网络原理8.2 深度学习09人工智能应用案例课时9.1 卓居产品9.2 导盲杖9.3 渐冻人智慧生活眼控轮椅9.4 机器学习9.5 遥感影像参考资料1. 《人工智能及其应用》. 第五版. 蔡自兴，刘丽珏，蔡竞峰，陈白帆. 清华大学出版社. 2016.2. 《人工智能导论》. 李德毅. 中国科学技术出版社，2018.3. 《人工智能导论》（第4版）. 王万良，高等教育出版社，2017.4. 《Artificial Intelligence: A Modern Approach》. Prentice Hall. Stuart J. Russell and Peter Norvig , 1995.5.《机器学习及应用》. 王钰，周志华，周傲英. 清华大学出版社. 2006.6.《简明人工智能》焦李成，刘若辰，慕彩红，刘芳，西安电子科技大学出版社，2019.。
人工智能导论教学大纲4
人工智能导论课程教学大纲课程代码：课程名称：人工智能导论开课学期：5学分/学时：3/32+16课程类型：必修适用专业/开课对象：先修课程：开课单位：团队负责人：责任教授：执笔人：核准院长：一,课程地性质,目地与任务《人工智能导论》是计算机相关专业中一门综合性很强地基础课程,主要内容包含人工智能概述,知识表示,逻辑推理方法,非确定性推理方法,搜索策略,机器学习,人工只能地其它应用领域。
本课程地目地与任务是使学生通过本课程地学习,从人工智能地基本概念入手,由浅入深学习人工智能地各种相关知识,掌握人工智能地相关思想。
本课程除要求学生掌握人工智能地基础知识与理论,重点要求学生学会分析问题地思想与方法,为更深入地学习与今后地实践打下良好地基础。
二,教学内容与教学基本要求1. 人工智能概述（2学时）学习什么是人工智能,人工智能地研究目标,人工智能地研究方法,人工智能地基本研究内容2. 知识表示（6学时）学习知识地概念,知识表示地要求,学习状态空间表示法,谓词逻辑表示法,语义网络表示法,框架表示法。
3. 逻辑推理方法（6学时）了解什么是逻辑推理,逻辑推理地基础,学习自然演绎推理与或形演绎推理地部分方法4. 非确定性推理与方法（6学时）学习非确定性推理中地基本问题,掌握基于概率论地有关理论发展起来地非确定性推理方法,包含基本地概率推理,主观贝叶斯推理,基于可信度地推理,证据理论等。
了解目前再专家系统,信息处理,自动控制等领域广泛应用地依据模糊理论发展起来地模糊推理。
5. 搜索策略（4学时）学习常用地几种搜索策略,包含基于状态空间地盲目搜索,基于状态空间地启发式搜索,基于树地盲目搜索,基于树地启发式搜索6. 机器学习（6个学时）学习机器学习地一些常用算法模型：决策树,贝叶斯模型,支持向量机,聚类算法,神经网络与深度学习,强化学习等。
7. 人工智能地其它应用领域（2个学时）讲述人工智能地其它应用领域：计算机视觉,自然语言处理,智能体。
《人工智能导论》教学大纲.
《人工智能导论》教学大纲.《人工智能导论》教学大纲大纲说明课程代码：3235042总学时：32学时（讲课32学时）总学分：2学分课程类别：限制性选修适用专业：计算机科学与技术，以及有关专业预修要求：C程序设计语言，数据结构课程的性质、目的、任务：人工智能是计算机科学中涉及研究、设计和应用智能机器的一个分支。
本课程是计算机科学与技术，以及有关专业重要的专业方向与特色模块课程之一。
通过本课程的开设，使学生对人工智能的发展概况、基本原理和应用领域有初步了解，对主要技术及应用有一定掌握，启发学生对人工智能的兴趣，培养知识创新和技术创新能力。
课程教学的基本要求：人工智能的研究论题包括计算机视觉、规划与行动、多Agent系统、语音识别、自动语言理解、专家系统和机器学习等。
这些研究论题的基础是通用和专用的知识表示和推理机制、问题求解和搜索算法，以及计算智能技术等。
要求学生掌握这些研究论题的基础知识。
人工智能还提供一套工具以解决那些用其它方法难以解决，甚至无法解决的问题。
这些工具包括启发式搜索和规划算法，知识表示和推理形式，机器学习技术，语音和语言理解方法，计算机视觉和机器人学等。
要求学生掌握利用其中的重要工具解决给定问题的基本方法。
