人工智能导论课程指导书
《人工智能导论》教学大纲(2024版)

人工智能导论课程教学大纲一、课程基本信息课程编号:课程中文名称:人工智能导论课程性质:学院基础课程、专业核心课程开课学期:3课内学时:32学时,其中授课32学时课外学时:32学时学分:2学分主要面向专业:自动化、测控、电气、机器人工程二、先修课程高等数学、概率论、线性代数、生命科学导论三、课程目标人工智能导论是面向理工科专业的重要基础课程。
课程以学科基础、技术基础、重点方向与领域、行业应用、伦理与法律五维知识体系为主要内容,经典与现代人工智能知识结构模块化,具有广阔的思想和技术背景。
通过课程学习,使学生系统性掌握人工智能基本概念、方法、技术,把握人工智能重点方向及领域;掌握机器学习、深度神经网络等基本方法;初步具备利用人工智能技术解决问题的基本能力;初步理解人工智能伦理及其对人工智能技术发展的重要意义。
为进一步学习相关的专业基础课程和专业课程打下必要的理论和实践基础。
(1)从大历史观角度使学生理解人工智能发展的历史和思想脉络,使学生认识到人工智能的本质和内涵,思考人之为人的价值和意义,勇于承担社会发展责任。
(2)充分发挥人工智能多学科、多领域理论、知识交叉的特点和优势,培养学生多学科知识交叉思维和创新意识。
(3)激发学生学习人工智能的热情和人机协同创新思维,为后续人工智能+X专业学习、创新创业、竞赛、就业等奠定基础。
(4)系统理解机器智能实现技术和方法,认识到机器智能对人类智能补充与增强作用,学会利用人机协同技术和方法及解决各类问题。
(5)使学生充分理解人工智能对未来人类社会经济、科技和文明发展的重要作用,具备未来能社会发展需要的人工智能人才素质。
四、教学内容与教学方法五、考核方式六、参考教材及学习资源(一)参考教材:[1]莫宏伟,徐立芳.人工智能导论.第2版.[2]莫宏伟,徐立芳.人工智能伦理导论.。
《人工智能导论》教学教案

《导论》教学教案一、教学目标1. 让学生了解的定义、发展历程和应用领域。
2. 使学生掌握的基本原理和技术。
3. 培养学生的创新意识和团队合作能力。
二、教学内容1. 的定义与发展历程1.1 的定义1.2 的发展历程1.3 的应用领域2. 的基本原理2.1 机器学习2.2 深度学习2.3 自然语言处理2.4 计算机视觉3. 的技术应用3.1 智能语音识别3.2 智能3.3 自动驾驶3.4 智能医疗三、教学方法1. 讲授法:讲解的定义、发展历程、基本原理和应用领域。
2. 案例分析法:分析典型的技术应用案例。
3. 小组讨论法:分组讨论技术的发展趋势和应用前景。
4. 实践操作法:引导学生动手实践,体验技术。
四、教学资源1. 教材:《导论》2. 课件:的发展历程、基本原理、技术应用等3. 案例资料:典型的技术应用案例4. 编程工具:Python、TensorFlow等5. 网络资源:相关的学术论文、资讯、技术博客等五、教学评价1. 课堂参与度:学生参与课堂讨论、提问和回答问题的积极性。
2. 小组讨论报告:学生分组讨论的技术发展趋势和应用前景报告。
3. 课后作业:学生完成的课后编程练习和思考题。
4. 期末考试:考查学生对基本原理和应用领域的掌握程度。
六、教学安排1. 课时:共计32课时,每课时45分钟。
2. 授课方式:线上线下相结合,以线下授课为主。
3. 教学进程:第1-4课时:的定义与发展历程第5-8课时:的基本原理第9-12课时:的技术应用第13-16课时:典型技术应用案例分析第17-20课时:小组讨论技术的发展趋势和应用前景第21-24课时:实践操作,体验技术第25-28课时:课堂讨论与问答第29-32课时:期末考试七、教学活动1. 授课:讲解的基本概念、发展历程、基本原理和应用领域。
2. 案例分析:分析典型的技术应用案例,如智能语音识别、智能等。
4. 实践操作:引导学生动手实践,如使用Python、TensorFlow等编程工具。
《人工智能导论》课程教学大纲

