还剩6页未读,继续阅读
文本内容:
《人工智能导论》课程教学大纲
一、课程基本信息课程名称(中文)人工智能导论课程名称(英文)Introduction toArtificial Intelligence课程类别专业选修课课程性质2选修授课语言3中文授课学期5学分2总学时讲课实验课外课程学时及分配32201232适用专业软件工程、物联网工程、计算机科学与技术、网络工程、信息安全等教材《人工智能及其应用》(第4版),王万良编著,高等教育出版社,2020授课学院计算机与软件学院先修课程概率论与数理统计、程序设计基础等机器学习、模式识别、神经网络、深度学习、强化学习、机器视觉、自然语言后续课程处理、语音信号处理等课程基本定位人工智能是计算机科学中的重要内容,已经成为计算机技术发展以及许多高新技术产品中的核心技术由于人工智能是模拟人类智能解决问题,几乎在所有领域都具有非常广泛的应用《人工智能导论》是计算机科学与技术、软件工程、网络工程等专业本科生的一门基础选修课程本课程主要介绍人工智能问题求解的一般性原理和基本思想以及一些前沿内容,为学生提供最基本的人工智能技术和有关问题的入门性知识,为进一步学习和研究人工智能理论与应用奠定基础课程简介核心学习结果该课程的目标是把握计算机科学与技术的发展趋势,熟悉本专业的前沿知识和研究热点该课程讲述了人工智能的发展简史、人工智能研究的基本内容和主要研究领域、人工智能的研究热点包括人工神经网络及其应用和遗传算法及其应用等要求学生掌握基本创新方法,能够针对创新点开展切实有效的理论和应用研究该课程紧密联系计算机学科中的前沿内容和所涉及的新技术,例如人工神经网络及其改进方法在模式识别、软测量、联想记忆、优化计算中的应用,遗传算法及其改进算法在生产调度中的应用等,学生通过该课程的学习能够了解基本的人工智能新技术和有关问题求解的创新方法;课程要求完成A*算法应用实验、遗传算法应用实验、基于神经网络的优化计算实验等自主型实验项目,学生通过实验,能够发挥主动性,研究探讨人工智能系统的运行和实现过程,提出思路并积极验证和探索自己的思路,从而更好的掌握知识,培养学生的理论联系实际能力和创新能力,逐步培养他们发现问题、提出问题、分析问题和解决问题的能力主要教学方法本课程以课堂教学为主,结合课内实验与课外自学、课堂讨论、团组大作业大纲更新时间
2020.
08.06注
1.课程类别选填“通识核心课/通识拓展课/通修课/学科基础课/专业主干课/专业选修课/专业实践/素质拓展”
2.课程性质选填“选修/必修”
3.授课语言选填“中文/双语/全英文或其他语种”
二、课程目标课程目标(参考培养目标、毕业支撑毕业要求指标点1序号达成途径要求、课程定位)【毕业要求5-使用现代工(-)课堂教学主具】能够针对物联网领域复要讲解基本原理,杂工程问题,选择与使用恰结合人工智能最当的技术、资源、现代工程工新前沿技术的相能够运用相关法规及技术具和信息技术工具,包括对关介绍,辅助以最标准并合理地运用所学软件工新的视频资料,使复杂工程问题的预测与模拟,程专业知识来分析、解决工程同学们对人工智并能够理解其局限性实际中遇到的技术难题,具有能课程的各个章支撑指标点
5.2能够在物联节产生兴趣,从而培养目标