大纲的使用说明：通过适当调节教学内容和学时安排，减少有关章节学时和增加专家系统这一章的学时，本大纲亦可作为《人工智能与专家系统》的课程教学大纲。
大纲正文第一章绪论学时：2学时（讲课2学时）了解人类智能与人工智能的含义，人工智能的发展和应用领域；理解人工智能的内涵。
本章讲授要点：在介绍人工智能概念的基础上，使学生了解本课程所涉知识的重要意义，以及人工智能的应用现状和应用前景。
重点：人工智能的定义、发展，及其应用领域。
难点：对人工智能内涵的理解。
第一节人工智能的定义和发展第二节人类智能和人工智能第三节人工智能的学派及其争论第四节人工智能的研究与应用领域第五节人工智能对人类的影响第二章知识表示学时：6学时（讲课6学时）了解实现知识表示的语义网络法、框架表示法、剧本表示法及过程表示法；理解状态空间法、问题规约法；掌握谓词逻辑法。
《人工智能导论》课程教学大纲
《人工智能导论》课程教学大纲一、课程性质和任务《人工智能导论》课程是计算机科学与技术专业的选修课，通过介绍人工智能的基本思想和方法，为计算机专业本科学生提供最基本的人工智能技术和有关问题的入门知识。
二、课程内容人工智能(Artificial Intelligence) 是50年代中期兴起的一门新兴边缘学科。
既是计算机科学的一个分支，又是计算机科学、控制论、信息论、语言学、神经生理学、心理学、数学、哲学等多种学科相互渗透而发展起来的综合性学科。
40多年来，人工智能研究的发展和取得的成就十分惊人，最近十几年的发展尤为迅速。
人工智能研究的领域十分广泛，涉及专家（咨询）系统、自然语言理解和机器翻译、数据库的智能检索、机器定理证明、自动程序设计、博奕和决策、机器人学、感知问题、组合调度问题、机器学习、分布式人工智能、模式识别、人工神经网络等领域。
三、使用教材：《人工智能极其应用》蔡自兴、徐光佑编清华大学出版社四、课程教学基本要求《人工智能导论》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：1. 理解人工智能的定义、发展历史、研究的领域、课题；2. 掌握人工智能的知识表示（一阶谓词逻辑、谓词演算，语义网络法、框架表示、剧本表示）3. 一般掌握人工智能的搜索技术（盲目搜索、启发式搜索、消解原理）4．一般掌握机器学习的定义、发展历史，掌握机器学习的策略、机械学习、归纳学习、类比学习的概念和结构五、教学学时安排本课程共28学时3学分。
具体教学安排如下：1. 第1章绪论（人工智能定义、发展历史、研究的课题、教学目的、教学要求、教学安排、教材等）：4学时2. 第2章知识表示方法4学时3. 第3章搜索推理技术4学时4. 第4章神经计算模糊计算4学时5. 第7章机器学习4学时6. 习题解答：3学时7. 总复习：3学时8. 考试：2学时六、教学重点本课程需要重点掌握的内容是2、3、4、7章，其余章节只需要一般了解，不作具体要求。
《人工智能导论》教学教案
《导论》教学教案第一章：概述1.1 教学目标让学生了解的定义、发展历程和应用领域。
让学生理解的基本原理和技术。
1.2 教学内容的定义和发展历程。
的应用领域和挑战。
的基本原理和技术。
1.3 教学方法采用讲授法，讲解的定义和发展历程。
采用案例分析法，分析的应用领域和挑战。
采用讨论法，探讨的基本原理和技术。
1.4 教学评估课堂讨论，了解学生对的理解程度。
第二章：机器学习2.1 教学目标让学生了解机器学习的定义、分类和应用。
让学生理解监督学习和无监督学习的基本原理。
2.2 教学内容机器学习的定义和分类。
监督学习和无监督学习的基本原理。
机器学习应用案例。
2.3 教学方法采用讲授法，讲解机器学习的定义和分类。
采用案例分析法，分析监督学习和无监督学习的基本原理。
采用实践操作法，让学生动手实践机器学习算法。
2.4 教学评估课堂讨论，了解学生对机器学习的理解程度。
课后作业，让学生完成一个简单的机器学习项目。
第三章：深度学习3.1 教学目标让学生了解深度学习的定义、原理和应用。
让学生理解神经网络和卷积神经网络的基本概念。
3.2 教学内容深度学习的定义和原理。
神经网络和卷积神经网络的基本概念。
深度学习应用案例。
3.3 教学方法采用讲授法，讲解深度学习的定义和原理。
