《人工智能》課程教學大綱

1、人工智能課程教學大綱課程名稱：人工智能課程代碼：ELEA3046英文名稱：Artificial Intelligence課程性質：專業(yè)選修課程學分/學時：3學分/54學時開課學期：第7學期適用專業(yè)：電氣工程及其自動化先修課程：計算機信息技術、C語言程序設計、軟件技術基礎后續(xù)課程：無一、課程性質和教學目標（在人才培養(yǎng)中的地位與性質及主要內容，指明學生需掌握知識與能力及其應達到的水平）課程性質：隨著信息社會和知識經(jīng)濟時代的來臨，信息和知識已成為人們的一個熱門話題。然而，在這個話題的背后還蘊含著另外一個更深層的問題智能。一般來說，信息是由數(shù)據(jù)來表達的客觀事物，知識是信息經(jīng)過智能性加工后的產(chǎn)物，智能是

2、用來對信息和知識進行加工的加工器。在信息社會，人類面對的信息將非常龐大，僅靠人腦表現(xiàn)出來的自然智能是遠遠不夠的，必須開發(fā)那種由機器實現(xiàn)的人工智能。人工智能是電氣工程及其自動化專業(yè)本科生的一門專業(yè)選修課程。教學目標：本課程介紹如何用計算機來模擬人類智能，即如何用計算機實現(xiàn)諸如問題求解、規(guī)劃推理、模式識別、知識工程、自然語言處理、機器學習等只有人類才具備的智能，使得計算機更好得為人類服務。主要內容包括：知識表示（謂詞邏輯、產(chǎn)生式系統(tǒng)等），有向圖搜索（狀態(tài)空間表示、二叉樹、與/或樹，A*算法等），推理（確定性和不確定性推理）以及人工神經(jīng)網(wǎng)絡（Hopfield網(wǎng)絡及其B-P網(wǎng)絡）。通過本課程的講授和練

3、習，開拓學生的視野，拓展學生的知識，培養(yǎng)學生設計算法和解決實際問題的能力，引導學生嘗試用人工智能的方法去解決一些無法建立精確數(shù)學模型（傳遞函數(shù)、狀態(tài)方程等）的復雜工程問題。本課程的具體教學目標如下：較詳細地論述知識表示的各種主要方法，重點掌握狀態(tài)空間法、問題歸約法和謂詞邏輯法，熟悉語義網(wǎng)絡法，了解知識表示的其他方法，如框架法、腳本表示法等；掌握盲目搜索和啟發(fā)式搜索的基本原理和算法，特別是寬度優(yōu)先搜索、深度優(yōu)先搜索、瞎子爬山法、全局擇優(yōu)法等，理解A*算法的涵義，了解與或圖的啟發(fā)式搜索和博弈樹搜索的基本方法；理解推理的基本概念及歸結、演繹等確定性推理方法，會利用方向控制思路解決簡單問題的求解，了解

4、不確定性推理的有關概念及各種不確定性的表示和推理方法，包括主觀Bayes方法和證據(jù)理論，重點掌握可信度計算方法；了解人工神經(jīng)網(wǎng)絡及其結構和學習機理；理解感知器、B-P網(wǎng)絡、Hopfield網(wǎng)絡及其B-P網(wǎng)絡；掌握Hopfield網(wǎng)絡的算法。教學目標與畢業(yè)要求的對應關系：畢業(yè)要求指標點課程目標對應關系說明畢業(yè)要求1：工程知識1-1 掌握專業(yè)所需的數(shù)理知識，能用于專業(yè)問題的理解、建模、分析與求解教學目標1知識表示，即人類語言向機器語言的轉化過程，在本質上而言，即為建立系統(tǒng)的數(shù)字模型。教學目標2樹狀圖的生成即為系統(tǒng)的建模過程；樹的搜索過程實際上就是問題的求解過程；啟發(fā)式函數(shù)的設計建立在分析問題的特點