90%
离散型 Hopfield 网 络 、 连 续 型
Hopfield 网络、卷积运算、池化、卷
积网络的手写体数字识别。
人脑视觉机理、深度学习的基本思
40% 50% 40%
10%
想、人工智能的概念、人工智能研宄的
基本内容、神经元数学模型
合计
100% 100% 100%
100%
各考核方式占总成绩权重(自行賦值)
掌握连续 Hopfield 神经网络 用于优化计算的
一般步骤。
掌握连续 Hopfield 神经网络的
结构和运行机制,理 解连续 Hopfield 神经 网络用于优化计算
的基本原理。能够针
对创新点开展切实 有效的理论和应用 研究
目标 5.1
注:1.此表可用于课内实践教学环节或某门综合实践课程
2.实验类型:选填”验证性/综合性/设计性”;实习类型:选填“认识实习/生产实习/毕业实习”
对人工智能课程
与模拟,并能够理解其局限 工程实际中遇到的技术难题,
的各个章节产生
性。
兴趣,从而促进
具有扎实的理论基础、宽阔的
支撑指标点:5.2 能够在物 学习热情,在之
专业视野,具有计算机软硬件 联网领域复杂工程问题的 后的理论教学中
相关产品分析、开发、测试和
能更好地理解技
维护能力,能够用系统的观点 建模、模拟或解决过程中, 术的先进性与实
实习项 号
目名称
教学内容
实验 学或实思政融 时 习 类 入点
型2
学生学习 预期成果
课程目标
做
实验要
参 考 A*
具有批
熟悉和掌握启
A* 算 法 算 法 核 心 代
《人工智能》实 验 指 导

《人工智能导论》课程实验大纲实验学时:8 课程总学时:46适用专业:计算机科学与技术、软件工程实验项目数:1开课教研室(系):计算机工程大纲执笔人:廉师友一、课程实验的基本理论和目的《人工智能导论》课程主要讲述搜索与问题求解、知识表示与推理、机器学习与知识发现、专家系统、Agent系统、智能化网络和智能程序设计等。
其中专家系统及其设计与实现,涉及该课程的大部分内容,如知识表示与推理、搜索与问题求解、专家系统和智能程序设计等,而且实践性和应用性都很强。
因此,该课程将专家系统设计与实现作为一个上机实验项目,以加深学生对课程内容的理解和掌握,并培养学生综合运用所学知识开发智能系统的初步能力和独立分析问题、解决问题的能力。
二、课程实验的基本要求1.实验前,要认真阅读实验指导书,明确实验目的、内容、方法、步骤和目标;2.自选具体的应用领域,白拟具体的系统名称,但内容绝对不能雷同;3.所实现的专家系统必须上机运行演示;4.提交实验报告。
三、实验项目的设置、内容和学时分配实验项目:1个实验题目:小型专家系统设计与实现(具体应用领域由学生自选,具体系统名称由学生自定。
)实验内容:知识获取与表示、知识库组建、推理机选择/编制、系统调试与测试。
实验学时:8学时四、实验课的考核方法与评分办法采用实验过程考查、实验结果验收和实验报告评阅相结合的考核方法,综合评定实验成绩。
其具体评分标准如下:1.实验准备(所需数据、程序、图形等)20分;2.实验过程(态度、操作、处理问题能力等)20分;3.实验结果(正确性、可用性、创新性等)40分;4.实验报告(格式、内容(翔实、无误)、叙述等)20分;满分共计100分。
审定人: 批准人:。
《人工智能导论》实验指导书(新)

目录实验一 PROLOG语言编程练习 (2)实验二图搜索问题求解 (4)实验三小型专家系统(原型)设计 (7)实验一 PROLOG语言编程练习一、实验目的加深学生对逻辑程序运行机理的理解,使学生掌握PROLOG语言的特点、熟悉其编程环境,同时为后面的人工智能程序设计做好准备。
1、熟悉PROLOG语言编程环境的使用;2、了解PROLOG语言中常量、变量的表示方法;3、了解利用PROLOG进行事实库、规则库的编写方法;二、实验环境计算机,Turbo PROLOG教学软件。
三、预习要求实验前应阅读实验指导书,了解实验目的、预习PROLOG语言的相关知识。
四、实验内容1、学习使用Turbo PROLOG,包括进入PROLOG主程序、编辑源程序、修改环境目录、退出等基本操作。
2、在Turbo prolog集成环境下调试运行简单的Turbo PROLOG程序,如描述亲属关系的PROLOG程序或其他小型演绎数据库程序等。
五、实验方法和步骤1、启动Windows XP操作环境。
2、打开文件目录,执行prolog应用程序,启动Turbo prolog,并按空格键(SPACE)进入集成开发环境。
3、选择Setup项,打开下拉菜单,选择Directories项,进行工作目录修改,按Esc键退出,选择Save Configuration项,保存修改。
4、选择Files项,打开下拉菜单,选择New file项,进入源程序输入和编辑,或选择Load项,选择要打开的示例程序,再选择Edit项,可以进行编辑源程序。
5、编辑之后,可以选择Run项,执行程序,可以在Dialog窗口进行询问,即外部目标的执行,查看程序运行结果,分析程序之功能。
6、仿前例,可以选择其他程序并运行,分析程序功能。
7、退出,选择Quit项,可以退出Turbo Prolog程序,返回到Windows XP环境。
六、示例程序逻辑电路模拟程序。
该程序以逻辑运算“与”、“或”、“非”的定义为基本事实,然后在此基础上定义了“异或”运算。
人工智能导论实验指导书

