《人工智能》教學(xué)大綱

1、人工智能（Artificial Intelligence）課程代碼：5271062學(xué)分：2學(xué)時(shí)：32 （其中：課程教學(xué)學(xué)時(shí)：20，實(shí)驗(yàn)學(xué)時(shí)：12）先修課程：高等代數(shù)、離散數(shù)學(xué)、概率論與數(shù)理統(tǒng)計(jì)、程序設(shè)計(jì)基礎(chǔ)適用專業(yè)：計(jì)算機(jī)科學(xué)與技術(shù)教材：人工智能，朱福喜編著，清華大學(xué)出版社，2016年3月第 1 版開課學(xué)院：計(jì)算機(jī)與軟件學(xué)院一、課程性質(zhì)與課程目標(biāo)（一）課程性質(zhì)人工智能是高等工科院校計(jì)算機(jī)類相關(guān)專業(yè)的一門選修課。本課程是講授人工智能專業(yè)知識(shí)的一門課程。在學(xué)生具備數(shù)學(xué)與編程基本能力的基礎(chǔ)上，對(duì)人工智能多個(gè)分支領(lǐng)域有較全面的了解。（二）課程目標(biāo)課程目標(biāo)包括知識(shí)目標(biāo)和能力目標(biāo)，具體如下：課程目標(biāo)1：通

2、過(guò)本課程的學(xué)習(xí)，要求學(xué)生系統(tǒng)地掌握人工智能領(lǐng)域的主要研究?jī)?nèi)容，提高學(xué)生在人工智能領(lǐng)域的理論與應(yīng)用研究基礎(chǔ)。理解人工智能國(guó)內(nèi)外發(fā)展趨勢(shì)與最新研究成果。課程目標(biāo)2：通過(guò)對(duì)知識(shí)的表示方法、確定性推理、計(jì)算智能、機(jī)器學(xué)習(xí)以及神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)等相關(guān)方法的學(xué)習(xí)，解決實(shí)際智能化工程應(yīng)用問題。（三）課程目標(biāo)與專業(yè)畢業(yè)要求指標(biāo)點(diǎn)的對(duì)應(yīng)關(guān)系本課程支撐專業(yè)培養(yǎng)計(jì)劃中的畢業(yè)要求指標(biāo)點(diǎn)4.4和12.3。畢業(yè)要求指標(biāo)點(diǎn)4.4：針對(duì)設(shè)計(jì)或開發(fā)的解決方案，能夠通過(guò)理論證明、實(shí)驗(yàn)仿真或者系統(tǒng)實(shí)現(xiàn)等多種科學(xué)方法說(shuō)明其有效性和合理性，并對(duì)解決方案的實(shí)施質(zhì)量進(jìn)行分析，通過(guò)信息綜合得到合理有效的結(jié)論。畢業(yè)要求指標(biāo)點(diǎn)12.3：能根據(jù)個(gè)

3、人或職業(yè)發(fā)展的需求，具備不斷學(xué)習(xí)和適應(yīng)計(jì)算機(jī)技術(shù)快速發(fā)展的能力。課程目標(biāo)畢業(yè)要求指標(biāo)點(diǎn)課程目標(biāo)1課程目標(biāo)2畢業(yè)要求4.4畢業(yè)要求12.3二、課程內(nèi)容及教學(xué)要求（按章撰寫）本課程教學(xué)內(nèi)容包括：模糊數(shù)學(xué)、人工神經(jīng)網(wǎng)絡(luò)、計(jì)算智能的基本知識(shí)及其典型算法。本課程基本要求是：對(duì)人工智能的三大技術(shù)領(lǐng)域，覆蓋領(lǐng)域的問題、基本原理、基本方法以及領(lǐng)域發(fā)展的基本思路，其中需詳細(xì)講解基本原理，使學(xué)生掌握至少一種基本方法，并通過(guò)課程編程作業(yè)，達(dá)到能夠在實(shí)驗(yàn)環(huán)境中運(yùn)用至少一項(xiàng)基本技術(shù)的程度。第1章緒論（一）教學(xué)內(nèi)容1. 人工智能的發(fā)展歷史、基本概念、專業(yè)術(shù)語(yǔ)以及典型應(yīng)用。2. 建立科學(xué)客觀的人工智能發(fā)展觀。（二）教學(xué)要求

