(人工智能)人工智能教学大纲.docx

该【(人工智能)人工智能教学大纲 】是由【碎碎念的折木】上传分享，文档一共【9】页，该文档可以免费在线阅读，需要了解更多关于【(人工智能)人工智能教学大纲 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。〔人工智能〕人工智能详
细教学大纲
《人工智能》教学大纲
课程名称:人工智能英语名称:ArtificialIntelligence课程代码:130234课程性质:专业必修
学分学时数:5/80
适用专业:计算机应用技术
修〔制〕订人:修〔制〕订日期:2022年2月审核人:审核日期:
审定人:审定日期:壹、课程的性质和目的
〔壹〕课程性质
人工智能是计算机科学理论根底争论的重要组成局部,人工智能课程是计算机科学技术专业的专业拓展选修课。通过本课程的学习使学生了解人工智能的提出、几种智能观、重要争论领域,把握人工智能求解方法的特点。把握人工智能的根本概念、根本方法,会用学问表示方法、推理方法和机器学习等方法求解简洁问题等。
〔二〕课程目的
1、根本理论要求:
课程介绍人工智能的主要思想和根本技术、方法以及有关问题的入门学问。要求学生了解人工智能的主要思想和方法。
2、根本技能要求:
学生于较坚实打好的人工智能数学根底〔数理规律、概率论、模糊理论、数值分析〕上,能够利用这些数学手段对确定性和不确定性的学问完成推理;于理解Herbrand域概念和Horn子句的根底上,应用Robinson归结原理进展定理证明;应把握问题
求解〔GPS〕的状态空间法,能应用几种主要的盲目搜寻和启发式搜寻算法〔宽度优先、深度优先、有代价的搜寻、A算法、A*算法、博弈数的极大—微小法、α―β剪枝技术〕完成问题求解;且能生疏几种重要的不确定推理方法,如确定因子法、主观Bayes方法、D—S证据理论等,利用数值分析中常用方法进展正确计算。
3、职业素养要求:结合实战,初步理解和把握人工智能的关联技术。
二、教学内容、重〔难〕点、教学要求及学时安排第壹章:人工智能概述〔2学时〕
1、讲授内容:
人工智能的概念
人工智能的争论途径和方法
人工智能的分之领域
人工智能的根本技术
人工智能的进展简介
2、教学要求:
了解:争论途径和方法、人工智能的分之领域、根本技术和进展简介。理解:人工智能的根本概念、根本技术
把握:人工智能的进展简介,人工智能争论的课题种类
3、教学重点:人工智能概念
4、难点:人工智能的争论途径和方法
其次章:基于谓词规律的机器推理〔2学时〕
1、讲授内容:
壹阶谓词规律
归结演绎推理
应用归结原理求取问题答案
归结策略
Horn子句归结和规律程序
非归结演绎推理
2、教学要求:
了解:壹阶谓词规律的根本概念
理解:应用归结远力求取问题答案的方法和Horm自居归结于规律程序的方法以及非归结演绎原理的方法和途径
把握:归结演绎推理
3、教学重点:归结演绎推理
4、难点:Horn子句归结和规律程序第三章:图搜寻技术〔5学时〕1、讲授内容:
状态图搜寻
状态图问题求解
和或图搜寻
和或图问题求解
博弈树搜寻
2、教学要求:
了解:常用的图搜寻技术
理解:和或图搜寻问题的原理
把握:和或图的启发式搜寻算法AO
3、教学重点:和或图的启发式搜寻算法AO
4、难点:和或图搜寻
第四章:产生式系统〔2学时〕
1、讲授内容:
产生式规章
产生式系统
产生式系统和图搜寻
产生式系统的应用
2、教学要求:
了解:产生式
理解:谓词规律归结原理把握:Herbrand定理
3、教学重点:谓词规律归结原理4、难点:Herbrand定理
第五章:学问表示〔2学时〕
1、讲授内容:
学问及其表示
框架
语义网络
面对对象学问表示
2、教学要求:
了解:学问表示的概述理解:几种学问表示方式
把握:产生式表示语义网络表示
3、教学重点:产生式表示语义网络表示
4、难点:框架表示
第六章:不确定性推理方法〔6学时〕
1、讲授内容:
不确定性及其类型
不确定性学问的表示
不确定性推理的壹般模式
确定性理论
证据理论
模糊推理
2、教学要求:
了解:不确定性推理方法的概述理解:论证理论模糊推理
把握:论证理论
3、教学重点:论证理论模糊推理4、难点:证据理论(D-Stheory)第七章:专家系统〔4学时〕1、讲授内容:
专家系统的概念
专家系统的构造
专家系统的应用和进展
专家系统设计和实现
专家系统开发和环境
壹代专家系统争论
2、教学要求:
了解:专家系统的概述、专家系统的组成构造和进展理解:专家系统的设计和实现
把握:专家系统的开发和使用
3、教学重点:专家系统的设计和实现
4、难点:壹代专家系统概述第八章:机器学习〔10学时〕1、讲授内容:
符号学习
神经网络学习
2、教学要求:
了解:机器学习的概述理解:符号学习
把握:常用的机器学习的方式
3、教学重点:神经网络学习
4、难点:遗传算法
三、各教学环节的根本要求
〔壹〕课堂讲授1、教学方法
留意理论指导的作用,乐观探究到达最正确视觉效果的典型做法。同时贯彻理论和实践相结合的原则,给学生出壹定量的思考,且要求学生完成壹定量的作业,以提高学生的理论水平,培育学生的动手力量和创精神。
把握课程的重难点,准时总结深化所学内容,且针对重难点布置适当的综合练习。以便到达良好的教学效果。
2、教学手段
承受理论讲解、操作示范等多种方式,充分利用多媒体等现代化教学手段,整体优化教学过程和教学内容,调动学生学习乐观性,进展启发式的教学。
留意学生动手力量的培育,乐观鼓舞和引导学生对所学的学问、技能加以拓宽、深化。
3、教学关心资料
CAI课件
〔二〕作业、答疑和质疑1、作业
2、答疑和质疑
〔三〕考核方式
1、考核方式:考试
2、成绩评定:期末考试70%,寻常成绩30%
四、和其他课程的联系和分工
本课是计算机及关联专业学生的专业选修课,选修本课须有比较全面的计算机知
识。先行课程:《离散数学》、《高等数学》、《概率论》、《线性代数》、《C语言程序设计》、《数据构造》
五、建议课件及教学参考书
〔壹〕建议课件
《人工智能及其应用》,蔡自兴,徐光祐。清华大学出版社,2022年5月。
〔二〕教学参考书
《人工智能〔上、下册〕》,陆汝钤,北京:科学出版社,1996年。