《人工智能》课程教学大纲
人工智能 课程大纲
人工智能课程大纲第一部分：介绍人工智能（Artificial Intelligence，简称AI）是目前信息技术领域的热门话题，它涉及到机器智能的发展和应用。
本课程旨在帮助学生了解人工智能的基本概念、原理和应用，使他们具备一定的人工智能技术应用能力。
第二部分：课程目标1. 掌握人工智能的基本概念和分类；2. 熟悉人工智能的代表性算法和技术；3. 具备人工智能技术的应用和实践能力；4. 培养学生的创新思维和问题解决能力。
第三部分：课程内容1. 人工智能发展历史和基本概念；2. 人工智能主要技术分类和代表性算法；3. 机器学习、深度学习和神经网络；4. 自然语言处理、图像识别和智能推荐；5. 人工智能在各领域的应用案例。
第四部分：教学方法1. 理论课堂教学：讲授人工智能的基本理论知识；2. 实践教学：通过编程实践，帮助学生掌握人工智能算法和技术；3. 项目案例分析：讲解人工智能在各个领域的应用案例，激发学生创新思维。
第五部分：考核方式1. 平时表现（包括课堂参与、作业完成情况等）占比30%；2. 期中考试占比30%；3. 期末项目实践占比40%。
第六部分：参考教材1. 《人工智能基础》；2. 《Python深度学习》；3. 《机器学习实战》；4. 《神经网络与深度学习》。
第七部分：教学团队本课程由具有丰富教学经验和人工智能实践经验的教师团队共同执教，以确保教学质量和效果。
结语通过本课程的学习，相信学生们能够全面了解人工智能的基本理论和应用技术，为未来在相关领域的发展和应用打下坚实的基础。
希望学生们能够主动参与课程学习和实践，不断提高自身的人工智能技术能力，为社会发展和创新贡献自己的力量。
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。
2024人工智能教学大纲
包括树、图等，对于解决复杂问题有 很大帮助。
2024/1/26
10
03
机器学习
2024/1/26
11
监督学习
线性回归
掌握线性回归的原理和 实现方法，理解损失函 数和优化算法。
逻辑回归
了解逻辑回归的原理和 应用场景，掌握其实现 方法。
。
2024/1/26
离散数学
包括集合论、图论、逻辑等，对于 理解和设计人工智能算法有很大帮 助。
最优化理论
包括梯度下降、牛顿法等优化算法 ，是训练机器学习模型的关键。
8
编程基础
01
02
03
Python编程
Python是人工智能领域最 常用的编程语言之一，需 要掌握基本的语法、数据 结构、函数等。
2024/1/26
C编程
对于需要高性能计算的应 用，C是一个重要的选择 ，需要掌握基本的语法、 指针、内存管理等。
Java编程
Java在大数据处理和分布 式计算中有广泛应用，需 要掌握基本的语法、面向 对象编程、异常处理等。
9
数据结构与算法
基本数据结构
包括数组、链表、栈、队列等，是编 程的基础。
高级数据结构
算法设计与分析
卷积神经网络的训练与调优
掌握卷积神经网络的训练方法和调优技巧，如数据增强、迁移学习、 模型融合等。
17
循环神经网络
循环神经网络基础
理解循环神经网络（RNN）的 基本原理和实现细节，包括循 环层、时间步长等概念。
长短期记忆网络（LSTM ）
掌握LSTM的原理和实现细节 ，了解其在处理序列数据中的 长期依赖问题方面的优势。
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- Keras3.3 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6.2 人工智能的法律问题- 数据保护法与隐私权- 人工智能专利与知识产权- 算法歧视与公平性第七章：人工智能未来发展趋势7.1 人工智能的挑战和机遇- 人工智能的挑战与限制- 人工智能带来的机遇与可能性7.2 人工智能与人类的关系- 人工智能助力人类创新与发展- 人工智能对就业和教育的影响总结与展望本教学大纲全面介绍了人工智能的基本概念、机器学习、深度学习、自然语言处理、计算机视觉等领域的基础知识与应用。
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.- Sebastian Raschka, Vahid Mirjalili. Python Machine Learning [M]. Packt Publishing, 2017.- Dan Jurafsky, James H. Martin. Speech and Language Processing [M]. Pearson, 2019.备注：该人工智能课程教学大纲仅作参考，实际课程内容和安排可能会根据教师和学校要求进行调整。
人工智能课程教学大纲
