《人工智能导论》课程教学大纲-电子科技大学
《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.。
《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。
第⼆章智能程序设计语⾔（5 学时）（⼀）教学要求1．了解常见的⼏种⼈⼯智能程序设计语⾔；2．理解逻辑型程序设计语⾔PROLO；G3．掌握Turbo PROLOG程序设计⽅法及常规程序设计。
（⼆）教学重点与难点教学重点：TURBO PROLO常G规程序设计。
教学难点：PROLOG程序的运⾏机理。
（三）教学内容第⼀节⼈⼯智能语⾔概述1.什么是智能程序设计语⾔2.智能程序设计语⾔的特点第⼆节基本PROLOG语⾔1.PROLOG的语句2.PROLOG的程序构成3.PROLOG程序的运⾏机理第三节PROLOG程序设计1.标准领域2.运算符与表达式3.输⼊与输出4.分⽀程序设计5.循环程序设计6.表处理与递归7.回溯控制本章习题要点：对程序结构和设计⽅法的理解，进⾏分⽀、循环、递归程序设计和调试。
《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、 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。
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， 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 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。
设计和应用智能机器的一个分支。
本课程是计算机 通过本课程的开设， 使学 对主要技术及应用有一定掌握，Agent 系统、 语音识别、自动语重点 ：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。
最新《人工智能》课程教学大纲打印版.doc
《人工智能》课程教学大纲（Artificial Intelligence）课程性质：院公选课适用专业：各专业先修课程：离散数学、数据结构、操作系统原理后续课程：总学分：2学分一、教学目的与要求1．教学目的人工智能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。
本课程要求学生掌握人工智能的基本原理，了解人工智能中常用的基本技术，诸如：知识表示技术、搜索技术、自动推理技术以及专家系统等，同时学会运用Prolog语言求解人工智能的实际问题。
2．教学要求学生必须具有离散数学、程序设计、数据结构、操作系统方面的知识。
二、课时安排三、教学内容1．人工智能概述（4学时）（1）教学基本要求了解：人工智能的发展概况理解：人工智能的概念掌握：人工智能的研究途径与方法、人工智能的分支领域灵活运用：人工智能的基本技术（2）教学内容①人工智能的概念②人工智能的研究途径与方法(重点)③人工智能的分支领域(重点、难点)④人工智能的基本技术(难点)⑤人工智能的发展概况2．人工智能程序设计语言（6学时）（1）教学基本要求了解：人工智能程序设计语言分类掌握：函数型程序设计语言LISP和逻辑型程序设计语言PROLOG灵活运用：Turbo PROLOG程序设计语言（2）教学内容①综述②函数型程序设计语言LISP(重点)③逻辑型程序设计语言PROLOG(重点、难点)④Turbo PROLOG程序设计(难点)3．基于谓词逻辑的机器推理（6学时）（1）教学基本要求理解：谓词及谓词逻辑，形式演绎推理掌握：归结演绎推理灵活运用：应用归结原理求取问题答案了解：Horn子句归结与逻辑程序、非归结演绎推理（2）教学内容①一阶谓词逻辑②归结演绎推理(重点)③应用归结原理求取问题答案(重点、难点)④归结策略⑤归结反演程序举例⑥Horn子句归结与逻辑程序(难点)⑦非归结演绎推理4．图搜索技术（8学时）（1）教学基本要求掌握：状态图搜索方法、与或图搜索方法灵活运用：状态图搜索方法进行问题求解、与或图搜索方法进行问题求解了解：博弈树搜索技术（2）教学内容①状态图搜索(重点、难点)②状态图问题求解(重点)③与或图搜索(重点、难点)④与或图问题求解（难点）⑤博弈树搜索5．产生式系统（4学时）（1）教学基本要求掌握：产生式规则、产生式系统灵活运用：产生式系统了解：产生式系统的程序实现（2）教学内容①产生式规则(重点②产生式系统(重点)③产生式系统与图搜索(重点)④产生式系统的应用⑤产生式系统的程序实现(难点)6．知识表示（4学时）（1）教学基本要求掌握：知识及其表示灵活运用：框架和语义网络（2）教学内容①知识及其表示(重点)②框架(重点、难点)③语义网络(重点、难点)四、授课方式及考核方法1．授课方式讲授2．考核方法考试形式：闭卷或论文写作课程成绩构成：平时成绩占30％，期末考试成绩占70％。
