计算智能与深度学习（吴陈）教学大纲

编号：22307010课程名称:计算智能英文名称:ComputationalIntelligence一、课内学时：32学分：32开课学期：秋二、预修课程：高等数学、模糊数学、人工智能、数据结构三、教学目的：计算智能是计算机科学、模式识别与智能系统、电子信息工程等专业的一门专业技术课。计算智能是指上世纪80年代以来迅速发展的以神经网络（ANN）、进化计算、模糊逻辑、agent等为主要代表的新一代计算技术。它为传统人工智能知识获取瓶颈的突破带来了希望，也为构建具有较强的知识获取能力、具有容错性与知识自增长能力的智能制造系统提供了基础。通过本课程学习，使学生系统地掌握计算智能的基本内容，包括计算智能的有关理论、技术和方法，了解计算智能的主要应用领域、研究的前沿领域与最新进展。充分认识到计算智能与传统人工智能技术的区别，并能以模型（计算模型、数学模型）为基础，以分布式知识存储与并行计算为特征的模拟人的智能求解问题理论和方法，将计算智能的理论和方法应用于工程技术中解决实际问题。四、教学内容：1计算智能概论术语介绍计算智能的主要内容主要应用领域2人工神经网络人工神经元与感知器模型前向多层网络径向基函数网络反馈神经网络SOM网络及竞争网络3模糊集与模糊信息处理模糊数学基础模糊逻辑与模糊推理模糊控制系统的分析和设计模糊模式聚类与识别4遗传算法遗传进化的基本原理遗传算法及其数学基础遗传算法的改进5蚁群算法6粒子群算法7模拟退火算法8禁忌算法9人工免疫模型与算法10粗糙集理论与应用11深度学习五、课时分配：序号教学环节主要教学内容学时小计1计算智能概论术语介绍0.52计算智能的主要内容0.5主要应用领域12-5人工神经网络人工神经元与感知器模型18前向多层网络1径向基函数网络1反馈神经网络2SOM网络及竞争网络 2对传网络和波耳兹曼机16-8模糊系统模糊数学基础16模糊逻辑与模糊推理1模糊控制系统的分析和设计2模糊模式聚类与识别29遗传算法遗传进化的基本原理及应用2210蚁群算法蚁群算法的基本原理及应用2211粒子群算法粒子群算法的基本原理及应用2212模拟退火算法模拟退火算法基本原理及应用2213禁忌算法禁忌算法的基本原理及应用2214人工免疫系统人工免疫系统基本原理及应用2215粗糙集理论粗糙集理论的基本原理及应用2216深度学习深度学习的基本原理及应用22实验（穿插进行约8学时）计算智能主要算法设计合计3232六、课程考核及成绩评定1.考核方式：考试2.成绩评定：成绩评定采用五级分制。平时（含考勤、作业、课堂交流报告、表现等）占10%，实验成绩占20%，期末考试占70%。七、教材及主要参考书：1.吴陈等.计算智能与深度学习.西安电子科技大学出版社，2021.2.AndriesP.Angelbrecht.ComputationalIntelligence:AnIntroduction.JohnWiley&Sons.2009.3.崔明义.计算智能.清华大学出版社，2013.4.杨淑莹.模式识别与智能计算.电子工业出版社,