《人工智能》教学大纲

人工智能原理及其应用阐明（一）课程性质伴随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种热门话题。然而，在这个话题的背后还蕴含着此外一种更深层的问题——智能。一般来说，信息是由数据来体现的客观事物，知识是信息通过智能性加工后的产物，智能是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，仅靠人脑体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。《人工智能导论》是计算机科学与技术专业本科生的一门限选课程。（二）教学目的使学生掌握人工智能的基本原理、措施及研究应用领域。理解人工智能中常用的知识表达技术，启发式搜索方略，理解原理以及非确定性推理技术。通过对经典专家系统的分析、解剖、深入深入掌握人工智能的重要技术，去处理人工智能的某些实际问题。增强学生的逻辑思维与试验能力，为人此后处理各门学科的智能奠定基础。（三）教学内容人工智能的基本原理和措施，人工智能的三个重要研究领域（机器学习、神经网络学习和自然语言理解），人工智能的两个重要应用领域（专家系统和智能决策支持系统）。（四）教课时数36课时（五）教学方式课堂讲授和上机试验相结合。本文第1章人工智能概述教学要点讨论人工智能的定义、形成过程、研究内容、研究措施、技术特点、应用领域、学派之争及发展趋势。教课时数3课时教学内容1.1人工智能及其研究目的（0.5课时）理解人工智能的定义及其研究目的。1.2人工智能的产生与发展（0.5课时）理解人工智能产生与发展的四个阶段。1.3人工智能研究的基本内容及其特点（0.5课时）理解人工智能研究的基本内容及特点。1.4人工智能的研究和应用领域（0.5课时）理解人工智能研究和应用领域。1.5人工智能研究的不一样学派及其争论（0.5课时）理解三大学派及其理论的争论和研究措施的争论。1.6人工智能的近期发展分析（0.5课时）理解更新的理论框架研究，更好的技术集成研究，更成熟的应用措施研究。（0.5课时）考核规定理解人工智能研究的基本内容和应用领域。知识表达教学要点知识表达的基本概念和多种确定性知识表达措施。教课时数6课时教学内容2.1知识与知识表达概念（0.5课时）理解知识表达的概念和表达形式；理解知识的定义。2.2一阶谓词逻辑表达法（0.5课时）理解一阶谓词逻辑表达的逻辑基础；掌握谓词逻辑表达措施及其应用。2.3产生式表达法（0.5课时）理解产生式系统的基本过程、控制方略及其类型和特点；掌握产生式表达的基本措施、基本构造。2.4语义网络表达法（1课时）理解语义网络的基本概念；会应用语义网络表达事实和进行推理。2.5框架表达法（2课时）理解框架系统的问题求解过程和框架表达法的特点；掌握框架构造和实例框架；理解框架理论。2.6脚本表达法掌握脚本的构造及其推理。（0.5课时）2.7过程表达法（0.5课时）理解过程表达的特性；掌握过程表达的问题求解过程；理解表达知识的措施。2.8面向对象表达法（0.5课时）理解面向对象的特性；理解面向对象的基本概念；掌握知识的面向对象表达。考核规定掌握逻辑词谓表达法及其应用，会用框架去描述某些详细问题，能用脚本来描述特定范围内的某些事件的发生次序。第3章确定性推理教学要点推理的基本概念及归结、演绎等确定性推理措施。教课时数5课时教学内容3.1推理的基本概念（0.5课时）理解正向推理、逆向推理、混合推理及其推理的冲突消解方略；掌握推理的措施、推理的控制方略；理解推理的概念。3.2推理的逻辑基础（1课时）掌握谓词公式的多种特性和置换与合一的过程。3.3自然演绎推理（0.5课时）理解自然演绎推理的概念及其三段论推理规则。3.4归结演绎推理（2课时）掌握子句集及其化简，鲁宾逊归结原理；会应用谓词逻辑归结证明问题，会用归结演绎推理的归结方略证明问题，会用归结反演求取问题的答案。3.5基于规则的演绎推理（1课时）会应用规则正向演绎推理和规则逆向演绎推理。3.6规则演绎推理的剪枝方略（0.5课时）理解剪枝方略的基本思想。考核规定理解确定性推理的思维过程，会应用谓词逻辑归结去求证问题，会应用规则正向演绎推理和规则逆向演绎推理。第4章不确定与非单调推理教学要点不确定性推理的有关概念及多种不确定性的表达和推理措施。教课时数4课时教学内容4.1不确定性推理的基本概念（0.5课时）理解不确定推理的基本问题；理解不确定推理的含义。4.2不确定性推理的概率论基础（0.5课时）理解全概率公式与Bayes公式；理解样本空间与随机事件，事件的概率。4.3确定性理论（0.5课时）理解可信度的概念，C-F模型；掌握带加权因子的可信度推理。4.4主观Bayes措施（0.5课时）理解组合不确定性计算；掌握知识不确定性表达，证据不确定性表达，结论不确定性的合成。4.5证据理论（1课时）掌握D-S理论的形式描述，证据理论的推理模型，推理实例。也许性理论和模糊推理（0.5课时）掌握模糊知识表达，模糊概念的匹配，模糊推理。非单调推理（0.5课时）理解非单调推理的概念及起具有代表性的理论。