《人工智能》教学大纲

- 1 - 附件 1 广东财经大学华商学院课程教学大纲模板 《人工智能》课程教学大纲 课程名称 人工智能基础 课程编码 0836073 课程类型 专业必修课 课程性质 必修课 适用范围 数据科学与大数据专业 学分数 3 先修课程 操作系统，java 程序设计，Python 程序设计，数据预处理技术 学时数 54 实验/实践学时 18 课外学时 0 考核方式 考试 （平时 10 %+实验 30 %+期末 60 %） 制订单位 数据科学学院 制订日期 2020 年 3 月 执笔者 颜远海 审核者 颜远海 一、课程简介 人工智能是计算机与自动化学科的一门分支学科。它研究如何用机器来模仿人脑所从事 的推理、证明、识别、理解、学习、规划、诊断等智能活动。人工智能是当前科学技术中正 在迅速发展，新思想、新观点、新技术不断涌现的一个学科，也是一门涉及数学、计算机科 学、控制论、信息论、心理学、哲学等学科的交叉和边缘学科。人工智能原理是计算机科学 技术类专业的应用学科。前修课程包括：离散数学、数据结构、算法分析与设计等，后续课 程：专家系统，知识工程。 二、教学目标 （1） 熟练掌握图搜索策略， 熟练掌握回溯策略、 图搜索策略的过程以及算法 （BACKTRACK 以及 AI 算法），掌握一些典型问题的启发式函数； （2）掌握用命题逻辑、一阶逻辑表示知识的方法，并在此基础上进行推理，熟练掌握归 结方法以及归结反驳过程，熟练掌握利用归结反驳方法进行推理。 （3）掌握基于贝叶斯规则的不确定性推理，掌握条件概率、独立、条件独立及贝叶斯公 式；掌握利用贝叶斯定理检测垃圾邮件的基本方法。 三、主要教学模式和教学手段 1． 本课程的教学包括课堂讲授、 课外作业、 辅导答疑、 上机实验和期末考试等教学环节。 - 2 - 2． 课堂教学采用启发式教学方法， 理例结合， 多媒体并用， 引导学生加深对课程内容的理解， 提高学生的学习兴趣和效果。 3．理论联系实际，通过本课程的教学，力争使学生在理解和掌握大纲所要求的知识内容的基 础上，能正确地运用这些知识解决有关实际问题。 四、教学内容 （要求编写所有章节的主要内容） 第一章 人工智能概述 基本内容和要求： 1．人工智能的概念与目标； 2．人工智能的研究内容与方法； 3．人工智能的分支领域； 4．人工智能的发展概况。 第二章 逻辑程序设计语言 Prolog 基本内容和要求： 1．掌握 Prolog 语言的语句特点、程序结构和运行机理； 2．能编写简单的 Prolog 程序，能读懂一般的 Prolog 程序。 教学重点： Prolog 程序设计。 教学难点： 表与递归，回溯控制 第三章 基于图搜索的问题求解 基本内容和要求： 1．掌握状态图的基本概念、状态图搜索基本技术和状态图问题求解的一般方法，包括穷举式 搜索、启发式搜索、加权状态图搜索和 A 算法、A*算法等； 2．掌握与或图的基本概念、与或图搜索基本技术和或图问题求解的一般方法； 3．理解一些经典规划调度问题（如迷宫、八数码、梵塔、旅行商、八皇后等问题）的求解方 法； 教学重点： - 3 - 1．状态图搜索常用算法和问题的状态图表示； 2．与或图搜索常用算法和问题的与或图表示。 教学难点： 问题的状态图、与或图表示。 第四章 基于遗传算法的随机优化搜索 基本内容和要求： 1．了解遗传算法的基本概念和特点； 2．理解基本遗传算法的基本原理和应用技术。 教学重点： 选择-复制、交叉和变异等三种遗传操作。 教学难点： 遗传算法的应用。 第五章 知识表示与推理 基本内容和要求： 1．