采用案例分析法，分析神经网络和卷积神经网络的基本概念。
采用实践操作法，让学生动手实践深度学习算法。
3.4 教学评估课堂讨论，了解学生对深度学习的理解程度。
课后作业，让学生完成一个简单的深度学习项目。
第四章：自然语言处理4.1 教学目标让学生了解自然语言处理的定义、原理和应用。
让学生理解词性标注、句法分析和机器翻译的基本概念。
4.2 教学内容自然语言处理的定义和原理。
词性标注、句法分析和机器翻译的基本概念。
自然语言处理应用案例。
4.3 教学方法采用讲授法，讲解自然语言处理的定义和原理。
采用案例分析法，分析词性标注、句法分析和机器翻译的基本概念。
采用实践操作法，让学生动手实践自然语言处理算法。
《人工智能导论》教学教案
授课内容：
一、决策树算法
决策树算法是应用最广的归纳推理算法之一，它是一种逼近离散值函数的方法，对噪声数据有很好的鲁棒性且能够学习析取表达式，决策树学习方法搜索一个完整表示的假设空间，从而避免受限于假设空间的不足，决策树学习的归纳偏置是优先选择较小的树。
二、贝叶斯算法
贝叶斯算法是在不完全情报下，对部分未知的状态进行主观概率估计，然后用贝叶斯公式对发生概率进行修正，最后再利用期望值和修正概率做出最优决策。
第10次课 2 学时
授课内容
深度学习（二）
教学目的
与要求
旨在简要主要介绍神经网络的工作过程：
1）了解神经网络的学习
2）掌握激活函数
3）了解感知机
重点
难点
1）激活函数
教学进程
安排
本节课进行以下内容的授课。
授课内容：
一、讲授神经网络的学习
神经网络的学习也称为训练，指的是通过神经网络所在环境的刺激作用调整神经网络的自由参数，使神经网络以一种新的方式对外部环境做出反应的一个过程。神经网络最大的特点是能够从环境中学习，以及在学习中提高自身性能。经过反复学习，神经网络对其环境会越来越了解。
任务布置
思考什么是机器学习
主要
参考资料
《人工智能导论》课程教案
第6次课 2 学时
授课内容
机器学习（二）
- 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)。
《人工智能导论》教学大纲
大纲说明
课程代码：3235042
总学时：32学时（讲课32学时）
总学分：2学分
课程类别：限制性选修
适用专业：计算机科学与技术，以及有关专业
预修要求：C程序设计语言，数据结构
课程的性质、目的、任务：
人工智能是计算机科学中涉及研究、设计和应用智能机器的一个分支。
本课程是计算机科学与技术，以及有关专业重要的专业方向与特色模块课程之一。
通过本课程的开设，使学生对人工智能的发展概况、基本原理和应用领域有初步了解，对主要技术及应用有一定掌握，启发学生对人工智能的兴趣，培养知识创新和技术创新能力。
课程教学的基本要求：
人工智能的研究论题包括计算机视觉、规划与行动、多Agent系统、语音识别、自动语言理解、专家系统和机器学习等。
这些研究论题的基础是通用和专用的知识表示和推理机制、问题求解和搜索算法，以及计算智能技术等。
要求学生掌握这些研究论题的基础知识。
人工智能还提供一套工具以解决那些用其它方法难以解决，甚至无法解决的问题。
这些工具包括启发式搜索和规划算法，知识表示和推理形式，机器学习技术，语音和语言理解方法，计算机视觉和机器人学等。
要求学生掌握利用其中的重要工具解决给定问题的基本方法。
大纲的使用说明：
通过适当调节教学内容和学时安排，减少有关章节学时和增加专家系统这一章的学时，本大纲亦可作为《人工智能与专家系统》的课程教学大纲。
大纲正文
第一章绪论学时：2学时（讲课2学时）了解人类智能与人工智能的含义，人工智能的发展和应用领域；理解人工智能的内涵。
本章讲授要点：在介绍人工智能概念的基础上，使学生了解本课程所涉知识的重要意义，以及人工智能的应用现状和应用前景。
重点：人工智能的定义、发展，及其应用领域。
难点：对人工智能内涵的理解。
第一节人工智能的定义和发展
第二节人类智能和人工智能
第三节人工智能的学派及其争论
第四节人工智能的研究与应用领域
第五节人工智能对人类的影响
第二章知识表示学时：6学时（讲课6学时）了解实现知识表示的语义网络法、框架表示法、剧本表示法及过程表示法；理解状态空间法、问题规约法；掌握谓词逻辑法。
