人工智能导论 教学大纲

PAGEPAGE1《人工智能导论》课程教学大纲一、课程基本信息课程名称人工智能导论课程编号课程性质必修课课程类别专业基础课程开课单位智能科学与技术教研室授课学期第5学期学分/学时1.5/24课内学时24理论授课14上机学时0课内实践0实验学时10课外学时24适用专业智能制造工程是否双语否先修课程概率论，Python编程与工程实践后续课程智能装备基础，智能工厂集成技术二、课程简介人工智能是智能制造工程专业的专业基础课。人工智能已经成为计算机技术发展以及许多高新技术产品中的关键技术。旨在通过本课程的学习，系统了解人工智能科技目前的基本实力，加强学生对国内外人工智能技术发展的认识，掌握人工智能的基本概念、基本原理和基本方法，熟悉应用人工智能技术解决实际问题的范例，提高学生的问题分析能力、创新能力和判断能力。三、课程目标及对毕业要求指标点的支撑（一）课程目标课程目标1：知识目标国内外人工智能技术发展现状；人工智能的基本概念、基本理论和基本方法；能理解基本理论和方法的具体表示形式、优缺点、应用范例。课程目标2：能力目标能够针对现实中的具体工程问题，运用课程学习的常见算法，提出解决问题的基本思路和方法，培养学生的创新能力和批判性思维。课程目标3：素质目标解析人工智能之美，厚植“科技改变未来”的创新精神。（二）课程目标对毕业要求指标点的支撑课程目标支撑毕业要求指标点毕业要求课程目标11-3：学习专业基础知识，掌握解决复杂智能制造工程问题的基本思路和方法。1-工程知识课程目标2、32-1：能够运用数学、自然科学和机械工程学科的基本原理对智能制造工程问题进行识别与描述。5-1：能够合理选择与使用解决复杂智能制造工程问题所需的多种仪器设备、信息资源、现代工程工具和信息技术工具2-问题分析5-使用现代工具四、课程基本教学内容及对课程目标的支撑（一）课程基本教学内容第一单元人工智能概述（学时数：2学时）1.课程主要内容人工智能的概念，人工智能发展简史；人工智能研究的基本内容，人工智能的主要研究领域。2.重点和难点重点：人工智能的基本概念、研究的特点、内容。难点：人工智能的研究内容。3.教学方法课堂讲授、案例分析。4.学生学习预期成果能描述人工智能研究的基本内容和主要研究领域，熟悉本专业的前沿知识和研究热点。5.支撑课程目标课程目标1.课程目标2.课程目标3.第二单元知识表示（学时数：2学时）1.课程主要内容知识及知识表示的概念，知识的特性。一阶谓词逻辑、产生式、框架表示等知识表示方法，了解知识图谱的基本概念以及典型应用。2.重点和难点重点：谓词逻辑表示的语言与方法，谓词公式的性质；产生式表示法难点：如何选择谓词，问题的谓词逻辑表示及运算。3.教学方法课堂讲授、案例分析。4.学生学习预期成果能够采用谓词逻辑表达和描述推理知识，熟练使用产生式系统求解问题的基本步骤和方法。5.支撑课程目标课程目标1.课程目标2.课程目标3.第三单元不确定性推理技术（学时数：6学时）1.课程主要内容推理和不确定推理的基本概念和意义。不确定推理的可信度方法，证据理论，模糊推理方法。2.重点和难点重点：可信度方法。模糊集合的运算、模糊关系与模糊关系的合成、模糊推理、模糊决策。难点：模糊关系与模糊关系的合成、模糊推理。3.教学方法课堂讲授、案例分析。4.学生学习预期成果熟练使用可信度方法进行推理，求解问题的结论。应用模糊推理的一般过程，实现模糊推理，求解结论。5.支撑课程目标课程目标1.课程目标2.课程目标3.第四单元人工神经网络及其应用（学时数：4学时）1.课程主要内容神经元与神经网络的基本概念；BP神经网络学习算法及其应用；2.重点和难点重点：BP神经网络学习算法的基本原理。难点：BP神经网络权重。3.教学方法课堂讲授、案例分析。4.学生学习预期成果能描述神经网络的基本原理。5.支撑课程目标课程目标1.课程目标2.课程目标3上机实践内容一产生式系统（学时数：2学时）1.主要内容用产生式系统的方法实现一个动物识别系统。用产生式规则作为知识表示，利用产生式系统程序，建立规则知识库，分别运行正反向推理。2.重点和难点重点：建立规则知识库、建立事实库（综合数据库）、实现推理过程。难点：实现推理过程。3实施方式课堂示范，指导学生编程和调试。4.学习要求熟悉一阶谓词和产生式表示法，掌握产生式系统的运行机制，以及基于规则推理的基本方法。5.实验要求（1）实验属性：验证性实验；（2）开出要求：必做（3）分组要求：1人1组；（4）实验准备：预先熟悉Python的列表、字典、集合的编程方法。6.学生学习预期成果能根据实际问题，编写产生式系统的规则知识库，进行推理得出问题的解。7.支撑课程目标课程目标1.课程目标2.课程目标3上机实践内容二洗衣机模糊推理系统（学时数：4学时）1.主要内容采用基于Python的scikit-fuzzy库，设计洗衣机洗涤时间的模糊控制。