4、1.了解制定簡(jiǎn)單決策復(fù)雜決策的相關(guān)概念；2. 熟悉專業(yè)術(shù)語(yǔ)以及典型應(yīng)用；3. 掌握回歸和分類的線性模型。（三）重點(diǎn)與難點(diǎn)1. 重點(diǎn)分類模型和算法。2. 難點(diǎn)分類的概念、輸入、輸出，非線性模型。第2章模糊數(shù)學(xué)（一）教學(xué)內(nèi)容模糊集合論的基本概念。模糊集合的分解定理。模糊集合的隸屬度。模糊集合的擴(kuò)張?jiān)?。模糊模式識(shí)別。模糊關(guān)系與聚類分析。模糊綜合評(píng)判。模糊邏輯與模糊推理。（二）教學(xué)要求 1. 了解經(jīng)典集合論的基本概念。2. 理解模糊集合的定義。3. 掌握模糊集合的運(yùn)算。（三）重點(diǎn)與難點(diǎn)1.重點(diǎn)模糊集合的分解定理、模糊集合的隸屬度。2.難點(diǎn)模糊關(guān)系與聚類分析。第3章人工神經(jīng)網(wǎng)絡(luò)教學(xué)內(nèi)容1. 人工神經(jīng)網(wǎng)

5、絡(luò)研究簡(jiǎn)史。2. 前向神經(jīng)網(wǎng)絡(luò)。3. Hopfield網(wǎng)絡(luò)。4. 自組織神經(jīng)網(wǎng)絡(luò)(SOM網(wǎng)絡(luò))。5. 隨機(jī)神經(jīng)網(wǎng)絡(luò)Boltzman（玻耳茲曼）機(jī)。6. 模糊神經(jīng)網(wǎng)絡(luò)。（二）教學(xué)要求1. 理解人腦神經(jīng)元與人工神經(jīng)元模型。2. 熟悉感知器。3. 掌握有導(dǎo)師學(xué)習(xí)網(wǎng)絡(luò)(BP網(wǎng)絡(luò))。4. 掌握離散型Hopfield網(wǎng)絡(luò)、連續(xù)型Hopfield網(wǎng)絡(luò)、旅行商問題(TSP)。5. 理解模糊Hopfield網(wǎng)絡(luò)。（三）重點(diǎn)與難點(diǎn)1.重點(diǎn)人腦神經(jīng)元與人工神經(jīng)元模型、反向傳播神經(jīng)網(wǎng)絡(luò)。2.難點(diǎn)Hopfield網(wǎng)絡(luò)、模糊神經(jīng)網(wǎng)絡(luò)。第4章演化計(jì)算（一）教學(xué)內(nèi)容1. 遺傳算法的生物學(xué)基礎(chǔ)。2. 遺傳算法的基本理論與方法。

6、模式定理誤導(dǎo)問題編碼群體設(shè)定適應(yīng)度函數(shù)選擇交換變異性能評(píng)估收斂性3. 非線性問題尋優(yōu)的遺傳算法。4.背包問題。5. 調(diào)度問題。6. 混合遺傳算法。（二）教學(xué)要求1. 理解線性問題和非線性問題。2. 熟悉遺傳算法原理。3. 掌握遺傳算法的設(shè)計(jì)步驟。（三）重點(diǎn)與難點(diǎn)1.重點(diǎn)遺傳算法的基本理論與方法。2.難點(diǎn)背包問題、調(diào)度問題。三、本課程開設(shè)的實(shí)驗(yàn)項(xiàng)目編號(hào)實(shí)驗(yàn)項(xiàng)目名稱學(xué)時(shí)類型要求支撐的課程目標(biāo)1利用KNN實(shí)現(xiàn)分類問題2驗(yàn)證性必做課程目標(biāo)12利用SVM實(shí)現(xiàn)分類問題2驗(yàn)證性必做課程目標(biāo)13判定樹學(xué)習(xí)算法的實(shí)現(xiàn)2驗(yàn)證性必做課程目標(biāo)14用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)XOR分類問題2驗(yàn)證性必做課程目標(biāo)1，25用遺傳算法求

