人工智能--教学大纲.docx

《人工智能--教学大纲.docx》由会员分享，可在线阅读，更多相关《人工智能--教学大纲.docx（7页珍藏版）》请在第一文库网上搜索。

1、编码：Code:课程名称：人工智能CourseTit1e:Artificia1Inte11igence课程类别：专业选修Coursecategory:E1ectiveCoursesinSpecia1ty学分：3Credit(s):3开课单位：机械与运载工程学院OfferingCo11egeZSchoo1:Co11egeofMechanica1&Vehic1eEngineering课程描述：人工智能是机械设计制造及其自动化专业智能制造方向的一门专业选修课程。本课程重点讲述了人工智能的基本原理、方法和应用技术，全面介绍了国内外人工智能研究领域的进展和发展方向。通过学习本课程，让学生掌握人工智能的基

2、本原理、概念和应用技术，培养学生在机械工程学科领域中应用人工智能技术分析和解决较复杂问题的能力。Coursedescription:Thiscourseisoneofthee1ectivecorecoursesininte11igentmanufacturingforstudentswhomajorinMechanica1Design&ManufactureandAutomation.Thiscoursefocusesonthebasicprincip1es,methodsandapp1icationsofartificia1inte11igencetechno1ogy.Theprogress

3、anddeve1opmentdirectionathomeandabroadinthefie1dofartificia1inte11igencearea1sointroducedinthiscourse.By1earningthiscourse,1etthestudentsmasterthebasicprincip1es,concepts,andapp1icationsofartificia1inte11igencetechno1ogy,andcu1tivatethestudentsabi1ityofapp1yingtheartificia1inte11igencetechno1ogytoan

4、a1yzeandso1vecomp1exprob1emsinthefie1dofmechanica1engineeringdiscip1ines.课程内容（一）课程教学目标通过本课程的教学，使学生具备以下能力：1 .通过本课程的学习，使学生了解人工智能的基本知识。（毕业要求1.3、1.4）。2 .掌握人工智能的基本原理和方法，培养学生应用人工智能技术解决机械制造领域较复杂问题的能力。（毕业要求1.3、2.3）o3 .掌握人工智能中的机器学习算法，以及利用机器学习算法对具体问题进行分析建模的能力。（毕业要求1.3、4.4）o（二）基本教学内容第一章、绪论教学目的：通过本章的学习，要求学生了解人工

5、智能的发展概况，了解人工智能的基本学派及其特点，了解人工智能的国内外研究现状及未来的发展方向，熟悉人工智能的研究领域。相应毕业要求：1.3教学内容：1.人工智能的定义和发展简史。2 .人工智能的学派及其认知观。3 .人工智能的研究与应用。4 .课程的性质、目的与学习要求。学时分配：课堂教学2学时第二章、知识表示教学目的：通过本章的学习，掌握谓词演算的语法和语义、谓词公式的定义和基本恒等公式和谓词表示的方法；掌握谓语义网络的定义、构成、特点、基本表示方法及推理过程；掌握状态及状态空间的定义、状态图示方法。教学重点：常用的知识表示方法。教学难点：语义网络；框架；状态空间。相应毕业要求：1.3教学内

6、容：1谓词逻辑和产生式系统。2 .语义网络的结构特点、基本表示方法及推理过程。3 .框架的定义、构成、特点、基本表示方法及推理过程。4 .状态及状态空间的定义、状态图示方法。5 .面向对象的知识表示；脚本和主体。学时分配：课堂教学4学时第三章、自动推理教学目的：通过本章的学习，要求学生了解与掌握自动推理方法，包括三段论推理、盲目搜索、回溯策略、启发式搜索、与或图启发式搜索、博弈搜索、归结演绎推理、产生式系统、自然演绎推理和非单调推理。教学重点：盲目搜索中的深度优先搜索、宽度优先搜索和迭代加深搜索：启发式搜索中的启发性信息和评估函数、最好优先算法和通用图搜索算法。教学难点：盲目搜索中的深度优先搜

7、索、宽度优先搜索和迭代加深搜索：启发式搜索中的启发性信息和评估函数、最好优先算法和通用图搜索算法。相应毕业要求：1.3教学内容：1三段论推理。2 .盲目搜索（深度优先搜索、宽度优先搜索和迭代加深搜索）。3 .回溯策略。4 .启发式搜索（启发性信息和评估函数、最好优先算法和通用图搜索算法）。5 .与或图启发式搜索、博弈搜索和归结演绎推理。6 .产生式系统、自然演绎推理和非单调推理。学时分配：课堂教学4学时，小班讨论2学时。第四章、不确定性推理教学目的：通过本章的学习，要求学生理解与掌握不确定性推理方法，包括可信度方法、主观贝叶斯方法、证据理论、模糊逻辑和模糊推理。教学重点：主观贝叶斯方法（知识不

