《人工智能导论》课程教学大纲

1、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 to Artificial Intelligence课程类别1：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课程学时及分配总学时讲课实验课外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、程序设计基础等后续课程机器学习、模式识别、神经网络、深度学习、强化学习、机器视觉、自然语言处理、语音信号处理等课程简介课程基本定位：人工智

2、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。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

3、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

4、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、课程目标序号课程目标（参考培养目标、毕业要求、课程定位）支撑毕业要求指标点1达成途径培养目标3.1能够运用相关法规及技术标准并合理地运用所学软件工程专业知识来分析、解决工程实际中遇到的技术难题，具有扎实的理论基础、宽阔的

5、专业视野，具有计算机软硬件相关产品分析、开发、测试和维护能力，能够用系统的观点分析、处理科学技术问题。【毕业要求5-使用现代工具】：能够针对物联网领域复杂工程问题，选择与使用恰当的技术、资源、现代工程工具和信息技术工具，包括对复杂工程问题的预测与模拟，并能够理解其局限性。支撑指标点：5.2能够在物联网领域复杂工程问题的建模、模拟或解决过程中，使用恰当的技术、软硬件及系统资源、先进研发工具，提高解决复杂工程问题的能力和效率。（一）课堂教学主要讲解基本原理，结合人工智能最新前沿技术的相关介绍，辅助以最新的视频资料，使同学们对人工智能课程的各个章节产生兴趣，从而促进学习热情，在之后的理论教学中能更好

6、地理解技术的先进性与实用性。（二）课外团队大作业要求学生能够运用课堂知识，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。培养目标5.1能够通过继续教育或其他学习渠道更新知识，实现能力和技术水平的提升。【毕业要求10-沟通】：能够就物联网领域的复杂工程问题与业界同行及社会公众进行有效沟通和交流，包括撰写报告和设计文稿、陈述发言、清晰表达或回应质疑。并具备一定的国际视野，能够在跨文化背景下进行沟通和交流。支撑指标点：10.2对物联网领域及行业的国际发展趋势有初步了解，了解

7、物联网专业相关的技术热点，并能够发表观点。要求学生在课内学习的基础上，自己完成网络资料与科技文献的检索工作，针对感兴趣的章节进行自主学习，加深加强课堂理论教学，并提高自身的自学能力。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、理论教学内容章标题教学内容学时思政融入点1学生学习预期成果2教学方式3课程目标第一章1. 人工智能的概念2结合人工智能的发展树立民族精神和时代精神，发展社会主义人工智能事业的紧迫感，坚持社会主义核心价值观。了解人工智能研究的基本内容和主要研究领域，开阔学生思路，为以后学习和应用人工智能奠定

8、基础。熟悉本专业的前沿知识和研究热点讲授了解人工智能研究的特点、内容、发展历史及未来，增加对人工智能学科的认识。把握计算机科学与技术的发展趋势。目标3.12. 人工智能的发展简史3. 人工智能研究的基本内容4. 人工智能的主要研究领域第五章1. 搜索的概念4能够针对创新点开展切实有效的理论和应用研究。讲授、演示掌握搜索方法的实现与基本软件设计。掌握基本创新方法。目标3.12. 状态空间的搜索策略3. 盲目的图搜索策略4. 启发式图搜索策略第六章1. 遗传算法的产生与发展4了解一些遗传算法的改进算法，了解遗传算法的应用实例。讲授掌握遗传算法的基本概念和基本方法。目标3.12. 基本遗传算法3.

9、遗传算法的改进算法4. 遗传算法的应用第七章1. 群智能算法产生的背景2介绍PSO的标准算法，强调提出者为中国著名学者史玉回教授，介绍大师成长道路，增强科研自信，开拓进取。了解粒子群和蚁群等优化算法。讲授掌握群智能优化算法的基本概念和原理。目标3.12. 粒子群优化算法3. 粒子群优化算法的应用4. 基本蚁群算法5. 改进蚁群算法第八章1. 神经元与神经网络6了解经典神经网络学习算法及其在模式识别、软测量等工程中的应用讲授、讨论掌握人工神经网络的基本概念、常用人工神经网络模型。能够针对创新点开展切实有效的理论和应用研究。目标5.12. BP神经网络及其学习算法3. BP神经网络的应用4. Ho

10、pfield神经网络及其改进5. Hopfield神经网络及其改进6. 卷积神经网络及其应用7. 胶囊网络8. 生成对抗网络及其应用第九章1. 机器学习的基本概念2提出当前热点问题和难点，鼓励学生求真务实，毅力，勤奋，提出解决办法，树立良好的科研价值观和思维习惯。了解机器学习的发展和分类讲授、讨论掌握深度学习训练的基本过程。目标5.12. 深度学习3. 盲目的图搜索策略4. 启发式图搜索策略2. 状态空间的搜索策略3. 盲目的图搜索策略4. 启发式图搜索策略注：1.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

11、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编号实验或实习项目名称教学内容学时实验或实习类型2思政融入点学生学习预期成果课程目标1A*算法求解8数码问题实验参考A*算法核心代码，以8数码问题为例实现A*算法的求解程序4验证做实验要具有批判性思维，创新意识，期望在实验中发现问题的新思路。能利用A*算法求解N数码难题，理解求解流程和搜索顺序。熟悉和掌握启发式搜索的定义、估价函数和算法过程。熟悉本专业的前沿知识和研究热点。目标3.12遗传算法求函数最大值实验参考实验系统给出的遗传算法核心

12、代码，用遗传算法求解T优化问题，分析遗传算法性能。2验证能利用遗传求解函数优化问题。熟悉和掌握遗传算法的原理、流程和编码策略。能够针对创新点开展切实有效的理论和应用研究。目标3.13遗传算法求TSP问题实验对于同一个TSP问题，分析种群规模、交叉概率和变异概率对算法结果的影响。2验证分组讨论，团队协作，发现与质疑，充分发挥社会主义集体思维决策的优势。能够增加1种变异策略和1种个体选择概率分配策略，比较求解同一TSP问题时不同变异策略及不同个体选择分配策略对算法结果的影响。理解求解TSP问题的流程并测试主要参数对结果的影响。能够针对创新点开展切实有效的理论和应用研究。目标3.14基于神经网络的优

13、化计算实验参考求解TSP问题的连续Hopfield神经网络源代码，给出15个城市和20个城市的求解结果（包括最短路径和最佳路线），分析连续Hopfield神经网络求解不同规模TSP问题的算法性能。4验证掌握连续Hopfield神经网络用于优化计算的一般步骤。掌握连续Hopfield神经网络的结构和运行机制，理解连续Hopfield神经网络用于优化计算的基本原理。能够针对创新点开展切实有效的理论和应用研究目标5.1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

14、程目标对应关系课程目标考核内容课程目标在各考核方式中占比1平时表现课程作业实验报告课程论文培养目标3.1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、适应度函数、PSO参数分析、BP学习算法、离散型Hopfield网络、连续型Hopfield网络、卷积运算、池化、卷积网络的手写体数字识别。60%50%60%90%培养目标5.1人脑视觉机理、深度学习的基本思想、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40%50%40%10%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：1. 课程目

15、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课程作业评分标准课程目标评分标准占比90-100（优）80-89（良）70-79（中）60-69（及格）0-59（不及格）培养目标3能够深入理解人工智能主要技术的基本概念、工作原理。能够较好地理解人工智能主要技术的基本概念、工作原理。能够理解人工智能主要技术的基本概念、工作原理。基本理解人工智能主要技术的基本概念、工作原理。不理解人工智能主要技术的基