《人工智能导论》教学大纲

《人工智能导论》教学大纲适用范围：202X版本科人才培养方案课程代码：22150071课程性质：专业选修课学分：2学分学时：32学时（理论32学时）先修课程：高等数学C、线性代数、概率论与数理统计等后续课程：毕业设计等适用专业：机器人工程专业开课单位：智能工程学院一、课程说明《人工智能导论》是机器人工程专业的一门专业选修课。本课程主要是学习人工智能方向的基础知识，包括知识表示的各种主要方法、确定性推理方法、不确定性推理方法、搜索求解策略、智能计算、群智能算法、人工神经网络以及专家系统等内容，本课程注重介绍人工智能中的常用算法及方法，拓展学生在人工智能领域的视野。二、课程目标通过本课程的学习，使学生达到如下目标：课程目标1：了解人工智能的发展状况与研究内容；掌握人工智能的基本概念、基本思想方法和重要算法；理解人工智能的基本原理，熟悉典型的人工智能系统。课程目标2：初步学习和掌握人工智能的基本技术，能够用合适的仿真工具去复现一些简单的算法，初步具备用经典的人工智能方法解决一些简单实际问题的能力。课程目标3：通过本课程的学习，对人工智能从整体上有一个较清晰、系统的认识，培养积极思考、严谨创新的科学态度和解决实际问题的责任担当，培养使用合适的编程语言去解决相关实际问题的能力。三、课程目标与毕业要求《人工智能导论》课程教学目标对机器人工程专业毕业要求的支撑见表1。表1课程教学目标与毕业要求关系毕业要求指标点课程目标支撑强度3.设计/开发解决方案3.1能够针对机器人工程领域的复杂工程问题提出网络化、智能解决方案。课程目标1：了解人工智能的发展状况与研究内容；掌握人工智能的基本概念、基本思想方法和重要算法；理解人工智能的基本原理，熟悉典型的人工智能系统。M4.研究4.3能够采用计算机仿真、实物或半实物仿真等方法，设计实验方案，搭建实验系统，进行实验。课程目标2：初步学习和掌握人工智能的基本技术，能够用合适的仿真工具去复现一些简单的算法，初步具备用经典的人工智能方法解决一些简单实际问题的能力。M5.使用现代工具5.2能够运用MATLAB、Proteus、PLC、ROS等工具对机器人领域的复杂工程问题进行设计、开发和仿真分析，并理解其局限性。课程目标3：通过本课程的学习，对人工智能从整体上有一个较清晰、系统的认识，培养积极思考、严谨创新的科学态度和解决实际问题的责任担当，培养使用合适的编程语言去解决相关实际问题的能力。M注：表中“H（高）、M（中）”表示课程与相关毕业要求的关联度。四、教学内容、基本要求与学时分配1.理论部分理论部分的教学内容、基本要求与学时分配见表2。表2教学内容、基本要求与学时分配教学内容教学要求，教学重点难点理论学时对应的课程目标1.绪论1.1人工智能的概念1.2人工智能发展简史1.3人工智能的基本内容1.4人工智能的研究领域思政：培养民族自信教学要求：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。重点：掌握人工智能的定义、范畴和流派。了解人工智能研究的基本内容。难点：了解本专业的人工智能相关的前沿知识和研究热点。212.知识表示2.1知识的特性、分类和表示2.2表示方法：一阶谓词逻辑、产生式、框架等思政：引入我国老一辈科学家的科学精神教学要求：了解知识及知识表示的概念及分类，掌握知识表示方法如一阶谓词逻辑、产生式、框架式等。重点:一阶谓词逻辑、产生式、框架式表示法。难点:一阶谓词逻辑、产生式表示法。41、33.确定性推理方法3.1推理的基本概念3.2确定性推理方法：自然演绎推理、谓词公式化为子句集的方法、鲁宾逊归结原理；3.3确定性推理方法的应用：归结反演、应用归结原理求解问题；教学要求：熟练掌握谓词公式化为子句集的方法；熟练掌握归结原理、方法，并能灵活应用。重点:谓词公式化为子句集的方法。难点:归结原理、方法及应用。41、34.不确定性推理方法4.1不确定性推理的基本概念4.2可信度方法、证据理论等基于概率的推理方法；4.3模糊推理方法；教学要求：了解可信度方法、证据理论及其推理方法。掌握模糊集合、模糊知识表示、模糊推理方法，并能灵活应用，培养积极思考、严谨创新的科学态度。重点:可信度方法、证据理论及其推理方法。难点:模糊集合、模糊知识表示及模糊推理方法。41、2、35.搜索求解策略5.1搜索的概念5.2状态空间的搜索策略5.3盲目的图搜索策略5.4启发式图搜索策略教学要求：搜索的基本概念、基本方法；掌握搜索方法的实现与基本软件设计，培养积极思考、严谨创新的科学态度。重点:搜索策略的基本概念和基本方法。难点:搜索方法的实现与基本软件设计。41、2、36.智能计算及其应用6.1遗传算法的产生与发展6.2基本遗传算法6.3遗传算法的改进算法6.4遗传算法的应用6.5群智能算法产生的背景；6.6粒子群优化算法及粒子群优化算法的应用6.7基本蚁群算法、改进算法及蚁群算法的应用思政：科学精神教学要求：掌握遗传算法的基本概念和基本方法；了解一些遗传算法的改进算法，了解遗传算法的应用实例；掌握粒子群优化算法的基本概念、基本步骤等基本内容；掌握蚁群算法的设计、调试，了解蚁群算法的应用例子。重点:遗传算法的基本概念和基本方法；粒子群优化算法的基本概念和基本步骤。难点:遗传算法的改进算法，及遗传算法的应用实例；蚁群算法的设计和调试61、2、37.