人工智能B课程教学大纲
一、课程基本信息
课程编号:0906197
课程中文名称:人工智能B
课程英文名称:Artificial Intelligence B
课程性质:专业选修课
考核方式:考查
开课专业:计算机科学与技术、信息安全(保密技术)、软件工程(数字新媒体技术)
开课学期:5(软件工程)、7(计算机科学与技术、信息安全)
总学时:24 (其中理论16学时,上机8学时)
总学分:1
二、课程目的
人工智能是研究如何构造出智能系统来模拟、延伸和扩展人类智能的科学。本课程的目的在于使学生初步掌握人工智能的基本概念、原理和方法,训练学生应用人工智能方法解决实际问题的能力,培养学生求实创新的科研素养。
三、教学基本要求
1.了解人工智能的基本概念、原理、发展历程、Agent的概念与结构;
2.熟悉常用的知识
表
关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf
示方法;
3.熟悉人工智能领域的英文术语;
4.掌握基本的问题求解技术;
5.能够利用人工智能方法编程求解问题;
6.培养出基本的科研能力和求实创新的科研素养。
四、教学内容与学时分配
第一章绪论(2学时)
人工智能的基本概念、发展历程、研究内容、应用领域、Agent的概念与结构。
第二章知识表示技术(2学时)
状态空间法、谓词逻辑法、问题归约法、框架法、语义网络法、脚本法、OOP法。
第三章启发式搜索技术(2学时)
图搜索策略及性能度量、A*算法、AO*算法。
第四章对抗搜索技术(2学时)
博弈问题、MinMax搜索算法、α-β搜索算法。
第五章约束满足搜索技术(2学时)
约束满足问题、回溯搜索技术。
第六章随机优化搜索技术(2学时)
遗传算法、禁忌搜索算法、模拟退火算法、粒子群优化算法、蚁群优化算法。
第七章确定性推理技术(2学时)
推理问题、Robinson归结原理、基于规则的演绎推理。
第八章不确定性推理技术(2学时)
模糊推理、主观Bayes方法、可信度方法、D-S证据理论、云推理。
五、教学方法及手段
多媒体辅助教学、研究性教学、双语教学。
六、实验(或)上机内容
实验一:搜索实验(4学时)
实验二:推理实验(4学时)
七、先修课程
程序
设计
领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计
基础(C语言)、数据结构、离散数学
八、教材及主要参考资料
[1] Stuart Russell, Peter Norvig. Artificial Intelligence: A Modern Approach (2nd)(影印版).清华大学出版社,2006
[2] 王万良.人工智能及其应用(第二版).高等教育出版社,2008
九、课程考核方式
研究报告。