《人工智能》课程教学大纲课程代码：H0404X课程名称：人工智能适用专业：计算机科学与技术专业及有关专业课程性质：本科生专业基础课（学位课）主讲教师：中南大学信息科学与工程学院智能系统与智能软件研究所蔡自兴教授总学时：40学时（课堂讲授36学时，实验教学4学时）课程学分：2学分预修课程：离散数学，数据结构一. 教学目的和要求：通过本课程学习，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。
人工智能涉及自主智能系统的设计和分析，与软件系统、物理机器、传感器和驱动器有关，常以机器人或自主飞行器作为例子加以介绍。
一个智能系统必须感知它的环境，与其它Agent和人类交互作用，并作用于环境，以完成指定的任务。
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。
此外，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。
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. 课程内容简介人工智能的主要讲授内容如下：1.叙述人工智能和智能系统的概况，列举出人工智能的研究与应用领域。
2.研究传统人工智能的知识表示方法和搜索推理技术，包括状态空间法、问题归约法谓词逻辑法、语义网络法、盲目搜索、启发式搜索、规则演绎算法和产生式系统等。
3.讨论高级知识推理，涉及非单调推理、时序推理、和各种不确定推理方法。
4.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，包含神经计算、模糊计算、进化计算和人工生命诸内容。
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-2024鲜版
卷积神经网络在图像处理中的应用
2024/3/27
卷积层与池化层
解释卷积层如何通过卷积核提取图像特征，池化层如何降低数据 维度，减少计算量。
经典卷积神经网络结构
介绍LeNet-5、AlexNet、VGGNet等经典卷积神经网络的结构和 特点。
图像分类与目标检测
阐述卷积神经网络在图像分类和目标检测任务中的应用，包括数据 集、评估指标等。
目标检测
讲解目标检测的任务和方法，包括基于滑动窗口的目标检测、基于区域提议的目标检测等 ，以及常见的目标检测算法，如R-CNN、Fast R-CNN、Faster R-CNN等。
图像分割
介绍图像分割的概念和方法，包括基于阈值的分割、基于边缘的分割、基于区域的分割等 ，以及常见的图像分割算法，如K-means聚类、水平集方法等。
人工智能课程教学大纲
2024/3/27
1
目录
2024/3/27
• 课程介绍与目标 • 基础知识与技能 • 机器学习原理及方法 • 深度学习原理及应用 • 自然语言处理技术 • 计算机视觉技术 • 人工智能伦理、法律和社会影响
2
01
课程介绍与目标
Chapter
2024/3/27
3
人工智能定义及应用领域
图像描述生成
讲解图像描述生成的基本方法和模型，包括基于卷积神经 网络和循环神经网络的方法，介绍图像描述生成的评估指 标和优化方法。
23
06
计算机视觉技术
Chapter
2024/3/27
24
图像识别、目标检测等基础知识
2024/3/27
图像识别
介绍图像识别的基本原理，包括特征提取、分类器设计等，以及常见的图像识别算法，如 卷积神经网络（CNN）。
人工智能》教学大纲
人工智能》教学大纲2．掌握Prolog语言的基本语法和常用操作；3．能够编写简单的Prolog程序，并能够运行和调试；4．了解Prolog语言在人工智能中的应用。
第三章搜索算法基本内容和要求：1．掌握深度优先搜索、广度优先搜索、启发式搜索等搜索算法的基本思想和实现方法；2．能够应用搜索算法解决一些典型问题；3．了解搜索算法在人工智能中的应用。
第四章知识表示与推理基本内容和要求：1．掌握命题逻辑、一阶逻辑等知识表示方法；2．了解基于规则、框架、语义网络等知识表示方法；3．掌握归结方法、前向推理、后向推理等推理方法；4．能够应用知识表示与推理解决一些典型问题。
第五章不确定性推理基本内容和要求：1．了解不确定性推理的基本概念和方法；2．掌握贝叶斯定理及其应用；3．掌握条件概率、独立性、条件独立性等概念；4．能够应用不确定性推理解决一些典型问题，如垃圾邮件过滤等。
五、教材和参考书目1）主教材：Stuart Russell。
Peter Norvig。
Artificial Intelligence: A Modern Approach。
3rd n。
Prentice Hall。
2009.2）参考书目：___。
机器研究。
___。
2016.___。
统计研究方法。
___。
2012.___。