专家系统7.1专家系统的产生、发展以及基本概念7.2专家系统的工作原理及其建立方法7.3专家系统实例教学要求：掌握专家系统的基本概念、基本特征、一般结构等基本内容；掌握专家系统的建造、开发，了解专家系统的应用例子。重点:专家系统的基本概念、基本特征、一般结构等基本内容。难点:专家系统的设计和开发方法。41、2、38.人工神经网络及其应用8.1神经元与神经网络的基本概念；8.2BP神经网络学习算法及其应用；8.3Hopfield神经网络及其应用。教学要求：掌握人工神经网络的基本概念、常用人工神经网络模型；了解BP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；了解Hopfield神经网络的特性及其在联想记忆、优化等工程中的应用。重点:BP神经网络学习算法及其应用。难点:Hopfield神经网络的特性及其应用。41、2、3合计32五、教学方法及手段本课程采用课堂讲授为主，结合讨论、案例、仿真教学等手段完成课程教学任务和相关能力的培养。讲授环节主要采用教师讲解、演示、互动的教学形式。教师讲解知识点、演示程序代码，使学生对知识点形成直观印象，并通过课堂教学双方互相提问，与学生互动，鼓励学生在课堂上发表自己的见解，加深对知识点的理解，注重理论指导的作用。在教学环节引入多媒体演示，通过形象生动的视频演示让学生们了解人工智能的科学价值和实际应用所在。同时课后，布置一定的作业，给学生充分地思考空间，培养学生勤学善思的好习惯。六、课程资源1.推荐教材：（1）王万良.人工智能导论（第5版）[M].北京：高等教育出版社，2020年.2.参考书：（1）李德毅.人工智能导论[M].北京：中国科学技术出版社.2018年.（2）李开复.AI未来[M].浙江：浙江人民出版社.2018年.（3）弗拉赫.机器学习[M].北京：人民邮电出版社.2016年.（4）王士同.人工智能教程[M].北京：电子工业出版社.2006年.（5）MichaelNegnevitsky.人工智能：智能系统指南[M].北京：机械工业出版社.2012年.（6）丁世飞.人工智能[M].北京:清华大学出版社.2015年.3.期刊：（1）JolantaS,MartaC.Mixingtimepredictionwithartificialneuralnetworkmodel[J].ChemicalEngineeringScience,2021,246.（2）黄书召,田军委,乔路等.基于改进遗传算法的无人机路径规划[J].计算机应用,2021,41(02):390-397.（3）陈秋莲,郑以君,蒋环宇等.基于神经网络改进粒子群算法的动态路径规划[J].华中科技大学学报(自然科学版),2021,49(02):51-55.（4）严春满,王铖.卷积神经网络模型发展及应用[J].计算机科学与探索,2021,15(01):27-46.（5）徐辉,祝玉华,甄彤等.深度神经网络图像语义分割方法综述[J].计算机科学与探索,2021,15(01):47-59.4.网络资源：（1）中国大学MOOC（慕课）国家精品课程在线学习平台：/.（2）智慧树在线教育平台：/.（3）学堂在线国家精品课堂在线学习平台：/（4）coursera在线课程平台：/courses.七、课程考核对课程目标的支撑课程成绩由过程性考核成绩和期末考核成绩两部分构成，具体考核/评价细则及对课程目标的支撑关系见表3。表3课程考核对课程目标的支撑考核环节占比考核/评价细则课程目标123过程性考核课堂表现10（1）根据课堂出勤情况和课堂回答问题情况进行考核，满分100分。（2）以平时考核成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√√55作业15（1）主要考核学生对各章节知识点的复习、理解和掌握程度，满分100分；（2）每次作业单独评分，取各次成绩的平均值作为此环节的最终成绩。（3）以作业成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√√√555章节阶段测试15（1）根据学生参与的所有章节阶段测试获得的分数取平均分，满分100分。（2）以章节阶段测试成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√√√555大作业60大作业为线下考核为主，每位同学应从多个题目中选取一个进行撰写相关报告或论文。学生应当独立完任务，报告或论文应当逻辑通顺、内容丰富，有自己的见解。（3）凡是全文抄袭者，大作业成绩不及格。√√√252510合计：100分403525八、考核与成绩评定1.考核方式及成绩评定考核方式：本课程主要以课堂表现、作业、章节阶段测试、大作业等方式对学生进行考核评价。考核基本要求：考核总成绩由大作业成绩和过程性考核成绩组成。其中：大作业成绩为100分（权重60%），要求学生独立完成一份报告或论文；课堂表现、作业、章节阶段测试等过程性考核成绩为100分（权重40%）。2.过程性考核成绩的标准过程性考核方式重点考核内容、评价标准、所占比重见表4。表4过程性考核方式评价标准考核方式所占比重(%)100>x≥9090>x≥8080>x≥7070>x≥60x<60课堂表现25笔记完整，积极参与教学活动，踊跃回答问题，准确率大于90%。笔记完整，认真参与教学活动，回答问题准确率大于80%。笔记不完整，偶尔参与教学活动，回答问题准确率大于70%。上课不认真，上课不记笔记，偶