7、函數(shù)的最大值問題2設(shè)計(jì)性必做課程目標(biāo)1，2，36基于BSO的聚類求解算法實(shí)現(xiàn)2設(shè)計(jì)性必做課程目標(biāo)1，2，3實(shí)驗(yàn)1：利用KNN實(shí)現(xiàn)分類問題1. 實(shí)驗(yàn)?zāi)康募耙?）掌握KNN算法的基本原理；2）學(xué)會(huì)輸入訓(xùn)練樣本，并劃分訓(xùn)練集和測(cè)試集；3）通過(guò)運(yùn)行算法取得一個(gè)預(yù)期的分類結(jié)果；4）明白KNN的適用范圍。2. 實(shí)驗(yàn)主要內(nèi)容1）計(jì)算樣本樣本數(shù)據(jù)和待分類數(shù)據(jù)的距離；2）為待分類數(shù)據(jù)選擇k個(gè)與其距離最小的樣本吧；3）統(tǒng)計(jì)k個(gè)樣本中大多數(shù)樣本所屬的分類；4）這個(gè)分類就是待分類數(shù)據(jù)所屬的分類。3. 重難點(diǎn)數(shù)據(jù)集的運(yùn)行，KNN算法的實(shí)現(xiàn)，最后的分類精度達(dá)到預(yù)期值。實(shí)驗(yàn)2：利用SVM實(shí)現(xiàn)分類問題1. 實(shí)驗(yàn)?zāi)康募耙?

8、) 熟悉支持向量機(jī)SVM( Support Vector Machine)模型分類算法的使用。2)用svm-train中提供的代碼框架用train.data訓(xùn)練數(shù)據(jù)提供的矩陣來(lái)訓(xùn)練參數(shù)得到訓(xùn)練模型model，利用libsvm進(jìn)行模型的訓(xùn)練，分類預(yù)測(cè)等。3) 利用 model和svm- train的代碼來(lái)分類測(cè)試數(shù)據(jù)集test.data，并報(bào)告其分類正確率。2. 實(shí)驗(yàn)主要內(nèi)容支持向量機(jī)將向量映射到一個(gè)更高維的空間里，在這個(gè)空間里建立有一個(gè)最大間隔超平面。在分開數(shù)據(jù)的超平面的兩邊建有兩個(gè)互相平行的超平面。分隔超平面使兩個(gè)平行超平面的距離最大化。假定平行超平面間的距離越大，分類器的總誤差越小。1、數(shù)

9、據(jù)預(yù)處理(將原始數(shù)據(jù)格式做一定的處理，轉(zhuǎn)換成 libsvm能夠使用的數(shù)據(jù))。2、訓(xùn)練數(shù)據(jù)集的訓(xùn)練，產(chǎn)生訓(xùn)練模型。3、測(cè)試數(shù)據(jù)集的分類預(yù)測(cè)，觀察分析實(shí)驗(yàn)結(jié)果。3. 重難點(diǎn)模型的訓(xùn)練，分類精度。實(shí)驗(yàn)3：判定樹學(xué)習(xí)算法的實(shí)現(xiàn)1. 實(shí)驗(yàn)?zāi)康募耙?) 了解判定樹概念；2）掌握折半查找判定樹的結(jié)構(gòu)；3）掌握折半查找判定樹的構(gòu)建方法。2. 實(shí)驗(yàn)主要內(nèi)容1）對(duì)給定有序序列進(jìn)行折半查找（二分查找）；2）確定樹的根節(jié)點(diǎn)，將原有序序列分成兩部分；3）然后分對(duì)左右兩部分進(jìn)行步驟1)與2），直至無(wú)元素可分；4）利用二叉樹還原上述過(guò)程。3. 重難點(diǎn)尋找根節(jié)點(diǎn)，按照二叉樹每層最大結(jié)點(diǎn)數(shù)為2（h-1）依次由上至下構(gòu)建滿二叉

