《人工智能》教学大纲 课程编码：1512105802 课程名称：人工智能 学时/学分：32/2 先修课程：《离散数学》、《数据结构》 适用专业：信总与计算科学 开课教研室：信息与计算科学教研室 一、课程性质与任务 1.课程性质：《人工智能》是信息与计算科学专业的一门重要的选修课。 2.课程任务：本课程介绍如何用计算机来模拟人类智能，即如何用计算机实现诸如问 题求解、规划推理、模式识别、知识工程、自然语言处理、机器学习等只有人类才具备的 智能”，使得计算机更好地为人类服务。 二、课程教学基本要求 掌握人工智能的基础知识和基本技能以及人工智能的一般应用。 成绩考核形式：期终成绩（闭卷考查）(7%)+平时成绩（平时测验、作业、课堂提问、 课堂讨论等)(30%)。成绩评定采用百分制，60分为及格。 三、课程教学内容 第一章绪论 1.教学基本要求 理解和掌握人工智能的定义、特点及研究途径，了解人工智能的诞生、发展及其研究 领域。 2.要求学生掌握的基本概念、理论、技能 通过本章学习，使学生能准确理解和掌握人工智能的定义、特点及研究途径，了解人 工智能的诞生、发展及其研究领域。 3.教学重点和难点 教学重点是人工智能的定义、特点。教学难点是人工智能研究的各个学派。 4.教学内容 第一节人工智能的定义与发展 1.人工智能的定义 2.人工智能的起源与发展 第二节 人类智能与人工智能
《人工智能》教学大纲 课程编码：1512105802 课程名称：人工智能 学时/学分：32/2 先修课程：《离散数学》、《数据结构》 适用专业：信息与计算科学 开课教研室：信息与计算科学教研室 一、课程性质与任务 1．课程性质：《人工智能》是信息与计算科学专业的一门重要的选修课。 2．课程任务：本课程介绍如何用计算机来模拟人类智能，即如何用计算机实现诸如问 题求解、规划推理、模式识别、知识工程、自然语言处理、机器学习等只有人类才具备的" 智能"，使得计算机更好地为人类服务。 二、课程教学基本要求 掌握人工智能的基础知识和基本技能以及人工智能的一般应用。 成绩考核形式：期终成绩（闭卷考查）（70%）＋平时成绩（平时测验、作业、课堂提问、 课堂讨论等）（30％）。成绩评定采用百分制，60 分为及格。 三、课程教学内容 第一章 绪 论 1.教学基本要求 理解和掌握人工智能的定义、特点及研究途径，了解人工智能的诞生、发展及其研究 领域。 2.要求学生掌握的基本概念、理论、技能 通过本章学习，使学生能准确理解和掌握人工智能的定义、特点及研究途径，了解人 工智能的诞生、发展及其研究领域。 3.教学重点和难点 教学重点是人工智能的定义、特点。教学难点是人工智能研究的各个学派。 4.教学内容 第一节 人工智能的定义与发展 1. 人工智能的定义 2. 人工智能的起源与发展 第二节 人类智能与人工智能
1.研究认识过程的任务 2.智能信息处理系统的假设 3.人类智能的计算机模拟 第三节 人工智能的学派及其争论 1.人工智能的主要学派 2.对人工智能基本理论的争论 3.对人工智能技术路线的争论 第四节 人工智能的研究与应用领域 1.问题求解 2.逻辑推理与定理证明 3.自然语言的理解 4.自动程序设计 5.专家系统 6.机器学习 7.人工神经网络 8.机器人学 9.模式识别 10.机器视觉 11.智能控制 12.智能检索 13.智能调度与指挥 14.分布式人工智能与Agent 15.计算智能与进化计算 16.数据挖掘与知识发现 17.人工生命 18.系统与语言工具 第二章知识表示 1.教学基本要求 掌握状态空间法、问题归约法、消词演算法、语义网络法的要点及它们之间的关系： 初步了解框架图表示、面向对象表示、剧本表示、过程表示。 2.要求学生掌握的基本概念、理论、技能 通过本章学习，要求学生掌握状态空间法、问题归约法、谓词演算法、语义网络法的 要点及它们之间的关系
