《人工智能》课程教学大纲

1、人工智能课程教学大纲课程名称：人工智能课程代码：ELEA3046英文名称：Artificial Intelligence课程性质：专业选修课程学分/学时：3学分/54学时开课学期：第7学期适用专业：电气工程及其自动化先修课程：计算机信息技术、C语言程序设计、软件技术基础后续课程：无一、课程性质和教学目标（在人才培养中的地位与性质及主要内容，指明学生需掌握知识与能力及其应达到的水平）课程性质：随着信息社会和知识经济时代的来临，信息和知识已成为人们的一个热门话题。然而，在这个话题的背后还蕴含着另外一个更深层的问题智能。一般来说，信息是由数据来表达的客观事物，知识是信息经过智能性加工后的产物，智能是

2、用来对信息和知识进行加工的加工器。在信息社会，人类面对的信息将非常庞大，仅靠人脑表现出来的自然智能是远远不够的，必须开发那种由机器实现的人工智能。人工智能是电气工程及其自动化专业本科生的一门专业选修课程。教学目标：本课程介绍如何用计算机来模拟人类智能，即如何用计算机实现诸如问题求解、规划推理、模式识别、知识工程、自然语言处理、机器学习等只有人类才具备的智能，使得计算机更好得为人类服务。主要内容包括：知识表示（谓词逻辑、产生式系统等），有向图搜索（状态空间表示、二叉树、与/或树，A*算法等），推理（确定性和不确定性推理）以及人工神经网络（Hopfield网络及其B-P网络）。通过本课程的讲授和练

3、习，开拓学生的视野，拓展学生的知识，培养学生设计算法和解决实际问题的能力，引导学生尝试用人工智能的方法去解决一些无法建立精确数学模型（传递函数、状态方程等）的复杂工程问题。本课程的具体教学目标如下：较详细地论述知识表示的各种主要方法，重点掌握状态空间法、问题归约法和谓词逻辑法，熟悉语义网络法，了解知识表示的其他方法，如框架法、脚本表示法等；掌握盲目搜索和启发式搜索的基本原理和算法，特别是宽度优先搜索、深度优先搜索、瞎子爬山法、全局择优法等，理解A*算法的涵义，了解与或图的启发式搜索和博弈树搜索的基本方法；理解推理的基本概念及归结、演绎等确定性推理方法，会利用方向控制思路解决简单问题的求解，了解

4、不确定性推理的有关概念及各种不确定性的表示和推理方法，包括主观Bayes方法和证据理论，重点掌握可信度计算方法；了解人工神经网络及其结构和学习机理；理解感知器、B-P网络、Hopfield网络及其B-P网络；掌握Hopfield网络的算法。教学目标与毕业要求的对应关系：毕业要求指标点课程目标对应关系说明毕业要求1：工程知识1-1 掌握专业所需的数理知识，能用于专业问题的理解、建模、分析与求解教学目标1知识表示，即人类语言向机器语言的转化过程，在本质上而言，即为建立系统的数字模型。教学目标2树状图的生成即为系统的建模过程；树的搜索过程实际上就是问题的求解过程；启发式函数的设计建立在分析问题的特点

5、和特殊性。毕业要求3：设计/开发解决方案3-2 能针对需求独立进行算法和程序设计，并能验证算法和程序的正确性教学目标3问题的推理过程依托于程序来控制其推理方向、正确性和推理效率。教学目标4了解人工神经网络及其结构和学习机理；理解感知器、Hopfield网络及其B-P网络；掌握Hopfield网络的算法。二、课程教学内容及学时分配（含课程教学、自学、作业、讨论等内容和要求，指明重点内容和难点内容。重点内容：；难点内容：）绪论（4学时）（支撑教学目标1）人工智能及其研究目标人工智能的产生与发展人工智能研究的基本内容及其特点人工智能的研究和应用领域人工智能研究的不同学派的争论人工智能的近期发展分析目

6、标及要求：了解人工智能的定义及其研究目标；了解人工智能产生与发展的四个阶段；了解人工智能研究的基本内容及特点；了解人工智能研究和应用领域；了解三大学派及其理论的研究方法。讨论内容：在简要介绍人工智能的基础上，讨论课题“人工智能改变我们的生活”，并在学期末结合所学知识撰写科技报告。知识表示（10学时）（支撑教学目标1）知识与知识表示概念谓词逻辑表示法产生式表示法语义网络表示法框架表示法脚本表示法过程表示法目标及要求：了解知识表示的概念和表示形式；理解知识的定义；理解谓词逻辑表示的逻辑基础，掌握谓词逻辑表示方法及其应用；了解产生式系统的基本过程、控制策略及其类型和特点，掌握产生式表示的基本方法、基