___。
2017.六、教学进度安排第一周人工智能概述第二周逻辑程序设计语言Prolog第三周搜索算法第四周知识表示与推理第五周不确定性推理第六周期中考试第七周至第十周课程实验第十一周至第十三周课程实验第十四周课程总结与复第十五周期末考试一实验（实训）内容产生式系统实验学时分配4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。
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。
二实验（实训）内容搜索策略实验学时分配4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。
《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35464628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号名称配1)了解PROLOG语言中常1) Prolog运转环境；量、变量的表示方法；实分支2)使用PROLOG举行事实验与循实库、规则库的编写；库、规则库的编写方法；环程3)分支程序设计；一序设4)循环程序设计；一计5)输入出程序设计。
5)掌握PROLOG输入输出程序设计；1）了解PROLOG中的谓词1)谓词asserta和递归实与表实处理验程序二设计4）掌握PROLOG表处理程4)综合应用程序设计。
《人工智能》教学大纲
《人工智能》教学大纲人工智能教学大纲一、引言人工智能（Artificial Intelligence, AI）是现代科技发展的热点领域，其在各个行业中的应用不断深入。
AI教育的重要性与日俱增，为了适应时代的发展潮流，我们设计了本教学大纲，旨在引导学生系统地学习人工智能的基本概念、原理和应用，培养学生的AI思维和技术能力。
二、课程目标本课程旨在使学生掌握以下知识和技能：1. 理解人工智能的基本概念和发展历程；2. 掌握人工智能的核心算法和模型，如机器学习、深度学习等；3. 理解人工智能在各个领域的应用，并能够灵活运用相关技术解决实际问题；4. 培养学生的创新思维和团队合作能力，在人工智能领域具备综合素质。
三、教学内容与进度安排1. 第一阶段：人工智能概述（2周）- 人工智能的定义与分类- 人工智能在社会与经济中的地位与作用- 人工智能的发展历程及国内外研究进展2. 第二阶段：机器学习基础（4周）- 机器学习的基本概念与算法- 监督学习、无监督学习和半监督学习- 常见机器学习算法的原理与应用- 机器学习在图像处理、自然语言处理等领域的应用案例3. 第三阶段：深度学习与神经网络（5周）- 深度学习的基本原理与核心概念- 深度神经网络的结构与训练方法- 常见深度学习网络，如卷积神经网络、循环神经网络等 - 深度学习在计算机视觉、语音识别等领域的应用案例4. 第四阶段：人工智能应用与伦理（3周）- 人工智能在医疗、金融、智能交通等领域的应用案例 - 人工智能伦理与社会影响的讨论- 人工智能发展趋势与未来展望5. 第五阶段：实践项目与实验（4周）- 结合实际问题，进行人工智能算法的实践应用- 利用开源框架进行人工智能模型的训练与调优- 团队合作，完成人工智能项目的设计与实施四、教学方法与评价方式1. 教学方法- 授课结合案例分析，通过实例让学生更好地理解与应用知识；- 布置作业与小组讨论，培养学生的独立思考和合作能力；- 项目实践与实验，提升学生的动手能力与创新思维。
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2.4.2 人工智能对就业市场的影响2.4.3 人工智能的隐私与安全问题【三、教学方法与手段】3.1 授课方法3.1.1 讲授：通过理论讲解传授基本概念、原理和算法知识；3.1.2 实践：通过实验、案例分析和项目实践培养学生的动手能力和解决问题的能力；3.1.3 讨论：通过课堂讨论激发学生的思维，培养创新能力。
- 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》课程教学大纲
课程代码：H0404X
课程名称：人工智能
适用专业：运算机科学与技术专业及有关专业
课程性质：本科生专业基础课﹙学位课﹚
主讲教师：中南大学信息科学与工程学院智能系统与智能软件研究所蔡自兴教授
总学时：40学时﹙课堂讲授36学时，实验教学4学时﹚
课程学分：2学分
预修课程：离散数学，数据结构
一.教学目的和要求：
通过本课程学习，使学生对人工智能的进展概况、差不多原理和应用领域有初步了解，对要紧技术及应用有一定把握，启发学生对人工智能的爱好，培养知识创新和技术创新能力。
人工智能涉及自主智能系统的设计和分析，与软件系统、物理机器、传感器和驱动器有关，常以机器人或自主飞行器作为例子加以介绍。