1. 研究认识过程的任务 2. 智能信息处理系统的假设 3. 人类智能的计算机模拟 第三节 人工智能的学派及其争论 1. 人工智能的主要学派 2. 对人工智能基本理论的争论 3. 对人工智能技术路线的争论 第四节 人工智能的研究与应用领域 1. 问题求解 2. 逻辑推理与定理证明 3. 自然语言的理解 4. 自动程序设计 5. 专家系统 6. 机器学习 7. 人工神经网络 8. 机器人学 9. 模式识别 10. 机器视觉 11. 智能控制 12. 智能检索 13. 智能调度与指挥 14. 分布式人工智能与Agent 15. 计算智能与进化计算 16. 数据挖掘与知识发现 17. 人工生命 18. 系统与语言工具 第二章 知识表示 1.教学基本要求 掌握状态空间法、问题归约法、谓词演算法、语义网络法的要点及它们之间的关系； 初步了解框架图表示、面向对象表示、剧本表示、过程表示。 2.要求学生掌握的基本概念、理论、技能 通过本章学习，要求学生掌握状态空间法、问题归约法、谓词演算法、语义网络法的 要点及它们之间的关系
3.教学重点和难点 教学重点是掌握状态空间法、问题归约法、谓词演算法、语义网络法。教学难点是状态 描述与状态空间图示、问题归约机制、置换与合一。 4.教学内容 第一节概述 上.知识表示的基本概念 2.人工智能系统所关心的知识 3.陈述式知识表示与过程式知识表示 第二节 状态空间法 1.问题状态描述 2.状态图示法 3.状态空间表示举 第三节 问题归约法 1.问题归约描述 2.与或图表示 3.问题归约机理 第四节 谓词逻辑法 1.谓词演算 2.谓词公式 3.置换合 第五节 语义网络法 1.二元予以网络的表示 2。多元语义网络的表示 3.连词和量化的表示 4.语义网络的推理过程 第六节 框架表示 1.框架的构成 2。框架的推理 第七节 面向对象表示 1.面向对象基础 2。类与类继承面向对象表示实例 第八节 剧本表示 1.剧本的构成 2.剧本的推理
3.教学重点和难点 教学重点是掌握状态空间法、问题归约法、谓词演算法、语义网络法。教学难点是状态 描述与状态空间图示、问题归约机制、置换与合一。 4.教学内容 第一节 概述 1. 知识表示的基本概念 2. 人工智能系统所关心的知识 3. 陈述式知识表示与过程式知识表示 第二节 状态空间法 1. 问题状态描述 2. 状态图示法 3. 状态空间表示举例 第三节 问题归约法 1. 问题归约描述 2. 与或图表示 3. 问题归约机理 第四节 谓词逻辑法 1. 谓词演算 2. 谓词公式 3. 置换合一 第五节 语义网络法 1. 二元予以网络的表示 2. 多元语义网络的表示 3. 连词和量化的表示 4. 语义网络的推理过程 第六节 框架表示 1. 框架的构成 2. 框架的推理 第七节 面向对象表示 1. 面向对象基础 2. 类与类继承面向对象表示实例 第八节 剧本表示 1. 剧本的构成 2. 剧本的推理
第九节过程式表示 第三章搜索原理 1.教学基本要求 理解和掌握言目搜索和启发式搜索的概念，以及宽度优先搜索算法和深度优先搜索算 法，了解算法。 2.要求学生掌握的基本概念、理论、技能 通过本章学习，使学生能准确理解搜索的概念，掌握目搜索和启发式搜索的概念，以及 宽度优先搜索算法和深度优先搜索算法。 3.教学重点和难点 教学重点是宽度优先搜索算法。教学难点是目搜索和启发式搜索的概念。 4.教学内容 第一节盲目搜索 1.图搜索策略 2.宽度优先搜索 3.深度优先搜索 4,等代价搜索 第二节启发式搜索 1.启发式搜索策略 2.估价函数 3.有序搜索 4.A算法 第三节 遗传算法 1.遗传算法的结构 2.遗传算法的基本原理 3.遗传算法的收敛性 4.。遗传算法的性能 5.进化算法 6。遗传算法展望 第四节 模拟退火算法 1.模拟退火算法的模型 2.模拟退火算法的简单应用 3.模拟退火算法的参数控制问题