2.重点和难点重点：scikit-fuzzy库的安装和使用方法，模糊控制规则表的建立。难点：模糊控制规则表的建立。3.实施方式课堂示范，指导学生编程和调试。4.学习要求理解模糊逻辑推理的原理及特点，熟练运用模糊推理。5.实验要求（1）实验属性：验证性实验；（2）开出要求：必做（3）分组要求：1人1组；（4）实验准备：预先熟悉Python的库安装；列表的编程方法。6.学生学习预期成果能根据实际问题，使用scikit-fuzzy库，编写模糊控制规则表，进行问题的求解。7.支撑课程目标课程目标1.课程目标2.课程目标3.课程目标4上机实践内容三BP神经网络（学时数：4学时）1.主要内容从典型应用案例出发，通过操作基于人工神经网络的图像识别模型及算法，初步了解人工神经网络的工作过程，熟悉神经网络的基本原理。2.重点和难点重点：BP神经网络的工作原理。难点：BP神经网络的工作原理。3.实施方式课堂示范，指导学生操作。4.学习要求掌握BP神经网络的工作原理。5.实验要求（1）实验属性：验证性实验；（2）开出要求：必做（3）分组要求：1人1组；（4）实验准备：熟悉神经网络的工作过程。6.学生学习预期成果能够描述神经网络的工作过程。7.支撑课程目标课程目标1.课程目标2.课程目标3（二）课程基本教学内容对课程目标的支撑理论教学内容课程教学内容教学方法支撑的课程目标学时安排课内课外学时比例第一单元人工智能概述课堂讲授、案例分析课程目标1、2、321：1第二单元知识表示课堂讲授、案例分析课程目标1、2、321：1第三单元不确定性推理方法课堂讲授、案例分析课程目标1、2、361：1第四单元人工神经网络及其应用课堂讲授、案例分析课程目标1、2、341：1合计141：1上机实践内容课程教学内容教学方法支撑的课程目标学时安排课内课外学时比例上机实践内容一产生式系统课堂示范，指导学生编程和调试课程目标1、2、321：1上机实践内容二洗衣机模糊推理系统课堂示范，指导学生编程和调试课程目标1、2、341：1上机实践内容三BP神经网络课堂示范，指导学生操作课程目标1、2、341：1合计101：1五、课程考核及对课程目标的支撑（一）课程考核课程成绩构成（百分制）课程成绩构成比例考核环节目标分值考核/评价细则平时成绩30%课后作业50共计安排5次客观题作业，每次客观题作业的成绩给定均10分满分记，总计50分。小组讨论20共计安排2~3次线上讨论，根据讨论内容优劣给小组打分，各小组内根据任务分派组内为每个人打分。最终总成绩按比例折算为20分。随堂测验20课堂根据需要随时安排测验，每次答题时间控制在5分钟之内，根据题目难度，数量灵活设置分值。最终总成绩按比例折算为20分。课堂表现10根据课堂反馈，讨论，发言等情况打分，次数不限，每次1~2分，最终总成绩按比例折算为10分。实践成绩20%平时10由两部分构成，一是实践表现，教师根据学生实践表现记录。二是报告的撰写，学生每次实践之后均需完成报告，记录数据，并对数据、程序运行结果进行解释。教师根据撰写情况给出分数。以上两部分通常折算后分数占比相同。考试101.考核内容：考核内容抽取实验一到六中的一个实验内容。2.考试题型：根据问题，修改完善程序的关键算法，求解问题。3.评价细则：由学生考试现场抽题，按要求在计算机上修改程序。考试结束，上传程序代码和运行结果，按题目标准答案得分点进行比对得分。期末考试50%知识401.考核内容：所有教学内容2.考试题型：客观题（选择、填空）；主观题（计算、解答）3.评价细则：客观题，共计40分；主观题，共计60分。能力40综合应用15创新5（二）课程考核对课程目标的支撑教学内容考核内容考核方式支撑的课程目标第一单元人工智能的基本概念1-1人工智能的基本概念；1-2人工智能研究的基本内容1-3人工智能的主要研究领域课堂表现随堂测验期末考试课程目标1、2第二单元知识表示2-1知识表示的概念2-2一阶谓词逻辑表示法2.3产生式表示法2.4框架表示法2.5知识图谱课堂表现随堂测验课后作业小组讨论期末考试课程目标1、2、3第四单元不确定性推理方法4-1不确定性推理的概念4-2可信度方法4-3模糊推理方法课堂表现随堂测验课后作业应用解答期末考试课程目标1、2、3第八单元人工神经网络及其应用8-1神经元与神经网络8-2BP神经网络学习算法。8-3卷积神经网络与深度学习8-4生成对抗网络及其应用课堂表现随堂测验课后作业应用解答期末考试课程目标1、2、3上机实践实践一产生式系统实践二洗衣机模糊推理系统实践三BP神经网络实践报告测试课程目标1、2、3六、使用教材、相关推荐书目及课程资源（一）使用教材王万良.《人工智能导论》（第5版），高等教育出版社，2020年（二）相关推荐书目1.蔡自兴.《人工智能及其应用（第6版）》.清华大学出版社，2020年2.王万良，王铮.《人工智能应用教程》.清华大学出