3.1扎实的理论基础、宽阔的专业网领域复杂工程问题的建模、促进学习热情,在视野,具有计算机软硬件相关之后的理论教学模拟或解决过程中,使用恰产品分析、开发、测试和维护中能更好地理解当的技术、软硬件及系统资能力,能够用系统的观点分析、技术的先进性与源、先进研发工具,提高解决实用性处理科学技术问题复杂工程问题的能力和效
(二)课外团队大作业要求学生率.能够运用课堂知识,在互相分工配合的基础上,进行适当的创新,运用人工智能的理论知识来解决一些实际的问题大作业内容一般以实际生产实践中所遇到的问题为主,通过该方式可有效的提升学生学以致用的能力【毕业要求10•沟通】能够要求学生在就物联网领域的复杂工程问课内学习的基础题与业界同行及社会公众进上,自己完成网络行有效沟通和交流,包括撰资料与科技文献写报告和设计文稿、陈述发的检索工作,针对言、清晰表达或回应质疑并感兴趣的章节进能够通过继续教育或其他具备一定的国际视野,能够行自主学习,加深培养目标
5.1学习渠道更新知识,实现能力在跨文化背景下进行沟通和加强课堂理论教和技术水平的提升交流学,并提高自身的支撑指标点
10.2对物联网领自学能力域及行业的国际发展趋势有初步了解,了解物联网专业相关的技术热点,并能够发表观点注
1.支撑毕业要求指标点选填项需要进行专业认证,有毕业要求指标点可参照的课程必填,无明确毕业要求指标点可参照的可不填
三、理论教学内容学生学习教学章标题教学内容学时思政融入点1课程目标预期成果2后
31.人工智能的概念了解人了解
2.人工智能的发展简史工智能研究人工智能结合人工的基本内容研究的特智能的发展树
3.人工智能研究的基本和主要研究点、内谷、立民族精神和内容领域,开阔学发展历史时代精神,发生思路,为以及未来,增第一章2展社会主义人讲授后学习和应加对人工工智能事业的用人工智能智能学科
4.人工智能的主要研究紧迫感,坚持奠定基础熟的认识把领域社会主义核心悉本专业的握计算机价值观前沿知识和科学与技研究术执占的发展趋/、、、
八、、势目标
3.1L搜索的概念掌握
2.状态空间的搜索策略搜索方法能够针的实现与对创新点开
3.盲目的图搜索策略讲授、基本软件第五章4展切实有效演示设计掌握的理论和应基本创新
4.启发式图搜索策略用研究方法目标
3.
11.遗传算法的产生与发了解一掌握展些遗传算法遗传算法
2.基本遗传算法的改进算法,的基本概第八早4讲授
3.遗传算法的改进算法了解遗传算念和基本法的应用实方法
4.遗传算法的应用例目标3」
1.群智能算法产生的n匕旦目乐介绍PSO的标准算法,掌握
2.粒子群优化算法强调提出者为群智能优
3.粒子群优化算法的应中国著名学者了解粒化算法的第七章用2史玉回教授,子群和蚁群讲授基本概念
4.基本蚁群算法介绍大师成长等优化算法和原理道路,增强科目标
3.
15.改进蚁群算法研自信,开拓进取
1.神经元与神经网络掌握
2.BP神经网络及其学人工神经习算法网络的基
3.BP神经网络的应用本概念、常了解经典神
4.Hopfield神经网络用人工神经网络学习及其改进经网络模
5.Hopfield神经网络算法及其在讲授、型能够针第八章6及其改进模式识别、软讨论对创新点
6.卷积神经网络及其应开展切实测量等工程用有效的理中的应用
7.胶囊网络论和应用研究
8.生成对抗网络及其应目标
5.1用
1.机器学习的基本概念提出当前掌握了解机热点问题和难讲授、深度学习第九章22点,鼓励学生器学习的发.深度学习讨论训练的基求真务实,毅展和分类
3.盲目的图搜索策略本过程
4.启发式图搜索策略力,勤奋,提出目标
5.