一个智能系统必须感知它的环境，与其它Agent和人类交互作用，并作用于环境，以完成指定的任务。
人工智能的研究论题包括运算机视觉、规划与行动、多Agent系统、语音识别、自动语言明白得、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，以及运算智能技术等。
此外，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，语音和语言明白得方法，运算机视觉和机器人学等。
通过学习，学生能够明白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.课程内容简介
人工智能的要紧讲授内容如下：
1.叙述人工智能和智能系统的概况，列举出人工智能的研究与应用领域。
2.研究传统人工智能的知识表示方法和搜索推理技术，包括状态空间法、问题归约法谓词逻辑法、语义网络法、盲目搜索、启发式搜索、规则演绎算法和产生式系统等。
3.讨论高级知识推理，涉及非单调推理、时序推理、和各种不确定推理方法。
4.探讨人工智能的新研究领域，初步阐述运算智能的差不多知识，包含神经运算、模糊运算、进化运算和人工生命诸内容。
5.比较详细地讨论了人工智能的要紧应用，包括专家系统、机器学习、自动规划、Agent、自然语言明白得、机器视觉和智能操纵等。
关于应用内容，依照学时，有选择地进行讲授。
6.评述近年来人工智能的争辩，讨论人工智能对人类经济、社会和文化的阻碍，展望人工智能的进展。
以上内容反映了人工智能的最新进展，理论联系实际，具有专门好的针对性。
三.教学内容和学时安排
教学内容的章节和学时安排如下（总学时40，其中实验4学时，课堂必学内容30学时，选学内容为12学时中选6学时，即第八章至第十二章中选3章简要讲授）：
第一章绪论﹙2学时﹚
1.1 人工智能的定义和进展
1.2 人类智能和人工智能
1.3 人工智能各学派的认知观
1.4 人工智能的研究与应用领域
第二章知识表示方法﹙6学时﹚
2.1 状态空间法
2.2 问题规约法
2.3 谓词逻辑法
2.4 语义网络法
2.5 框架表示
2.6 剧本表示
2.7 过程的表示
第三章搜索推理技术﹙6学时﹚
3.1 图搜索策略
3.2 盲目搜索
3.3 启发式搜索
3.4 消解原理
3.5 规则演绎系统
3.6 产生式系统
3.7 系统组织技术
3.8 不确定推理
3.9 非单调推理
实验一. 产生式系统的推理﹙2学时﹚
第四章运算智能（1）：神经运算模糊运算﹙4学时﹚
4.1概述
4.2神经运算
4.3模糊运算
第五章运算智能（2）：进化运算人工生命﹙2学时﹚
5.1 遗传算法
5.2 进化策略
5.3 进化编程
5.4 人工生命
第六章专家系统﹙4学时﹚
6.1 专家系统概述
6.2 基于规则的专家系统
6.3 基于框架的专家系统
6.4 基于模型的专家系统
6.5 新型专家系统
6.6 专家系统的设计
6.7 专家系统开发工具
第七章机器学习﹙4学时﹚
7.1 机器学习的定义和进展历史
7.2 机器学习的要紧策略和差不多结构
7.3 机械学习
7.4 归纳学习
7.5 类比学习
7.6 说明学习
7.7 神经学习
7.8 知识发觉
第八章自动规划﹙2学时﹚（可选）
8.1 规划系统的定义与任务
8.2 积木世界的机器人规划
8.3 STRIPS规划系统
8.4具有学习能力的规划系统
8.5分层规划
8.6基于专家系统的规划
实验二. 移动机器人的路径规划与行为决策﹙2学时﹚第九章艾真体（Agent）﹙2学时﹚（可选）
9.1 分布式人工智能
9.2 Agent及其要素
9.3 艾真体的结构
9.4 艾真体通信
9.5 多艾真体系统
第十章机器视觉﹙2学时﹚（可选）
10.1图像的明白得与分析
10.2积木世界的景物分析
10.3视觉的知识表示与操纵策略
10.4物体形状的分析与识别
第十一章自然语言明白得﹙2学时﹚（可选）
11.1自然语言明白得的一样问题
11.2句法和语义的自动分析
11.3句子的自动明白得
11.4语言的自动生成
11.5自然语言明白得系统应用举例
第十二章智能操纵﹙2学时﹚（可选）
12.1智能操纵的进展与定义
12.2智能操纵的结构理论与特点
12.3智能操纵系统
12.4智能操纵的应用领域
第十三章人工智能的展望﹙2学时﹚
13.1人工智能的争辩
13.2人工智能对人类的阻碍
13.3对人工智能的展望
四. 教学进度表
专业名称 年级
课堂教学时数 36 课程名称 人工智能
总学时数
实验时数 4 主讲教师
其
它
*第九章至第十二章，由主讲教师决定选授其中的两章。
任课老师教研室主任
五.教材及要紧参考书
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。