第九节 过程式表示 第三章 搜索原理 1.教学基本要求 理解和掌握盲目搜索和启发式搜索的概念，以及宽度优先搜索算法和深度优先搜索算 法，了解 * A 算法。 2.要求学生掌握的基本概念、理论、技能 通过本章学习，使学生能准确理解搜索的概念，掌握目搜索和启发式搜索的概念，以及 宽度优先搜索算法和深度优先搜索算法。 3.教学重点和难点 教学重点是宽度优先搜索算法。教学难点是目搜索和启发式搜索的概念。 4.教学内容 第一节 盲目搜索 1. 图搜索策略 2. 宽度优先搜索 3. 深度优先搜索 4. 等代价搜索 第二节 启发式搜索 1. 启发式搜索策略 2. 估价函数 3. 有序搜索 4. * A 算法 第三节 遗传算法 1. 遗传算法的结构 2. 遗传算法的基本原理 3. 遗传算法的收敛性 4. 遗传算法的性能 5. 进化算法 6. 遗传算法展望 第四节 模拟退火算法 1. 模拟退火算法的模型 2. 模拟退火算法的简单应用 3. 模拟退火算法的参数控制问题
第四章推理技术 1.教学基本要求 理解和掌握消解原理、规则演绎系统和不确定性推理：了解产生式系统。 2.要求学生掌握的基本概念、理论、原理 通过本章学习，使学生能准确理解消解原理和不确定性推理的概念，掌握消解原理。 3.教学重点和难点 教学重点是理解消解原理和不确定性推理的概念。教学难点是用归结反演求取问题的答 案，规则正向演绎推理，规则逆向演绎推理。 4.教学内容 第一节消解原理 1.化为子句集 2.消解推理规则 3.含有变量的消解式 4.消解反演求解过程 第二节 规则演绎系统 1.规则正问演驿系统 2.规则逆向演艺系统 第三节 产生式系统 1产生式系统的组成及表示 2.正向反向推理 第四节 不确定性推理 1.概率推理 2.贝叶斯推理 3.模糊逻辑推理和可能性推理 第五节非单调推理 1.缺省推理 2.非单调推理系统 第五章机器学习 1.教学基本要求 理解和掌握机器学习的含义及其基本原理以及机器学习系统的基本模型：了解机器学 习的传统方法以及各种方法之间的区别与联系。 2.要求学生掌握的基本概念、理论、技能 通过本章学习，使学生能准确理解机器学习的含义以及它在人工智能研究领域的意义
第四章 推理技术 1.教学基本要求 理解和掌握消解原理、规则演绎系统和不确定性推理；了解产生式系统。 2.要求学生掌握的基本概念、理论、原理 通过本章学习，使学生能准确理解消解原理和不确定性推理的概念，掌握消解原理。 3.教学重点和难点 教学重点是理解消解原理和不确定性推理的概念。教学难点是用归结反演求取问题的答 案，规则正向演绎推理，规则逆向演绎推理。 4.教学内容 第一节 消解原理 1. 化为子句集 2. 消解推理规则 3. 含有变量的消解式 4. 消解反演求解过程 第二节 规则演绎系统 1. 规则正向演绎系统 2. 规则逆向演艺系统 第三节 产生式系统 1. 产生式系统的组成及表示 2. 正向反向推理 第四节 不确定性推理 1.概率推理 2.贝叶斯推理 3.模糊逻辑推理和可能性推理 第五节 非单调推理 1. 缺省推理 2. 非单调推理系统 第五章 机器学习 1.教学基本要求 理解和掌握机器学习的含义及其基本原理以及机器学习系统的基本模型；了解机器学 习的传统方法以及各种方法之间的区别与联系。 2.要求学生掌握的基本概念、理论、技能 通过本章学习，使学生能准确理解机器学习的含义以及它在人工智能研究领域的意义