12.状态空间的搜索策略解决办法,树立良好的科研
3.盲目的图搜索策略价值观和思维
4.启发式图搜索策略习惯©注L思政融入点至少写3条,简述该课程教学中将思政教育内容与专业教育内容有机融合的知识点(下同)
2.学生学习预期成果描述学生在学完本节内容后应获得的知识、能力或素养水平(下同)
3.教学方式:包括讲授、讨论、案例、演示等,但不限于所列,根据课程实际需要列举
四、实践(实验或实习)教学1实验实验或实或实思政融入编号习项目名教学内容学时习类学生学习预期成果课程目标点称型2做参考A*算熟悉和掌握启发实验要具法核心代码,能利用A*算式搜索的定义、估价A*算法求有批判性以8数码问题法求解N数码难函数和算法过程熟1解8数码4验证思维,创为例实现A*题,理解求解流程悉本专业的前沿知识问题实验新意识,算法的求解程和搜索顺序和研究热点期望在实序目标
3.1验中发现问题的新思路参考实验系统给出的遗熟悉和掌握遗传传算法核心代算法的原理、流程和遗传算法码,用遗传算能利用遗传求编码策略能够针对2求函数最2验证法求解T优化解函数优化问题创新点开展切实有效大值实验问题,分析遗的理论和应用研究传算法性能目标
3.1分组讨论,能够增加1种对于同一理解求解TSP问团队协变异策略和1种个个TSP问题,题的流程并测试主要作,发现体选择概率分配策遗传算法分析种群规参数对结果的影响与质疑,略,比较求解同一3求TSP问模、交叉概率2验证能够针对创新点开展充分发挥TSP问题时不同变题实验和变异概率对切实有效的理论和应社会主义异策略及不同个体算法结果的影用研究集体思维选择分配策略对算响目标3」决策的法结果的影响优势参考求解TSP问题的连续Hopfield神经网络源代掌握连续码,给出15个Hopfield神经网络的城市和20个城结构和运行机制,理基于神经市的求解结果掌握连续解连续Hopfield神经网络的优(包括最短路Hopfield神经网络44验证网络用于优化计算的化计算实径和最佳路用于优化计算的一基本原理能够针对验线),分析连续般步骤创新点开展切实有效Hopfield神经的理论和应用研究网络求解不同目标5」规模TSP问题的算法性能注
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”
五、课程评价
(一)考核内容、考核方式与课程目标对应关系课程目标在各考核方式中占比]课程目标考核内容平时表课程课程论文实验报告现作业搜索策略、状态空间表示法、状态空间的图描述、图搜索策略、A搜索算法、A*搜索算法、遗传算法编码、适应度函培养目标
3.1数、PS0参数分析、BP学习算法、离散60%50%60%90%型Hopfield网络、连续型Hopficld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、深度学习的基本思培养目标
5.140%50%40%10%想、人工智能的概念、人工智能研究的基本内容、神经元数学模型合计100%100%100%100%各考核方式占总成绩权重(自行赋值)10%10%10%70%注L课程目标在考核方式及占比主要根据课程目标自行设计和制定多元化考核方式,表中所列仅为参考(红色数据可删除)但所列考核方式必须覆盖全体学生,可根据当学期具体教学情况酌情调整
2.各考核方式占总成绩权重根据课程实际情况对各考核方式占总成绩的权重予以赋值
(二)考核方式评分标准
1.课程作业评分标准评分标准占比课程目标90-10060-69(及0-59(优)80-89(良)70-79(中)格)(不及格)能够较能够理基本理不理能够深好地理解人解人工智能解人工智能解人工智能入理解人工工智能主要主要技术的主要技术的主要技术的培养目标3智能主要技技术的基本基本概念、工基本概念、基本概念、60%术的基本概概念、工作原作原理工作原理工作原理念、工作原理理能够较能够采能够很好地采用人用人工智能基本可不理好地理采用工智能技术技术求解实以采用人工能采用人工培养目标540%人工智能技求解实际应际应用问题智能技术求智能技术求术求解实际用问题解实际应用解实际应用应用问题问题问题
六、参考书目及学习资料
1.《人工智能及其应用》(第4版),王万良编著,高等教育出版社,
20202.《人工智能导论模型与算法》,吴飞编著,高等教育出版社,
20203.《人工智能导论》(第4版),王万良编著,高等教育出版社,2017。