1、 人工智能應用教學大綱課程性質專業任選課課程編號xx420412課程名稱人工智能應用適用專業網絡工程先修課程離散數學，概率論與數理統計總學時 32 其中理論 20 學時，實驗12 學時學分數2課程簡介 人工智能應用是計算機科學研究和發展的一個重點，其終極目標就是讓計算機具有象人一樣的能力。這門課程主要講述知識與知識表示、確定性推理、不確定性推理、搜索策略、神經網絡、機器學習、遺傳算法等方面內容。通過本課程的學習，要求學生了解人工智能的發展狀況與研究內容，掌握基本概念、基本原理方法和重要算法，掌握人工智能的一些主要思想和方法，熟悉典型的人工智能系統產生式系統和簡單的模糊推理方法，學會用啟發式搜索

2、求解問題，學會基本的神經網絡方法，學會簡單的機器學習方法，初步具備用經典的人工智能方法解決一些簡單實際問題的能力。二、課程教學目標通過本課程人工智能應用的學習，學生應實現如下目標：（一）知識教學目標深入理解有關人工智能的基本概念和要素；掌握知識的表示方法；掌握各種搜索推理技術；深入了解神經計算的不同方法；深入了解計算智能基本內容；深入了解機器學習的基本方法和實現過程；（二）能力培養目標具有設計、實現和分析等方面的能力；學會用啟發式搜索求解問題；具有使用機器學習與深度學習平臺工具進行數據分析能力；初步具備用經典的人工智能方法解決一些簡單實際問題的能力；三、課程教學基本要求根據課程在知識結構中的作

3、用，教學要求分為掌握、熟悉、了解、選學四個層次，具體要求如下。1掌握部分:一般圖搜索（回溯策略、圖搜索策略、無信息搜索過程、啟發式圖搜索過程）；與或圖搜索問題包括與或圖的啟發式搜索算法、博弈樹的搜索；謂詞邏輯與歸結原理（謂詞邏輯歸結原理、HERBRAND定理）；知識表示（產生式表示方法、語義網絡表示、框架表示）；不確定性推理方法（不確定性推理的基本問題、貝葉斯網絡、主觀貝葉斯方法、確定性方法） 2熟悉部分：不確定性推理方法之證據理論；機器學習（機器學習概論、實例學習、基于解釋的學習、決策樹學習、神經網絡學習） 3了解部分：人工智能研究的發展和基本原則；知識原則、知識表示的作用、功能、性能；自動

4、規劃技術的新進展，人工智能的最新進展和面臨的挑戰。4選學部分：高級搜索四、課程教學內容與學時分配序號教學模塊知識點學時1緒論1、教學目的了解人工智能的發展簡史以及當前的一些發展方向和熱點。掌握人工智能基本概念，相關名詞術語的含義；熟知人工智能的基本研究內容、研究方法。2、教學重點人工智能的定義、應用領域。22.知識表示方法1、教學目的了解關于知識的基本觀點以及特點等等。掌握基本的、常用的一些知識表示方法，如一階謂詞邏輯表示法、框架表示法和語義網絡表示法等。了解各種知識表示法的特點。2、教學重點狀態空間法；一階謂詞邏輯表示法；框架表示法；語義網絡表示法。43搜索推理技術1、教學目的掌握基本概念，

5、學會用狀態空間表示問題，了解與或樹表示法。掌握狀態空間的各種搜索策略，包括深度優先搜索、廣度優先搜索、代價樹上的搜索以及啟發式搜索和A*算法等等。了解關于搜索完備性和效率的基本理論。2、教學重點深度優先搜索、廣度優先搜索、代價樹上的搜索以及啟發式搜索和A*算法。44神經計算1、教學目的掌握神經網絡的基本概念、基本形態。了解感知器、BP網絡、Hopfield網絡、ART網絡等多種不同類型神經網絡的基本原理、組成以及特點。掌握前饋神經網絡的BP算法。了解神經網絡的各種應用。2、教學重點BP網絡、Hopfield網絡的工作原理。 25計算智能1、教學目的掌握神經計算與模糊計算的基本原理與求解步驟。

6、了解蟻群算法的基本原理。2、教學重點遺傳算法的基本原理與遺傳算法的求解步驟26機器學習基礎1、教學目的（1）了解機器學習的各種方法（2）了解機器學習如何進行決策 2、教學重點（1）各種機器學習算法原理（2）貝葉斯、KNN、SVM、決策樹以及神經網絡等算法的理解47機器學習實踐1、教學目的（1）了解機器學習平臺的搭建（2）了解深度學習基本方法 2、教學重點（1）常用機器學習平臺的使用（Weka）（2）深度學習平臺的使用2實驗教學內容序號實驗項目名稱內容摘要實驗學時實驗類型開出要求1利用問題歸約法實現Hanoi塔問題理解問題歸約法的原理和方法，掌握用問題歸約表示問題的步驟，并能夠對實際問題給出具體

7、的實現2驗證性必做2利用狀態空間搜索法實現八數碼問題理解狀態空間知識表示方法，掌握搜索方法的基本原理，并能夠對八數碼問題給出具體的實現2綜合性必做3用BP神經網絡實現XOR分類問題理解前饋神經網絡的工作原理，掌握BP算法的基本思想，認識影響算法性能的因素，能夠編寫對實際模式樣本正確分類的程序2綜合性必做4用遺傳算法求函數的最大值問題掌握遺傳算法的基本思想，編寫能對實際問題求解的遺傳算法程序，通過實現遺傳算法程序，可進一步理解遺傳算法的基本機理2綜合性必做5機器學習數據的處理與機器學習算法的應用學會使用WEKA來實現各種機器學習算法，并比較不同算法的區別2驗證性必做6深度學習平臺的搭建與數據處理學會搭建深度學習平臺并完成基本實驗2驗證性必做五、教學方法與策略 采用課堂教學+實踐教學相結合的方法，按章節進行教學。六、學生學習成效考核方式（考核）考核環節構成（均為100分制）評分依據占總成績的比重上課出勤20分上課缺席一次扣2 分，缺課達1/3取消資格。20%實驗項目30分學生按規定獨立完成平時實驗項目規定內容30%期末測評成績50分對于具體的機器學習，深度學習，神經網絡等任務進行平臺搭建，數據預處理，算法實現以及實驗測試等工作。根據具體任務完成情況進行打分。50%七、選用教材蔡自興等，人工