《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.。
人工智能课程教学大纲教案
人工智能导论课程教学大纲教案课程代码：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、课程的性质、目的与任务《人工智能导论》是计算机相关专业中一门综合性很强的基础课程，主要内容包括人工智能概述、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、人工只能的其他应用领域。
本课程的目的与任务是使学生通过本课程的学习，从人工智能的基本概念入手，由浅入深学习人工智能的各种相关知识，掌握人工智能的相关思想。
本课程除要求学生掌握人工智能的基础知识和理论，重点要求学生学会分析问题的思想和方法，为更深入地学习和今后的实践打下良好的基础。
二、教学内容及教学基本要求1. 人工智能概述（2学时）学习什么是人工智能、人工智能的研究目标、人工智能的研究方法、人工智能的基本研究内容2. 知识表示（6学时）学习知识的概念、知识表示的要求，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、逻辑推理的基础，学习自然演绎推理与或形演绎推理的部分方法4. 非确定性推理及方法（6学时）学习非确定性推理中的基本问题、掌握基于概率论的有关理论发展起来的非确定性推理方法，包括基本的概率推理、主观贝叶斯推理、基于可信度的推理、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的依据模糊理论发展起来的模糊推理。
5. 搜索策略（4学时）学习常用的几种搜索策略、包括基于状态空间的盲目搜索、基于状态空间的启发式搜索、基于树的盲目搜索、基于树的启发式搜索6. 机器学习（6个学时）学习机器学习的一些常用算法模型：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. 人工智能的其他应用领域（2个学时）讲述人工智能的其他应用领域：计算机视觉、自然语言处理、智能体。
《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。
人工智能课程教学大纲
人工智能课程教学大纲一、课程简介本课程旨在介绍人工智能的基本概念、原理和应用，培养学生的人工智能思维和解决问题的能力。
通过理论与实践相结合的方式，帮助学生全面了解人工智能的发展历程和未来趋势，掌握相关技术和工具的使用，为未来的职业发展提供必要的基础知识和能力。
二、教学目标1. 掌握人工智能的基本概念、分类和发展历程；2. 理解人工智能的原理和算法，包括机器学习、深度学习、自然语言处理等；3. 学会使用人工智能相关工具和软件，进行数据处理和模型设计；4. 培养解决问题的思维方式和创新能力，提高学生的综合素质；5. 增强学生对人工智能技术的应用能力，培养他们在实际问题中灵活运用人工智能的能力。
三、教学内容1. 人工智能概述a. 人工智能的定义和发展历程b. 人工智能的分类和应用领域2. 机器学习a. 机器学习的基本概念和算法b. 监督学习、无监督学习和强化学习c. 常见的机器学习模型和算法3. 深度学习a. 深度学习的原理和模型结构b. 卷积神经网络、循环神经网络等常用深度学习模型c. 深度学习在图像识别、语音识别等领域的应用4. 自然语言处理a. 自然语言处理的基本任务和技术b. 词法分析、句法分析、语义分析等自然语言处理方法c. 自然语言处理在机器翻译、文本生成等领域的应用5. 数据挖掘与大数据分析a. 数据挖掘的概念和流程b. 常用的数据挖掘算法和工具c. 大数据分析的基本原理和技术6. 实践案例与项目a. 基于人工智能的实践案例介绍与分析b. 课程项目设计和实施，培养学生的实际操作能力四、教学方法本课程采用多种教学方法相结合的方式，包括但不限于：1. 授课讲解：老师对课程内容进行详细讲解和阐述；2. 实践操作：学生通过使用人工智能工具和软件进行实际操作和练习；3. 小组讨论：学生分成小组进行课堂问题讨论和项目合作；4. 个案分析：分析和讨论相关领域的典型案例，培养学生解决问题和分析能力；5. 课程项目：学生通过完成实际项目，锻炼实践操作和综合素质。
最新《人工智能》课程教学大纲打印版.doc
