《人工智能》教學大綱人工智能原理及其應用一、說明（一）課程性質隨著信息社會和知識經濟時代的來臨，信息和知識已成為人們的一個熱門話題。然而，在這個話題的背后還蘊含著另外一個更深層的問題——智能。一般來說，信息是由數據來表達的客觀事物，知識是信息經過智能性加工后的產物，智能是用來對信息和知識進行加工的加工器。在信息社會，人類面對的信息將非常龐大，僅靠人腦表現出來的自然智能是遠遠不夠的，必須開發那種由機器實現的人工智能。《人工智能導論》是計算機科學與技術專業本科生的一門限選課程。（二）教學目的使學生掌握人工智能的基本原理、方法及研究應用領域。了解人工智能中常用的知識表示技術，啟發式搜索策略，了解原理以及非確定性推理技術。通過對典型專家系統的分析、解剖、進一步深入掌握人工智能的主要技術，去解決人工智能的一些實際問題。增強學生的邏輯思維與實驗能力，為人今后處理各門學科的智能奠定基礎。（三）教學內容人工智能的基本原理和方法，人工智能的三個重要研究領域（機器學習、神經網絡學習和自然語言理解），人工智能的兩個重要應用領域（專家系統和智能決策支持系統）。（四）教學時數36學時（五）教學方式課堂講授和上機實驗相結合。二、本文第1章人工智能概述教學要點討論人工智能的定義、形成過程、研究內容、研究方法、技術特點、應用領域、學派之爭及發展趨勢。教學時數3學時教學內容1.1人工智能及其研究目標（0.5學時）了解人工智能的定義及其研究目標。1.2人工智能的產生與發展（0.5學時）了解人工智能產生與發展的四個階段。1.3人工智能研究的基本內容及其特點（0.5學時）了解人工智能研究的基本內容及特點。1.4人工智能的研究和應用領域（0.5學時）了解人工智能研究和應用領域。1.5人工智能研究的不同學派及其爭論（0.5學時）了解三大學派及其理論的爭論和研究方法的爭論。1.6人工智能的近期發展分析（0.5學時）了解更新的理論框架研究，更好的技術集成研究，更成熟的應用方法研究。（0.5學時）了解人工智能研究的基本內容和應用領域。第2章知識表示教學要點知識表示的基本概念和各種確定性知識表示方法。教學時數6學時教學內容2.1知識與知識表示概念（0.5學時）了解知識表示的概念和表示形式；理解知識的定義。2.2一階謂詞邏輯表示法（0.5學時）理解一階謂詞邏輯表示的邏輯基礎；掌握謂詞邏輯表示方法及其應用。2.3產生式表示法（0.5學時）了解產生式系統的基本過程、控制策略及其類型和特點；掌握產生式表示的基本方法、基本結構。2.4語義網絡表示法（1學時）理解語義網絡的基本概念；會應用語義網絡表示事實和進行推理。2.5框架表示法（2學時）了解框架系統的問題求解過程和框架表示法的特點；掌握框架結構和實例框架；理解框架理論。2.6腳本表示法掌握腳本的結構及其推理。（0.5學時）2.7過程表示法（0.5學時）了解過程表示的特性；掌握過程表示的問題求解過程；理解表示知識的方法。2.8面向對象表示法（0.5學時）了解面向對象的特征；理解面向對象的基本概念；掌握知識的面向對象表示。考核要求掌握邏輯詞謂表示法及其應用，會用框架去描述一些具體問題，能用腳本來描述特定范圍內的一些事件的發生順序。第3章確定性推理教學要點推理的基本概念及歸結、演繹等確定性推理方法。5學時教學內容3.1推理的基本概念（0.5學時）了解正向推理、逆向推理、混合推理及其推理的沖突消解策略；掌握推理的方法、推理的控制策略；理解推理的概念。3.2推理的邏輯基礎（1學時）掌握謂詞公式的各種特性和置換與合一的過程。3.3自然演繹推理（0.5學時）了解自然演繹推理的概念及其三段論推理規則。3.4歸結演繹推理（2學時）掌握子句集及其化簡，魯賓遜歸結原理；會應用謂詞邏輯歸結證明問題，會用歸結演繹推理的歸結策略證明問題，會用歸結反演求取問題的答案。3.5基于規則的演繹推理（1學時）會應用規則正向演繹推理和規則逆向演繹推理。3.6規則演繹推理的剪枝策略（0.5學時）了解剪枝策略的基本思想。考核要求理解確定性推理的思維過程，會應用謂詞邏輯歸結去求證問題，會應用規則正向演繹推理和規則逆向演繹推理。第4章不確定與非單調推理教學要點不確定性推理的有關概念及各種不確定性的表示和推理方法。教學時數4學時教學內容4.1不確定性推理的基本概念（0.5學時）了解不確定推理的基本問題；理解不確定推理的含義。4.2不確定性推理的概率論基礎（0.5學時）了解全概率公式與Bayes公式；理解樣本空間與隨機事件，事件的概率。4.3確定性理論（0.5學時）理解可信度的概念，C-F模型；掌握帶加權因子的可信度推理。4.4主觀Bayes方法（0.5學時）了解組合不確定性計算；掌握知識不確定性表示，證據不確定性表示，結論不確定性的合成。4.5證據理論（1學時）掌握D-S理論的形式描述，證據理論的推理模型，推理實例。4.6可能性理論和模糊推理（0.5學時）掌握模糊知識表示，模糊概念的匹配，模糊推理。4.7非單調推理（0.5學時）了解非單調推理的概念及起具有代表性的理論。