5、和特殊性。畢業(yè)要求3：設計/開發(fā)解決方案3-2 能針對需求獨立進行算法和程序設計，并能驗證算法和程序的正確性教學目標3問題的推理過程依托于程序來控制其推理方向、正確性和推理效率。教學目標4了解人工神經(jīng)網(wǎng)絡及其結構和學習機理；理解感知器、Hopfield網(wǎng)絡及其B-P網(wǎng)絡；掌握Hopfield網(wǎng)絡的算法。二、課程教學內容及學時分配（含課程教學、自學、作業(yè)、討論等內容和要求，指明重點內容和難點內容。重點內容：；難點內容：）緒論（4學時）（支撐教學目標1）人工智能及其研究目標人工智能的產(chǎn)生與發(fā)展人工智能研究的基本內容及其特點人工智能的研究和應用領域人工智能研究的不同學派的爭論人工智能的近期發(fā)展分析目

6、標及要求：了解人工智能的定義及其研究目標；了解人工智能產(chǎn)生與發(fā)展的四個階段；了解人工智能研究的基本內容及特點；了解人工智能研究和應用領域；了解三大學派及其理論的研究方法。討論內容：在簡要介紹人工智能的基礎上，討論課題“人工智能改變我們的生活”，并在學期末結合所學知識撰寫科技報告。知識表示（10學時）（支撐教學目標1）知識與知識表示概念謂詞邏輯表示法產(chǎn)生式表示法語義網(wǎng)絡表示法框架表示法腳本表示法過程表示法目標及要求：了解知識表示的概念和表示形式；理解知識的定義；理解謂詞邏輯表示的邏輯基礎，掌握謂詞邏輯表示方法及其應用；了解產(chǎn)生式系統(tǒng)的基本過程、控制策略及其類型和特點，掌握產(chǎn)生式表示的基本方法、基

7、本結構；理解語義網(wǎng)絡的基本概念會應用語義網(wǎng)絡表示事實和進行推理；了解框架系統(tǒng)的問題求解過程和框架表示法的特點，掌握框架結構和實例框架，理解框架理論；了解腳本的結構及其推理，了解過程表示的問題求解過程。搜索策略（16學時）（支撐教學目標1和教學目標2）搜索的基本概念狀態(tài)空間的盲目搜索狀態(tài)空間的啟發(fā)式搜索問題規(guī)約和與或圖啟發(fā)式搜索博弈樹的啟發(fā)式搜索目標及要求：了解搜索的含義，掌握狀態(tài)空間法；了解一般圖搜索過程，重點掌握廣度優(yōu)先搜索，深度優(yōu)先搜索；理解啟發(fā)性信息和估價函數(shù)，了解A算法和A*算法；掌握問題規(guī)約的概念，理解與或圖的代價與希望，了解與/或樹的啟發(fā)式搜索過程；了解極大極小過程，-剪枝。自學拓

8、展：針對八數(shù)碼問題，在查閱參考文獻的基礎上，設計啟發(fā)式函數(shù)以提高搜算效率。確定性推理（4學時）（支撐教學目標3）推理的基本概念推理的控制策略目標及要求：理解推理的概念，了解演繹推理的概念及其三段論推理規(guī)則，了解歸納推理的基本過程；掌握推理的方法、推理的控制策略，了解正向推理、逆向推理、混合推理及其推理的沖突消解策略；不確定性推理（10學時）（支撐教學目標3）不確定性推理的基本概念不確定性推理的概率論基礎主觀Bayes方法可信度方法證據(jù)理論目標及要求：了解不確定推理的基本問題，理解不確定推理的含義；掌握全概率公式與Bayes公式，理解樣本空間與隨機事件，事件的概率；了解組合不確定性計算，掌握知識