10、樹至最底層不夠形成滿二叉樹為止。實(shí)驗(yàn)4：用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)XOR分類問題1. 實(shí)驗(yàn)?zāi)康募耙?BP網(wǎng)絡(luò)是目前前饋式神經(jīng)網(wǎng)絡(luò)中應(yīng)用最廣泛的網(wǎng)絡(luò)之一，實(shí)現(xiàn)BP算法訓(xùn)練的神經(jīng)網(wǎng)絡(luò)完成XOR分類問題，需要掌握BP神經(jīng)網(wǎng)絡(luò)的原理及應(yīng)用，要會(huì)自行推理BP算法；2. 實(shí)驗(yàn)主要內(nèi)容1)設(shè)置網(wǎng)絡(luò)的輸入節(jié)點(diǎn)數(shù)，隱層節(jié)點(diǎn)數(shù)，網(wǎng)絡(luò)層數(shù)，學(xué)習(xí)常數(shù)等各項(xiàng)參數(shù)；2）輸入訓(xùn)練樣本；3）實(shí)現(xiàn)BP訓(xùn)練過(guò)程；4）實(shí)現(xiàn)訓(xùn)練過(guò)程的動(dòng)態(tài)演示；5）訓(xùn)練完后可以輸入測(cè)試數(shù)據(jù)進(jìn)行測(cè)試。3. 重難點(diǎn)BP算法的反向傳播過(guò)程，算法是如何進(jìn)行調(diào)參的以及鏈?zhǔn)椒▌t。實(shí)驗(yàn)5：用遺傳算法求函數(shù)的最大值問題1. 實(shí)驗(yàn)?zāi)康募耙?) 了解遺傳算法的二進(jìn)制編碼過(guò)程

11、；2）掌握遺傳算法的基本流程；3）掌握遺傳算法的實(shí)現(xiàn)方法。2. 實(shí)驗(yàn)主要內(nèi)容1）根據(jù)實(shí)際問題，對(duì)參數(shù)集進(jìn)行編碼；2）初始化種群，設(shè)置相應(yīng)的適應(yīng)度函數(shù)；3）評(píng)價(jià)群體，判斷是否滿足停止規(guī)則；4）應(yīng)用選擇、交叉、變異，產(chǎn)生下一代種群，重新進(jìn)行評(píng)價(jià)；5）執(zhí)行完畢，產(chǎn)生問題的解。3. 重難點(diǎn)遺傳操作產(chǎn)生下一代種群。1）根據(jù)輸入的一串電文字符，分別統(tǒng)計(jì)各個(gè)字符在電文中出現(xiàn)的頻率；2）根據(jù)各個(gè)字符在電文中出現(xiàn)的頻率建立赫夫曼樹；3）為赫夫曼樹上的每個(gè)葉子結(jié)點(diǎn)實(shí)現(xiàn)赫夫曼編碼，并輸出該編碼；4）對(duì)Huffman編碼生成的代碼串進(jìn)行譯碼，輸出電文字符串。實(shí)驗(yàn)6：基于BSO的聚類求解算法實(shí)現(xiàn)1. 實(shí)驗(yàn)?zāi)康募耙?)

12、 了解聚類問題及現(xiàn)有的相關(guān)方法；2）掌握BSO算法的基本流程；3）掌握BSO算法的實(shí)現(xiàn)方法；4）掌握進(jìn)化算法求解聚類問題。2. 實(shí)驗(yàn)主要內(nèi)容1) 構(gòu)建BSO算法求解聚類問題的算法模型；2）設(shè)置BSO算法中種群大小，聚類個(gè)數(shù)，閾值等各項(xiàng)參數(shù)；3）輸入訓(xùn)練樣本；4）通過(guò)評(píng)價(jià)函數(shù)尋找最優(yōu)解；5）訓(xùn)練完后可以輸入測(cè)試數(shù)據(jù)對(duì)最優(yōu)解進(jìn)行測(cè)試。3. 重難點(diǎn)如何構(gòu)建BSO算法求解聚類問題的算法模型。注：本課程為專業(yè)課，授課對(duì)象為大四學(xué)生，實(shí)驗(yàn)類型主要包括驗(yàn)證性和設(shè)計(jì)性實(shí)驗(yàn)，均需要提交實(shí)驗(yàn)報(bào)告，實(shí)驗(yàn)報(bào)告主要包括實(shí)驗(yàn)?zāi)康?、?shí)驗(yàn)內(nèi)容、預(yù)習(xí)內(nèi)容、實(shí)驗(yàn)步驟、算法的時(shí)間復(fù)雜度分析以及總結(jié)。實(shí)驗(yàn)評(píng)價(jià)內(nèi)容和評(píng)分細(xì)則參見附錄1