本章讲授要点：对知识表示的方法进行全面介绍，对于后续章节将涉及的知识表示方法作重点讲解。
重点：状态空间法，谓词逻辑法，以及语义网络法。
难点：采用谓词逻辑法实现知识表示。
第一节状态空间法
第二节问题规约法
第三节谓词逻辑法
第四节语义网络法
第五节框架表示
第六节剧本表示
第七节过程的表示
作业：采用状态空间法和问题规约法实现知识表示；用谓词演算公式表示命题。
第三章搜索原理学时：6学时﹙讲课6学时﹚了解遗传算法、模拟退火算法；理解盲目搜索、启发式搜索；掌握启发式搜索与其它搜索的关系的有关知识。
本章讲授要点：在介绍各种搜索原理的基础上，讲解它们的适用场合，以及它们之间的内在关系。
重点：启发式搜索，及其与其它搜索的关系。
难点：各种搜索方法的适用场合。
第一节盲目搜索
第二节启发式搜索
第三节遗传算法
第四节模拟退火算法
作业：说明宽度优先搜索，等代价搜索，有序搜索的内在关系。
第四章推理技术学时：6学时﹙讲课6学时﹚了解规则演绎系统、不确定性推理的知识；理解消解原理；掌握利用消解原理解决问题的方法。
本章讲授要点：在介绍各种推理技术的基础上，着重阐述消解原理，利用消解原理解决问题的方法，以及消解原理的局限性。
重点：消解原理，利用消解原理解决问题的方法。
难点：利用消解原理解决问题的方法。
第一节消解原理
第二节规则演绎系统简介
第三节产生式系统
第四节不确定性推理
作业：求谓词公式的子句集；用消解原理证明命题。
第五章专家系统学时：2学时﹙讲课2学时﹚了解专家系统的一般特点，类型，结构和建造步骤。
本章讲授要点：概要介绍作为人工智能的一个重要应用领域，专家系统的一般特点和结构，拓宽学生对于人工智能应用研究的知识面。
重点：专家系统的一般特点和结构。
难点：专家系统的结构和建造步骤。
第一节专家系统概述
第二节专家系统的一般特点
第三节专家系统的类型
第四节专家系统的结构和建造步骤
第六章机器学习学时：6学时﹙讲课6学时﹚了解机器学习的研究意义，常用的机器学习方法；理解人工神经网络的原理；掌握基于反向传播网络的学习算法。
本章讲授要点：在介绍常用的机器学习方法的基础上，着重讲解人工神经网络的原理，使学生对于基于反向传播网络的学习算法有较为深刻的理解。
重点：人工神经网络的原理，基于反向传播网络的学习算法。
难点：基于反向传播网络的学习算法。
第一节机器学习的研究意义与发展史
第二节机器学习的基本结构
第三节几种常用的学习方法
第四节人工神经网络
作业：描述给定的反向传播网络的学习过程。
第七章规划系统学时：2学时﹙讲课2学时﹚了解规划的作用与任务；理解基于谓词逻辑的规划方法。
本章讲授要点：使学生了解规划的作用与问题分解途径，体会自动规划与一般问题求解相比，更注重于问题的求解过程，而不是求解结果。
重点：规划的作用与任务，基于谓词逻辑的规划。
难点：基于谓词逻辑的规划。
第一节规划的作用与任务
第二节基于谓词逻辑的规划
第三节STRIPS规划系统
第一节分层规划
第八章 Agent课时：2学时﹙讲课2学时﹚了解分布式人工智能特点，以及Agent在分布式人工智能方面的作用；理解Agent的要素与结构。
本章讲授要点：在分析分布式人工智能特点的基础上，介绍Agent在分布式人工智能方面的作用。
重点：Agent及其要素，Agent的结构。
难点：Agent及其要素。
第一节分布式人工智能
第二节 Agent及其要素
第三节 Agent的结构
第四节 Agent通信
本课程对学生自学的要求：
对本课程的预修课程C程序设计语言和数据结构进行复习，了解离散数学课程中的相关内容。
课前预习，课后完成所布置的作业和思考题，并了解与本课程相关的本专业前沿知识。
考核方式与要求：期末笔试与平时练习
推荐教材与参考书目：
1. 蔡自兴，徐光祐。
人工智能及其应用，第三版，本科生用书。
清华大学出版社，2003。
2. N. J. Nilsson. Artificial Intelligence: A New Synthesis. Morgan Kanfmann, 1998; 机械工业出社，1999。
3．廉师友。
人工智能技术导论，第二版。
西安电子科技大学出版社，2002。