了解知识表示的基本概念； 2．理解和掌握常用知识表示方法，包括：一阶谓词逻辑、产生式规则、框架和语义网络的基 本原理和语言实现； 3．理解不确定性知识的表示及其推理方法。 教学重点： 1．基于一阶谓词逻辑和产生式规则的推理模式。 2．不确定性知识的表示及其推理。 教学难点： 不确定性知识的表示及其推理。 第六章 机器学习与知识发现 基本内容和要求： 1．理解符号学习的基本原理，包括: 记忆学习、演绎学习、类比学习、示例学习、发现学习 等； - 4 - 2．理解连接学习的基本原理，包括：人工神经网络的概念和类型、神经网络学习方法等； 3．了解知识发现与数据挖掘的概念、对象、任务和基本方法等。 教学重点： 1．符号学习中的归纳学习； 2．神经网络学习。 教学难点： BP 神经网络及其学习举例。 第七章 专家系统 基本内容和要求： 1．理解专家系统的概念和结构； 2．初步掌握专家系统设计与实现方法； 3．了解专家系统的发展。 教学重点： 1．专家系统的概念和结构； 2．专家系统的设计与实现。 教学难点： 专家系统的设计与实现。 第八章 Agent 系统 基本内容和要求： 1．理解 Agent 的概念、类型和结构； 2．理解多 Agent 系统的原理、结构和应用； 3．了解 Agent 的实现语言工具。 教学重点： Agent 和多 Agent 系统的概念和结构。 教学难点： 多 Agent 系统的结构。 第九章 智能化网络 基本内容和要求： 1．了解智能网络的概念和原理； 2．理解网络的智能化管理与控制基本技术； - 5 - 3．了解网上信息的智能化检索基本原理和方法。 教学重点： 网络的智能化管理与控制。 教学难点： 网上信息的智能化检索。 五、教学重点难点 教学重点：1．状态图搜索常用算法和问题的状态图表示； 2．与或图搜索常用算法和问题的与或图表示。 3．符号学习中的归纳学习；神经网络学习。 4．Agent 和多 Agent 系统的概念和结构。 5．选择-复制、交叉和变异等三种遗传操作。 教学难点：1．状态图搜索常用算法和问题的状态图表示； 2．与或图搜索常用算法和问题的与或图表示。 6．符号学习中的归纳学习；神经网络学习。 六、课内实验（实训）教学内容及要求（按实际所需填写） （一）实验（实训）教学内容 项目一：产生式系统实验 1. 目的与要求 熟悉和掌握产生式系统的运行机制，掌握基于规则推理的基本方法 2. 实验（实训）学时：4 3. 实验（实训）内容 主要包括产生式系统的正、反向推理、基于逻辑的搜索等 10 余个相关演示性、验证性 和开发性设计实验。 项目二：搜索策略实验 1.目的与要求 熟悉和掌握启发式搜索的定义、 估价函数和算法过程， 并利用 A*算法求解 N 数码难题， 理解求解流程和搜索顺序。 2.实验（实训）学时：4 3.实验（实训）内容 主要包括盲目式、启发式搜索类的10 余个相关演示性、验证性和开发性设计实验。 - 6 - 项目三：神经网络实验 1.目的与要求 理解反向传播网络的结构和原理，掌握反向传播算法对神经元的训练过程，了解反向 传播公式。通过构建 BP 网络实例，熟悉前馈网络的原理及结构。 2.实验（实训）学时：4 3.实验（实训）内容 主要包括以 BP 网为代表的 ANN 的验证性实验及设计性实验。并包括用 BP 网解决一些 非线性问题的典型设计实验（如异或问题、布尔代数及非线性函数模拟等）. 项目四：自动规划实验 1.目的与要求 理解自动规划的基本原理，掌握为活动实体（人、组织、机器）设计合理