13、。四、學(xué)時(shí)分配及教學(xué)方法章教學(xué)形式及學(xué)時(shí)分配主要教學(xué)方法支撐的課程目標(biāo)課堂教學(xué)實(shí)驗(yàn)上機(jī)課程實(shí)踐小計(jì)第一章緒論44講授、案例、演示課程目標(biāo)1第二章模糊數(shù)學(xué)44講授、案例、自學(xué)、實(shí)驗(yàn)課程目標(biāo)1，2第三章人工神經(jīng)網(wǎng)絡(luò)6814講授、對(duì)比、自學(xué)、討論、實(shí)驗(yàn)課程目標(biāo)1，2第四章演化計(jì)算6410講授、演示、自學(xué)、實(shí)驗(yàn)課程目標(biāo)1，2合計(jì)201232注：1.課程實(shí)踐學(xué)時(shí)按相關(guān)專業(yè)培養(yǎng)計(jì)劃列入表格； 2.主要教學(xué)方法包括講授法、討論法、演示法、研究型教學(xué)方法（基于問題、項(xiàng)目、案例等教學(xué)方法）等。五、課程考核 1. 課程考核方式包括期末考試、平時(shí)作業(yè)和實(shí)驗(yàn)情況考核?？己诵问娇己艘罂己藱?quán)重備注平時(shí)作業(yè)及階段測(cè)試課后

14、完成510個(gè)習(xí)題，主要考核學(xué)生對(duì)每節(jié)課知識(shí)點(diǎn)的復(fù)習(xí)、理解和掌握度，計(jì)算全部作業(yè)的平均成績(jī)?cè)侔?5%計(jì)入總成績(jī)；可讓學(xué)生查閱資料，了解本課程相關(guān)技術(shù)發(fā)展情況，自主學(xué)習(xí)并完成。15%根據(jù)平時(shí)作業(yè)得分取平均值或結(jié)合平時(shí)測(cè)試情況實(shí)驗(yàn)完成5個(gè)實(shí)驗(yàn)，主要訓(xùn)練學(xué)生應(yīng)用所學(xué)知識(shí)構(gòu)建實(shí)驗(yàn)系統(tǒng)，并進(jìn)行實(shí)驗(yàn)的能力，最后按15%計(jì)入課程總成績(jī)。15%評(píng)分細(xì)則見附錄1期末考試試卷題型包括選擇題、填空題、應(yīng)用題、算法題4大類，以卷面成績(jī)的70%計(jì)入課程總成績(jī)。其中考核基礎(chǔ)知識(shí)及應(yīng)用能力的題占90%；考核能針對(duì)個(gè)人或職業(yè)發(fā)展的需求，采用合適的方法，自主學(xué)習(xí)，適應(yīng)發(fā)展占比10%。70%期末考試采用閉卷筆試。六、參考書目及學(xué)習(xí)

15、資料 1. 朱福喜主編，人工智能第3版，清華大學(xué)出版社，2016。 2. Trevor Hastie 等著，范明等譯，統(tǒng)計(jì)學(xué)習(xí)基礎(chǔ).數(shù)據(jù)挖掘、推理與預(yù)測(cè)，電子工業(yè)出版社，2003。七、大綱說(shuō)明1. 主要采用多媒體教學(xué)手段，主要知識(shí)點(diǎn)板書與多媒體相結(jié)合，多種教學(xué)手段綜合運(yùn)用。2. 課后共需完成近10道習(xí)題作業(yè)，以評(píng)價(jià)學(xué)生對(duì)所學(xué)內(nèi)容的理解和應(yīng)用情況。附錄1：實(shí)驗(yàn)考核方式及評(píng)分細(xì)則本實(shí)驗(yàn)以考查為主，考核的內(nèi)容包括實(shí)驗(yàn)過(guò)程的表現(xiàn)（其中包含分析與解決問題的能力）、實(shí)驗(yàn)報(bào)告的質(zhì)量等。分析與解決問題的能力采用提問和現(xiàn)場(chǎng)操作的方式進(jìn)行。實(shí)驗(yàn)成績(jī)中出勤、預(yù)習(xí)占10%，實(shí)驗(yàn)過(guò)程表現(xiàn)占60、實(shí)驗(yàn)報(bào)告及思考題占30。成績(jī)組成考核/評(píng)價(jià)環(huán)節(jié)分值考核/評(píng)價(jià)細(xì)則對(duì)應(yīng)的畢業(yè)要求指標(biāo)點(diǎn)出勤、預(yù)習(xí)10%出勤狀況，預(yù)習(xí)評(píng)價(jià)10能按時(shí)到勤，遵守實(shí)驗(yàn)規(guī)定，