《人工智能》课程教学大纲（Artificial Intelligence）课程性质：院公选课适用专业：各专业先修课程：离散数学、数据结构、操作系统原理后续课程：总学分：2学分一、教学目的与要求1．教学目的人工智能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。
本课程要求学生掌握人工智能的基本原理，了解人工智能中常用的基本技术，诸如：知识表示技术、搜索技术、自动推理技术以及专家系统等，同时学会运用Prolog语言求解人工智能的实际问题。
2．教学要求学生必须具有离散数学、程序设计、数据结构、操作系统方面的知识。
二、课时安排三、教学内容1．人工智能概述（4学时）（1）教学基本要求了解：人工智能的发展概况理解：人工智能的概念掌握：人工智能的研究途径与方法、人工智能的分支领域灵活运用：人工智能的基本技术（2）教学内容①人工智能的概念②人工智能的研究途径与方法(重点)③人工智能的分支领域(重点、难点)④人工智能的基本技术(难点)⑤人工智能的发展概况2．人工智能程序设计语言（6学时）（1）教学基本要求了解：人工智能程序设计语言分类掌握：函数型程序设计语言LISP和逻辑型程序设计语言PROLOG灵活运用：Turbo PROLOG程序设计语言（2）教学内容①综述②函数型程序设计语言LISP(重点)③逻辑型程序设计语言PROLOG(重点、难点)④Turbo PROLOG程序设计(难点)3．基于谓词逻辑的机器推理（6学时）（1）教学基本要求理解：谓词及谓词逻辑，形式演绎推理掌握：归结演绎推理灵活运用：应用归结原理求取问题答案了解：Horn子句归结与逻辑程序、非归结演绎推理（2）教学内容①一阶谓词逻辑②归结演绎推理(重点)③应用归结原理求取问题答案(重点、难点)④归结策略⑤归结反演程序举例⑥Horn子句归结与逻辑程序(难点)⑦非归结演绎推理4．图搜索技术（8学时）（1）教学基本要求掌握：状态图搜索方法、与或图搜索方法灵活运用：状态图搜索方法进行问题求解、与或图搜索方法进行问题求解了解：博弈树搜索技术（2）教学内容①状态图搜索(重点、难点)②状态图问题求解(重点)③与或图搜索(重点、难点)④与或图问题求解（难点）⑤博弈树搜索5．产生式系统（4学时）（1）教学基本要求掌握：产生式规则、产生式系统灵活运用：产生式系统了解：产生式系统的程序实现（2）教学内容①产生式规则(重点②产生式系统(重点)③产生式系统与图搜索(重点)④产生式系统的应用⑤产生式系统的程序实现(难点)6．知识表示（4学时）（1）教学基本要求掌握：知识及其表示灵活运用：框架和语义网络（2）教学内容①知识及其表示(重点)②框架(重点、难点)③语义网络(重点、难点)四、授课方式及考核方法1．授课方式讲授2．考核方法考试形式：闭卷或论文写作课程成绩构成：平时成绩占30％，期末考试成绩占70％。
《人工智能导论》教学教案
2）讲授人工智能导论的原理
3）讲授人工智能导论的发展历程
4讲授人工智能导论的特征
课后学习
任务布置
尝试在自己的电脑中，自己动手查找人工智能导论的资料
主要
参考资料
《人工智能导论》课程教案
第2次课 2 学时
授课内容
人工智能的研究内容与代表性人物
教学目的
与要求
介绍大数据的定义与特征。
任务布置
回归算法的分类有哪些？
主要
参考资料
《人工智能导论》课程教案
第8次课 2 学时
授课内容
机器学习（四）
教学目的
与要求
旨在介绍机器学习的算法
要求学生应该熟练掌握决策树算法、贝叶斯算法、支持向量机、关联规则、遗传算法等常用的机器学习算法
重点
难点
1）决策树算法
2）贝叶斯算法
3）支持向量机算法
教学进程
安排
一、讲授积神经网络定义卷积神经网络（Convolutional Neural Network，CNN）作为一个深度学习架构被提出时，它的最初诉求是降低对图像数据预处理的要求，以避免烦琐的特征工程。CNN由输入层、输出层以及多个隐藏层组成，隐藏层可分为卷积层、池化层、ReLU层和全连接层，其中卷积层与池化层相配合可组成多个卷积组，逐层提取特征。
二、激活函数
激活函数（Activation Functions）对于人工神经网络模型以及卷积神经网络模型去学习理解非常复杂和非线性的函数来说具有十分重要的作用。神经网络的输出是上一层输入的加权和，所以网络线性关系过于显著，属于线性模型，对于复杂问题的解决存在难度；但是当每个神经元都经过一个非线性函数，那么输出就不再是线性的了，整个网络模型也就是非线性模型，如此一来，网络就能够解决比较复杂的问题，激活函数就是这个非线性函数。
- 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》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。