《人工智能導論實驗》教學大綱適用范圍：202X版本科人才培養方案課程代碼：08150701課程性質：專業選修課學分：1學分學時：16學時（實驗16學時）先修課程：信息處理技術、高等數學、概率論與數理統計后續課程：無適用專業：物聯網工程開課單位：計算機科學與技術學院一、課程說明《人工智能導論實驗》是物聯網工程專業的專業選修課。其任務主要是把握計算機科學與技術的發展趨勢，熟悉本專業的前沿知識和研究熱點。該課程講述了人工智能的發展簡史、人工智能研究的基本內容和主要研究領域、人工智能的研究熱點包括人工神經網絡及其應用和遺傳算法及其應用等。要求學生掌握基本創新方法，能夠針對創新點開展切實有效的理論和應用研究。該課程緊密聯系計算機學科中的前沿內容和所涉及的新技術，例如模糊推理方法及其在計算機控制系統中的應用、人工神經網絡及其改進方法在模式識別、軟測量、聯想記憶、優化計算中的應用，遺傳算法及其改進算法在生產調度中的應用等，學生通過該課程的學習能夠了解基本的人工智能新技術和有關問題求解的創新方法。二、課程目標通過本課程的學習，使學生達到如下目標：課程目標1：掌握基礎的圖像預處理和圖像特征提取技術，熟悉圖像濾波，邊緣特征，全局和局特征，SIFT算子等。課程目標2：根據需求能夠正確提取不同圖像的特征，并加以適當的分類器，實現圖像的分類，檢測和識別等常見任務，并以后從事模式識別與智能控制的研究與研發打下堅實基礎。課程目標3：了解現在人工智能的發展趨勢，知道人工智能在各個領域的應用，了解人工智能可能帶來的法律對相關倫理和法規政策的挑戰。為社會培養具有創新能力的“四有新人”，通過作業等考核形式樹立正確勞動價值取向，養成積極勞動精神面貌。三、課程目標與畢業要求《人工智能導論實驗》課程教學目標對物聯網工程專業畢業要求的支撐見表1。

表1課程教學目標與畢業要求關系畢業要求指標點課程目標支撐強度1.工程知識1.3能夠運用相關知識和數學模型方法，對物聯網領域的復雜工程問題進行推理分析，并對問題的解決方案進行比較、綜合與優化。課程目標1：掌握基礎的圖像預處理和圖像特征提取技術，熟悉圖像濾波，邊緣特征，全局和局特征，SIFT算子等。課程目標2：根據需求能夠正確提取不同圖像的特征，并加以適當的分類器，實現圖像的分類，檢測和識別等常見任務，并以后從事模式識別與智能控制的研究與研發打下堅實基礎。H3.設計/開發解決方案3.3能夠在物聯網及其相關領域的系統設計、開發、測試等環節中體現創新意識和創業精神，并能綜合考慮社會、健康、安全、法律、文化及環境因素的影響。課程目標2：根據需求能夠正確提取不同圖像的特征，并加以適當的分類器，實現圖像的分類，檢測和識別等常見任務，并以后從事模式識別與智能控制的研究與研發打下堅實基礎。H4.研究4.1能夠基于科學原理，運用文獻研究等相關方法，調研和分析物聯網領域復雜工程問題的解決方案。課程目標3：了解現在人工智能的發展趨勢，知道人工智能在各個領域的應用，了解人工智能可能帶來的法律對相關倫理和法規政策的挑戰。為社會培養具有創新能力的“四有新人”，通過作業等考核形式樹立正確勞動價值取向，養成積極勞動精神面貌。M注：表中“H（高）、M（中）”表示課程與相關畢業要求的關聯度。四、教學內容、基本要求與學時分配1.實驗教學部分實驗部分的教學內容、基本要求與學時分配見表2。表2實驗項目、實驗內容與學時實驗項目實驗內容和要求實驗學時對應的課程目標1.搜索求解策略實驗內容：搜索求解策略的實現。實驗要求：掌握圖像預處理的基本思想，利用該算法解決常見圖像預處理問題。41、2、32.群智能算法及其應用實驗內容：群智能算法的應用。實驗要求：通過簡單應用場景，掌握蟻群算法的設計、調試和蟻群算法的應用實踐。41、2、33.機器學習實驗內容：機器學習。實驗要求：掌握機器學習模型的構造、訓練以及應用。41、2、34.自然語言理解及其應用實驗內容：自然語言理解及其應用。實驗要求：掌握基于隱馬爾可夫模型的語音識別方法，熟悉自然語言模型設計方法。41、2、3合計16五、教學方法及手段本課程以學生實驗為主，結合自主學習和視頻資源等教學手段完成課程教學任務和相關能力的培養。學生比較全面地掌握人工智能相關實驗的基本方法與設計原理，例如在掌握特征提取基礎上，具有進行物體識別、檢測和定位的初步能力。六、課程資源1.教材（1）王萬良.人工智能導論（第5版）[M].北京:高等教育出版社,2020.2.參考書（1）姚期智.人工智能[M].北京:清華大學出版社,2022.（2）余明輝,詹增榮,湯雙霞.人工智能導論[M].北京:人民郵電出版社,2021.（3）中國電子信息產業發展研究院（賽迪研究院）.人工智能創新啟示錄：技術前沿[M].北京:人民郵電出版社,2022.（4）斯科特·克里格(劉波,羅棻譯).計算機視覺度量：從特征描述到深度學習[M].北京:人民郵電出版社,2019.（5）喬恩·克羅恩(JonKrohn）.圖解深度學習：可視化、交互式的人工智能指南[M].北京:人民郵電出版社,2022.（6）羅穎,賴國明.深度學習與圖像處理實戰[M].北京:人民郵電出版社,2022.3.期刊（1）嚴行健.人工智能主體化的法律應對——以未來強人工智能的出現為視角[J].對外經貿,2022,(10):76-79.（2）郭菲琳.人工智能技術在檔案工作中的應用邏輯與路徑展望[J].蘭臺內外,2022,(32):28-30.（3）劉夢君,蔣新宇,石斯瑾等.人工智能教育融合安全警示:來自機器學習算法功能的原生風險分析[J].江南大學學報(人文社會科學版),2022,21(05):89-101.（4）孟慶民,何雪云,鄒玉龍等.人工智能背景下電子信息類教育新形態探索[J].高教學刊,2022,8(28):16-18,22.（5）張友鵬.人工智能技術在電子工程自動化控制中的應用研究[J].冶金與材料,2022,42(05):103-105.（6）鄒易奇.人工智能在計算機網絡技術中的應用[J].科技與創新,2022(20):179-181.（7）ZixiangZhou,JieGong.AutomatedresidentialbuildingdetectionfromairborneLiDARdatawithdeepneuralnetworks[J].AdvancedEngineeringInformatics,2018,36:229-241.4.網絡資源（1）Jack_Kuo.人工智能技術應用的領域主要有哪些？.(2022.01.24)./weixin_37251044/article/details/78538826．（2）Jack_Kuo.【深度學習】：激活函數.(2020.06.11)./article/details/106693273.（3）深度學習的4個底層邏輯.LinkedIn領英.(2022.11.30)./newview/movie/courseintro?newurl=MCS5AQH7J.七、課程考核對課程目標的支撐課程成績采用過程性考核，具體考核/評價細則及對課程目標的支撐關系見表3。表3課程考核對課程目標的支撐考核環節占比考核/評價細則課程目標123過程性考核實驗100（1）根據每個實驗的實驗操作完成情況和實驗報告質量單獨評分，滿分100分；（2）每次實驗單獨