8、确定性的表示、证据不确定性的表示、不确定性的传递算法、结论不确定性的合成）和模糊逻辑与推理。教学难点：知识不确定性的表示、证据不确定性的表示、不确定性的传递算法、结论不确定性的合成和模糊逻辑与推理。相应毕业要求：1.3教学内容：1不确定性推理的基本问题和不确定性推理方法分类。7 .可信度方法。8 .主观贝叶斯方法。9 .证据理论。10 模糊逻辑和模糊推理。学时分配：课堂教学2学时，小班讨论2学时。第五章、机器学习教学目的：通过本章的学习，要求学生了解与掌握机器学习的概念、策略以及几种比较成熟的机器学习方法，包括归纳学习、类比学习、统计学习、强化学习和进化学习等。教学重点：机器学习的概念、策略和

9、机器学习方法。教学难点：机器学习基本原理及其基本过程。相应毕业要求：1.4教学内容：1机器学习概述。11 归纳学习。12 类比学习。13 统计学习。14 强化学习。15 进化计算。16 群体智能。学时分配：课堂教学4学时，小班讨论2学时第六章、神经网络教学目的：通过本章的学习，要求学生了解和掌握神经网络及其结构和学习机理；理解感知器、前馈神经网络、HoPfIe1d网络、随机神经网络、深度学习和自组织神经网络并掌握其应用。教学重点：神经网络及其结构和学习机理。教学难点：前馈神经网络、HoPfieId网络、随机神经网络、深度学习和自组织神经网络。相应毕业要求：1.4、2.3、4.4教学内容：1神经

10、信息处理的基本原理。17 感知器。3,前馈神经网络。4 .Hopfie1d网络。5 .随机神经网络。6 .深度学习。7 .自组织神经网络。第七章、专家系统教学目的：通过本章学习，要求学生了解和掌握专家系统的基本结构、工具和开发环境，并熟悉一些常见新型专家系统。教学重点：专家系统的基本结构、工具和开发环境。教学难点：专家系统的基本结构、工具和开发环境。相应毕业要求：1.4教学内容：1 .专家系统概述。2 .专家系统的基本结构。3 .专家系统工具。4 .专家系统建造。5 .新型专家系统。学时分配：课堂教学4学时.第八章、自然语言处理教学目的：通过本章学习，要求学生了解自然语言处理的基本概念、语法规

11、则的表示方法、语法和语义分析等。教学重点：自然语言处理的一般问题、句法和语义的自动分析、句子的自动理解、语言的自动生成、机器翻译和问答系统。教学难点：句法和语义的自动分析、句子的自动理解、语言的自动生成、机器翻译和问答系统。相应毕业要求：1.4、2.3、4.4教学内容：1 .自然语言处理概述。2 .词法分析和句法分析。3 .语义分析和语用分析。4 .信息检索。5 .机器翻译和问答系统。学时分配：课堂教学4学时教学目的：通过本章学习，要求学生了解智能体的基本概念及其体系结构、通信语言、协调和协作等。教学重点：智能体的基本概念及其体系结构、通信语言、协调和协作。教学难点：智能体的体系结构、通信语言

12、、协调和协作。相应毕业要求：1.4、2.3、4.4教学内容：1 .分布式问题求解。2 .智能体的体系结构、通信语言、协调和协作。3 .移动智能体、多智能体环境MAGE。4 时分配：课堂教学4学时第十章、智能机器人教学目的：通过本章学习，要求学生了解智能机器人的体系结构、现状以及发展趋势。教学重点：机器人视觉系统、机器人规划。教学难点：机器人视觉系统、机器人规划。相应毕业要求：1.4、2.3、4.4教学内容：1 .智能机器人的体系结构。2 .机器人视觉系统。3 .机器人规划。4 .智能机器人应用及发展趋势学时分配：课堂教学2学时第十一章、互联网智能教学目的：通过本章学习，要求学生了解语义Web、

13、本体知识管理、Web技术、Web挖掘、搜索引擎和集体智能等。教学重点：语义Web、本体知识管理、Web技术、Web挖掘、搜索引擎和集体智能。教学难点：语义Web、本体知识管理、Web挖掘、搜索引擎和集体智能。相应毕业要求：1.4、2.3、4.4教学内容：1 .语义Web和本体知识管理。2 .Web技术和Web挖掘。3.搜索引擎和集体智能。学时分配：课堂教学4学时第十二章、类脑智能教学目的：通过本章学习，要求学生了解类脑智能的最新进展以及类脑智能的发展路线图。教学重点：类脑智能的最新进展以及类脑智能的发展路线图。教学难点：类脑智能的最新进展以及类脑智能的发展路线图。相应毕业要求：1.4教学内容：

14、1 .类脑智能的最新进展。2 .类脑智能的发展路线图。学时分配：课堂教学2学时考核方式本课程考核采用闭卷考试的形式期评成绩占比：1.平时成绩（考勤15%、课堂讨论5%、作业30%）占50%2.期末考试成绩（闭卷）占50%持续改进方法1、采用先进的教学手段、方法和教学理念。2、各章节布置一定量的习题。3、机器学习等布置大作业。4、对重点、难点内容安排小班讨论课。5、课后对疑难问题安排答疑。教材及参考书1、史忠植主编.人工智能.机械工业出版社.2、柴玉梅、张坤丽主编.人工智能.机械工业出版社.3、周志华主编.机器学习.清华大学出版社.授课手段（教学方法）本课程的课堂教学学时为40学时，课堂多媒体演示讲解；小班讨论8学时。