9、不確定性表示，證據(jù)不確定性表示，結論不確定性的合成；理解可信度的概念，C-F模型，掌握可信度推理的計算方法，了解帶加權因子的可信度推理方法；了解D-S理論的形式描述，證據(jù)理論的推理模型，推理實例。神經(jīng)網(wǎng)絡及連接學習（10學時）（支撐教學目標4）人工神經(jīng)網(wǎng)絡概述人工神經(jīng)網(wǎng)絡的互連結構及其學習機理感知器模型及其學習誤差反向傳播網(wǎng)絡及其學習Hopfield網(wǎng)絡及其學習目標及要求：了解人工神經(jīng)元及人工神經(jīng)網(wǎng)絡的發(fā)展過程，人工神經(jīng)網(wǎng)絡的局限性；了解人工神經(jīng)網(wǎng)絡學習和記憶的心理學基礎，理解人工神經(jīng)網(wǎng)絡的互連結構；了解有關感知器XOR問題求解的討論，理解感知器模型，感知器學習；理解B-P網(wǎng)絡結構，了解B-P

10、網(wǎng)絡學習的傳播公式和學習算法；了解Hopfield模型的穩(wěn)定性，理解Hopfield網(wǎng)絡的結構，掌握Hopfield網(wǎng)絡的學習算法。自學拓展：查閱文獻，了解神經(jīng)網(wǎng)絡在電氣工程及其自動化專業(yè)的工程應用。三、教學方法在教學方式上，根據(jù)具體教學內容，綜合運用課堂講授和演示、課堂討論，發(fā)現(xiàn)學習法和自學指導法，通過引入問題和啟發(fā)式教學，使學生更加明確教學內容的知識體系，引導學生主動學習，激發(fā)內在學習動機，提高課堂的積極性。由于人工智能的本質就是使得機器能夠像人一樣去解決一些復雜問題，所以整個人工智能的課程結構就是圍繞解決一個問題的過程而展開的，教學內容的體系和關聯(lián)如下圖所示。教學內容體系、前后關聯(lián)結合具

11、體教學內容，本課程所采用的教學方法說明如下：知識表示、確定性推理。教學內容的原理性比較強，介紹性的內容也比較多，同時也相對比較枯燥。在教學中采用講授法和討論法相結合，將抽象問題具體化。在講授基礎上，鼓勵同學們結合生活中的實際情況，來具體談談這些方法的應用，從而加深同學們對定理定義的理解。比如，我們可以討論人腦是怎么來做出正確的推理的。搜素算法、神經(jīng)網(wǎng)絡。教學內容涉及一些實際的算例，具有很好的應用性。在教學中采用講授法、演示法和自學指導法相結合。在講授各算法那的原理和流程圖的基礎上，演示一些簡單的實際例子，增加同學們對于課程的興趣，提高其學習的積極性。另外，這方面的研究和應用較為豐富而我們課時有

12、限，鼓勵學生在課余時間查閱相關參考文獻，加深對其的理解。不確定性推理。教學內容所涉及的數(shù)學知識，特別是概率論的內容較多，對于基礎比較一般的學生而言，內容比較抽象，接受起來會有一定的困難。教學中采用講授法和發(fā)現(xiàn)學習法相結合。開始教學時，重點放在相關概率論知識的復習上，通過對于概率論方法的不足之處的講授，引導學生提出一些簡單的改進方法，從而引出本教學計劃中重點的可信度計算相關內容。在教學方法的實際執(zhí)行過程中，每個教學環(huán)節(jié)都應具有明確的目的性。同時，以上教學方法需要根據(jù)教學過程中的實際效果、學生對知識點的掌握和應用情況不斷改進。教學效果不好、學生對知識點理解程度不高時，應適當調整教學方法，適當增加演示法或實驗訓練法，或在講授后續(xù)教學內容時，引導學生前后聯(lián)系，結合前置難點內容進行討論，強化知識掌握。在學生對知識掌握情況較好，系統(tǒng)性較好的情況下，適當提高教學內容的難度，或增加發(fā)現(xiàn)學習法和自學指導法，設置具體應用問題，引導學生探索解決方案。四、考核及成績評定方式考核方式：開卷筆試，平時考勤，大作業(yè)成績評定方式：筆試成績70%，平時成績10%，科技報告20%五、教材及