还剩3页未读,继续阅读
文本内容:
《人工智能应用》教学大纲课程性质专业任选课课程编号xx420412课程名称人工智能应用适用专业网络工程先修课程离散数学,概率论与数理统计总学时32其中理论20学时,实验12学时学分数2一课程简介《人工智能应用》是计算机科学研究和发展的一个重点,其终极目标就是让计算机具有象人一样的能力这门课程主要讲述知识与知识表示、确定性推理、不确定性推理、搜索策略、神经网络、机器学习、遗传算法等方面内容通过本课程的学习,要求学生了解人工智能的发展状况与研究内容,掌握基本概念、基本原理方法和重要算法,掌握人工智能的一些主要思想和方法,熟悉典型的人工智能系统一一产生式系统和简单的模糊推理方法,学会用启发式搜索求解问题,学会基本的神经网络方法,学会简单的机器学习方法,初步具备用经典的人工智能方法解决一些简单实际问题的能力
二、课程教学目标通过本课程《人工智能应用》的学习,学生应实现如下目标
(一)知识教学目标
1.深入理解有关人工智能的基本概念和要素;
2.掌握知识的表示方法;
3.掌握各种搜索推理技术;
4.深入了解神经计算的不同方法;
5.深入了解计算智能基本内容;
6.深入了解机器学习的基本方法和实现过程;
(二)能力培养目标
7.具有设计、实现和分析等方面的能力;
8.学会用启发式搜索求解问题;
9.具有使用机器学习与深度学习平台工具进行数据分析能力;
10.初步具备用经典的人工智能方法解决一些简单实际问题的能力;
三、课程教学基本要求根据课程在知识结构中的作用,教学要求分为掌握、熟悉、了解、选学四个层次,具体要求如下
1.掌握部分:一般图搜索(回溯策略、图搜索策略、无信息搜索过程、启发式图搜索过程);与或图搜索问题包括与或图的启发式搜索算法、博弈树的搜索;谓词逻辑与归结原理(谓词逻辑归结原理、HERBRAND定理);知识表示(产生式表示方法、语义网络表示、框架表示);不确定性推理方法(不确定性推理的基本问题、贝叶斯网络、主观贝叶斯方法、确定性方法)
2.熟悉部分不确定性推理方法之证据理论;机器学习(机器学习概论、实例学习、基于解释的学习、决策树学习、神经网络学习)
3.了解部分人工智能研究的发展和基本原则;知识原则、知识表示的作用、功能、性能;自动规划技术的新进展,人工智能的最新进展和面临的挑战
4.选学部分高级搜索
四、课程教学内容与学时分配序号教学模块知识点学时1结论
1、教学目的2了解人工智能的发展简史以及当前的一些发展方向和热点掌握人工智能基本概念,相关名词术语的含义;熟知人工智能的基本研究内容、研究方法
2、教学重点人工智能的定义、应用领域
2.知识表示方法
41、教学目的了解关于知识的基本观点以及特点等等掌握基本的、常用的一些知识表示方法,如一阶谓词逻辑表示法、框架表示法和语义网络表示法等了解各种知识表示法的特点
2、教学重点状态空间法;一阶谓词逻辑表示法;框架表示法;语义网络表示法3搜索推理技术
1、教学目的4掌握基本概念,学会用状态空间表示问题,了解与或树表示法掌握状态空间的各种搜索策略,包括深度优先搜索、广度优先搜索、代价树上的搜索以及启发式搜索和A*算法等等了解关于搜索完备性和效率的基本理论
2、教学重点深度优先搜索、广度优先搜索、代价树上的搜索以及启发式搜索和A*算法4神经计算
1、教学目的2掌握神经网络的基本概念、基本形态了解感知器、BP网络、Hopfield网络、ART网络等多种不同类型神经网络的基本原理、组成以及特点掌握前馈神经网络的BP算法了解神经网络的各种应用
2、教学重点BP网络、Hopfield网络的工作原理5计算智能
1、教学目的2掌握神经计算与模糊计算的基本原理与求解步骤了解蚁群算法的基本原理
2、教学重点、遗传算法的基本原理与遗传算法的求解步骤6机器学习基础
1、教学目的41了解机器学习的各种方法2了解机器学习如何进行决策
2、教学重点1各种机器学习算法原理2贝叶斯、KNN、SVM、决策树以及神经网络等算法的理解7机器学习实践
1、教学目的21了解机器学习平台的搭建2了解深度学习基本方法
2、教学重点1常用机器学习平台的使用Weka2深度学习平台的使用实验教学内容序号实验实验类实验项目名称内容摘要开出要求学时型1利用问题归约法实现理解问题归约法的原理和2验证性必做Hanoi塔问题方法,掌握用问题归约表示问题的步骤,并能够对实际问题给出具体的实现2理解状态空间知识表示方利用状态空间搜索法实现八法,掌握搜索方法的基本2综合性必做数码问题原理,并能够对八数码问题给出具体的实现3必做理解前馈神经网络的工作用BP神经网络实现XOR分原理,掌握BP算法的基本2综合性类问题思想,认识影响算法性能的因素,能够编写对实际模式样本正确分类的程序4掌握遗传算法的基本思必做想,编写能对实际问题求用遗传算法求函数的最大值解的遗传算法程序,通过2综合性问题实现遗传算法程序,可进一步理解遗传算法的基本机理5学会使用WEKA来实现各必做机器学习数据的处理与机器种机器学习算法,并比较2验证性学习算法的应用不同算法的区别深度学习平台的搭建与数据学会搭建深度学习平台并2验证性必做6处理完成基本实验
五、教学方法与策略采用课堂教学+实践教学相结合的方法,按章节进行教学
六、学生学习成效考核方式(考核)考核环节构成占总成绩的评分依据(均为100分制)比重上课出勤20分上课缺席一次扣2分,缺课达1/3取消资格20%实验项目30分学生按规定独立完成平时实验项目规定内容30%50%对于具体的机器学习,深度学习,神经网络等任务进行平期末测评成绩50分台搭建,数据预处理,算法实现以及实验测试等工作根据具体任务完成情况进行打分
七、选用教材蔡自兴等,人工智能原理(第五版),北京清华大学出版社,
2012.
八、参考资料口]机器学习.周志华.清华大学出版社,
2015.[2]人工智能及其应用(第3版).王万良.高等教育出版社,
2016.[3]人工智能原理及其应用.王万森.电子工业出版社,
2012.。