7、本结构；理解语义网络的基本概念会应用语义网络表示事实和进行推理；了解框架系统的问题求解过程和框架表示法的特点，掌握框架结构和实例框架，理解框架理论；了解脚本的结构及其推理，了解过程表示的问题求解过程。搜索策略（16学时）（支撑教学目标1和教学目标2）搜索的基本概念状态空间的盲目搜索状态空间的启发式搜索问题规约和与或图启发式搜索博弈树的启发式搜索目标及要求：了解搜索的含义，掌握状态空间法；了解一般图搜索过程，重点掌握广度优先搜索，深度优先搜索；理解启发性信息和估价函数，了解A算法和A*算法；掌握问题规约的概念，理解与或图的代价与希望，了解与/或树的启发式搜索过程；了解极大极小过程，-剪枝。自学拓

8、展：针对八数码问题，在查阅参考文献的基础上，设计启发式函数以提高搜算效率。确定性推理（4学时）（支撑教学目标3）推理的基本概念推理的控制策略目标及要求：理解推理的概念，了解演绎推理的概念及其三段论推理规则，了解归纳推理的基本过程；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冲突消解策略；不确定性推理（10学时）（支撑教学目标3）不确定性推理的基本概念不确定性推理的概率论基础主观Bayes方法可信度方法证据理论目标及要求：了解不确定推理的基本问题，理解不确定推理的含义；掌握全概率公式与Bayes公式，理解样本空间与随机事件，事件的概率；了解组合不确定性计算，掌握知识

9、不确定性表示，证据不确定性表示，结论不确定性的合成；理解可信度的概念，C-F模型，掌握可信度推理的计算方法，了解带加权因子的可信度推理方法；了解D-S理论的形式描述，证据理论的推理模型，推理实例。神经网络及连接学习（10学时）（支撑教学目标4）人工神经网络概述人工神经网络的互连结构及其学习机理感知器模型及其学习误差反向传播网络及其学习Hopfield网络及其学习目标及要求：了解人工神经元及人工神经网络的发展过程，人工神经网络的局限性；了解人工神经网络学习和记忆的心理学基础，理解人工神经网络的互连结构；了解有关感知器XOR问题求解的讨论，理解感知器模型，感知器学习；理解B-P网络结构，了解B-P

10、网络学习的传播公式和学习算法；了解Hopfield模型的稳定性，理解Hopfield网络的结构，掌握Hopfield网络的学习算法。自学拓展：查阅文献，了解神经网络在电气工程及其自动化专业的工程应用。三、教学方法在教学方式上，根据具体教学内容，综合运用课堂讲授和演示、课堂讨论，发现学习法和自学指导法，通过引入问题和启发式教学，使学生更加明确教学内容的知识体系，引导学生主动学习，激发内在学习动机，提高课堂的积极性。由于人工智能的本质就是使得机器能够像人一样去解决一些复杂问题，所以整个人工智能的课程结构就是围绕解决一个问题的过程而展开的，教学内容的体系和关联如下图所示。教学内容体系、前后关联结合具

11、体教学内容，本课程所采用的教学方法说明如下：知识表示、确定性推理。教学内容的原理性比较强，介绍性的内容也比较多，同时也相对比较枯燥。在教学中采用讲授法和讨论法相结合，将抽象问题具体化。在讲授基础上，鼓励同学们结合生活中的实际情况，来具体谈谈这些方法的应用，从而加深同学们对定理定义的理解。比如，我们可以讨论人脑是怎么来做出正确的推理的。搜素算法、神经网络。教学内容涉及一些实际的算例，具有很好的应用性。在教学中采用讲授法、演示法和自学指导法相结合。在讲授各算法那的原理和流程图的基础上，演示一些简单的实际例子，增加同学们对于课程的兴趣，提高其学习的积极性。另外，这方面的研究和应用较为丰富而我们课时有

12、限，鼓励学生在课余时间查阅相关参考文献，加深对其的理解。不确定性推理。教学内容所涉及的数学知识，特别是概率论的内容较多，对于基础比较一般的学生而言，内容比较抽象，接受起来会有一定的困难。教学中采用讲授法和发现学习法相结合。开始教学时，重点放在相关概率论知识的复习上，通过对于概率论方法的不足之处的讲授，引导学生提出一些简单的改进方法，从而引出本教学计划中重点的可信度计算相关内容。在教学方法的实际执行过程中，每个教学环节都应具有明确的目的性。同时，以上教学方法需要根据教学过程中的实际效果、学生对知识点的掌握和应用情况不断改进。教学效果不好、学生对知识点理解程度不高时，应适当调整教学方法，适当增加演示法或实验训练法，或在讲授后续教学内容时，引导学生前后联系，结合前置难点内容进行讨论，强化知识掌握。在学生对知识掌握情况较好，系统性较好的情况下，适当提高教学内容的难度，或增加发现学习法和自学指导法，设置具体应用问题，引导学生探索解决方案。四、考核及成绩评定方式考核方式：开卷笔试，平时考勤，大作业成绩评定方式：笔试成绩70%，平时成绩10%，科技报告20%五、教材及