考核要求理解不確定性推理的含義、非單調推理的概念、確定性理論，掌握主觀Bayes方法，能用D-S理論從不同角度刻劃命題的不確定性，能在模糊集的基礎上，實現對模糊命題和模糊知識的表示。第5章搜索策略教學要點搜索的基本概念和狀態空間、與或樹的各種搜索算法。教學時數6學時教學內容5.1搜索的基本概念（1學時）了解搜索的含義；掌握狀態空間法，問題歸約。5.2狀態空間的盲目搜索（2學時）了解一般圖搜索過程；掌握廣度優先搜索，深度優先搜索，代價樹搜索。5.3狀態空間的啟發式搜索（0.5學時）了解A算法；理解啟發性信息和估價函數。5.4與/或樹的盲目搜索（0.5學時）了解與/或樹的一般搜索；掌握與/或樹的的廣度優先搜索，與/或樹的深度優先搜索。5.5與/或樹的啟發式搜索（0.5學時）了解與/或樹的啟發式搜索過程；理解解樹的代價與希望。5.6博弈樹的啟發式搜索（0.5學時）了解極大極小過程，α-β剪枝。考核要求了解搜索概念，博弈樹的啟發式搜索；掌握狀態空間的盲目搜索和與/或樹的盲目搜索。第6章機器學習教學要點機器學習的基本概念和各種符號學習方法。教學時數4學時教學內容6.1機器學習的基本概念（0.5學時）了解機器學習的發展過程，學習系統，機器學習的分類；理解學習和機器學習的概念。6.2機械式學習（0.5學時）了解機械學習的過程及其設計要考慮的三個問題。6.3指導式學習（0.5學時）了解指導式學習的學習過程。6.4歸納學習（0.5學時）了解歸納學習的類型。6.5基于類比的學習（0.5學時）了解屬性類比學習、轉換類比學習；理解類比學習的概念。6.6基于解釋的學習（0.5學時）了解解釋學習的空間描述及學習模型；理解解釋學習的概念；掌握解釋學習的基本原理及基本過程。考核要求了解機器學習的概念，機械式學習，指導式學習，歸納學習；掌握基于解釋學習的基本原理及其基本過程。第7章神經網絡及連接學習教學要點人工神經網絡的概念和各種連接學習方法。教學時數2學時教學內容7.1人工神經網絡概述（0.5學時）了解人工神經元及人工神經網絡人工神經網絡的發展過程，人工神經網絡的局限性；理解生物神經元及腦神經系統的結構及特征。7.2人工神經網絡的互連結構及其學習機理（0.5學時）了解人工神經網絡學習和記憶的心理學基礎；理解人工神經網絡的互連結構；掌握人工神經網絡的學習算法。7.3感知器模型及其學習（0.5學時）了解有關感知器XOR問題求解的討論；理解感知器模型，感知器學習。7.4誤差反向傳播網絡及其學習（0.25學時）理解B-P網絡結構；掌握B-P網絡學習的傳播公式，B-P網絡的學習算法。7.5Hopfield網絡及其學習（0.25學時）了解Hopfield模型的穩定性理解Hopfield網絡的結構；掌握Hopfield網絡的學習算法。考核要求了解人工神經網絡及其結構和學習機理；理解感知器、B-P網絡、Hopfield網絡及其B-P網絡；掌握Hopfield網絡的算法。第8章自然語言理解教學要點自然語言理解的基本概念和分析方法。教學時數2學時教學內容8.1語言及其理解的基本概念（0.25學時）了解自然語言與自然語言理解，自然語言理解的研究任務，自然語言理解的發展，自然語言理解的層次。8.2語法規則的表示方法（0.25學時）掌握句子結構的表示，上下文無關文法，變換文法。8.3語法分析（0.5學時）掌握自頂向下與自底向上分析；理解擴充轉移網絡分析。8.4語義的分析（0.5學時）理解語義文法；掌握格文法。8.5自然語言的生成（0.25學時）了解自然語言生成的概念及生成步驟。8.6自然語言理解系統的層次模型（0.25學時）了解語言理解的層次模型。考核要求了解自然語言理解的概念，會用語法分析和語義的分析，了解自然語言理解系統的層次模型。第9章專家系統教學要點專家系統是人工智能的一個重要應用領域,它目前正在從集中、封閉模式向分布、開放模式發展。教學時數3學時教學內容9.1專家系統的基本概念（0.5學時）了解專家系統的概念、分類及特點。9.2專家系統的基本結構（0.5學時）了解用戶界面；理解知識庫、數據庫、推理機、解釋機構、知識獲取機構。9.3知識獲取（0.5學時）了解知識獲取方法的分類；理解知識獲取的任務；掌握非自動知識獲取，自動知識獲取。9.4專家系統的開發與評價（0.5學時）了解專家系統的開發條件，生命期概念，專家系統開發過程的各個階段。9.5專家系統開發工具與環境（0.5學時）了解程專家系統的開發工具與開發環境。9.6專家系統的進一步發展（0.5學時）了解新一代專家系統。考核要求了解專家系統的概念、基本結構及其開發工具與環境；掌握非自動知識獲取和自動知識獲取。第10章智能決策支持系統教學要點智能決策支持系統是人工智能的另一重要應用領域,它是目前迅速興起的網絡商務中的一項重要技術,有著廣闊的應用前景教學時數2學時教學內容10.1智能決策支持系統的基本概念（0.5學時）了解智能決策支持系統；理解決策與決策過程，決策支持系統。10.2決策支持新技術（1學時）理解數據倉庫、數據開發及其它們的結合。10.3智能決策支持系統的基本結構（0.5學時）掌握智能決策支持系統的基本結構。考核要求了解智能決策支持系統及其新技術，知道