考核规定理解不确定性推理的含义、非单调推理的概念、确定性理论，掌握主观Bayes措施，能用D-S理论从不一样角度刻划命题的不确定性，能在模糊集的基础上，实现对模糊命题和模糊知识的表达。第5章搜索方略教学要点搜索的基本概念和状态空间、与或树的多种搜索算法。教课时数6课时教学内容5.1搜索的基本概念（1课时）理解搜索的含义；掌握状态空间法，问题归约。5.2状态空间的盲目搜索（2课时）理解一般图搜索过程；掌握广度优先搜索，深度优先搜索，代价树搜索。5.3状态空间的启发式搜索（0.5课时）理解A算法；理解启发性信息和估价函数。5.4与/或树的盲目搜索（0.5课时）理解与/或树的一般搜索；掌握与/或树的的广度优先搜索，与/或树的深度优先搜索。5.5与/或树的启发式搜索（0.5课时）理解与/或树的启发式搜索过程；理解解树的代价与但愿。5.6博弈树的启发式搜索（0.5课时）理解极大极小过程，α-β剪枝。考核规定理解搜索概念，博弈树的启发式搜索；掌握状态空间的盲目搜索和与/或树的盲目搜索。第6章机器学习教学要点机器学习的基本概念和多种符号学习措施。教课时数4课时教学内容6.1机器学习的基本概念（0.5课时）理解机器学习的发展过程，学习系统，机器学习的分类；理解学习和机器学习的概念。6.2机械式学习（0.5课时）理解机械学习的过程及其设计要考虑的三个问题。6.3指导式学习（0.5课时）理解指导式学习的学习过程。6.4归纳学习（0.5课时）理解归纳学习的类型。6.5基于类比的学习（0.5课时）理解属性类比学习、转换类比学习；理解类比学习的概念。6.6基于解释的学习（0.5课时）理解解释学习的空间描述及学习模型；理解解释学习的概念；掌握解释学习的基本原理及基本过程。考核规定理解机器学习的概念，机械式学习，指导式学习，归纳学习；掌握基于解释学习的基本原理及其基本过程。第7章神经网络及连接学习教学要点人工神经网络的概念和多种连接学习措施。教课时数2课时教学内容7.1人工神经网络概述（0.5课时）理解人工神经元及人工神经网络人工神经网络的发展过程，人工神经网络的局限性；理解生物神经元及脑神经系统的构造及特性。7.2人工神经网络的互连构造及其学习机理（0.5课时）理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构造；掌握人工神经网络的学习算法。7.3感知器模型及其学习（0.5课时）理解有关感知器XOR问题求解的讨论；理解感知器模型，感知器学习。7.4误差反向传播网络及其学习（0.25课时）理解B-P网络构造；掌握B-P网络学习的传播公式，B-P网络的学习算法。7.5Hopfield网络及其学习（0.25课时）理解Hopfield模型的稳定性理解Hopfield网络的构造；掌握Hopfield网络的学习算法。考核规定理解人工神经网络及其构造和学习机理；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。第8章自然语言理解教学要点自然语言理解的基本概念和分析措施。教课时数2课时教学内容8.1语言及其理解的基本概念（0.25课时）理解自然语言与自然语言理解，自然语言理解的研究任务，自然语言理解的发展，自然语言理解的层次。8.2语法规则的表达措施（0.25课时）掌握句子构造的表达，上下文无关文法，变换文法。8.3语法分析（0.5课时）掌握自顶向下与自底向上分析；理解扩充转移网络分析。8.4语义的分析（0.5课时）理解语义文法；掌握格文法。8.5自然语言的生成（0.25课时）理解自然语言生成的概念及生成环节。8.6自然语言理解系统的层次模型（0.25课时）理解语言理解的层次模型。考核规定理解自然语言理解的概念，会用语法分析和语义的分析，理解自然语言理解系统的层次模型。第9章专家系统教学要点专家系统是人工智能的一种重要应用领域,它目前正在从集中、封闭模式向分布、开放模式发展。教课时数3课时教学内容9.1专家系统的基本概念（0.5课时）理解专家系统的概念、分类及特点。9.2专家系统的基本构造（0.5课时）理解顾客界面；理解知识库、数据库、推理机、解释机构、知识获取机构。9.3知识获取（0.5课时）理解知识获取措施的分类；理解知识获取的任务；掌握非自动知识获取，自动知识获取。9.4专家系统的开发与评价（0.5课时）理解专家系统的开发条件，生命期概念，专家系统开发过程的各个阶段。9.5专家系统开发工具与环境（0.5课时）理解程专家系统的开发工具与开发环境。9.6专家系统的深入发展（0.5课时）理解新一代专家系统。考核规定理解专家系统的概念、基本构造及其开发工具与环境；掌握非自动知识获取和自动知识获取。第10章智能决策支持系统教学要点智能决策支持系统是人工智能的另一重要应用领域,它是目前迅速兴起的网络商务中的一项重要技术,有着广阔的应用前景教课时数2课时教学内容10.1智能决策支持系统的基本概念（0.5课时）理解智能决策支持系统；理处理策与决策过程，决策支持系统。10.2决策支持新技术（1课时）理解数据仓库、数据开发及其他们的结合。10.3智能决策支持系统的基本构造（0.5课时）掌握