实验一 感知器的MATLAB 仿真感知器(Pereceptron)是一种特殊的神经网络模型,是由美国心理学家F.Rosenblatt 于1958年提出的,一层为输入层,另一层具有计算单元,感知器特别适合于简单的模式分类问题,也可用于基于模式分类的学习控制和多模态控制中。
一、感知器神经元模型感知器神经元通过对权值的训练,可以使感知器神经元的输出能代表对输入模式进行的分类,图1.1为感知器神经元模型。
图1.1 感知器神经元模型感知器神经元的每一个输入都对应于一个合适的权值,所有的输入与其对应权值的加权和作为阀值函数的输入。
由于阀值函数的引入,从而使得感知器可以将输入向量分为两个区域,通常阀函数采用双极阶跃函数,如:⎩⎨⎧<≥=0,00,1)(x x x f (1.1) 而感知器神经元模型的实际输出为⎪⎭⎫⎝⎛-=∑-=R i i i b x w f o 1 (1.2)其中b 为阀值二、感知器的网络结构图1.2所描述的是一个简单的感知器网络结构,输入层有R 个输入,Q 个输出,通过权值w ij 与s 个感知器神经元连接组成的感知器神经网络。
根据网络结构,可以写出感知器处理单元对其输入的加权和操作,即:∑==Rj j ij i p w n 1(1.3)而其输出a i 为a i =f (n i +b i ) (1.4)由式2.1易知⎩⎨⎧<+≥+=0001i i i i i b n b n a (1.5) 则当输入n i +b i 大于等于0,即有n i ≥-b i 时,感知器的输出为1;否则输出为0。
上面所述的单层感知器神经网络是不可能解决线性不可分的输入向量分类问题,也不能推广到一般的前向网络中去。
为解决这一问题,我们可以设计多层感知器神经网络以实现任意形状的划分。
图1.3描述了一个双层感知器神经网络。
其工作方式与单层感知器网络一样,只不过是增加了一层而已,具体的内容这里不做讨论。
三、感知器神经网络的学习规则感知器的学习规则主要是通过调整网络层的权值和阀值以便能够地网络的输入向量进行正确的分类。
第一讲(人工智能导论)

– Turning试图精确地刻画哪些函数是能够被计 算的但,计算或有效过程的概念是无法给出形 式化定义的。
– 图灵说明了一些函数没有对应的图灵机,没有 通用的图灵机可以判定一个给定的程序,对于 给定的输入能否返回答案或者永远运行下去。
2
深蓝
• 1997年5月11日北京时间早晨4时50分,一台名叫 “深蓝”的超级电脑在棋盘C4处落下最后一颗棋 子,全世界都听到了震撼世纪的叫杀声──“将 车”!这场举世瞩目的“人机大战”,终于以机 器获胜的结局降下了帏幕。
• “深蓝”是一台智能电脑,是人工智能的杰作。 新闻媒体以挑衅性的标题不断地发问:电脑战胜 是一个人,还是整个人类的智能?连棋王都认了 输,下一次人类还将输掉什么?智慧输掉了,人 类还剩些什么?于是,人工智能又一次成为万众 关注的焦点,成为电脑科学界引以自豪的学科。
• John Watson领导的行为主义认为,内省不能提供 可靠的证据,拒绝任何涉及精神过程的理论,只研 究动物的感知及其反应
• 认知心理学的主要特征是,把大脑当做信息处理装 置,Frederic Bartlett领导的剑桥大学应用心理小组 使得认知模型得以繁荣
• 心理学家普遍认为,认知理论就应该像计算机程序 • 结论:人类思考和活动应该是一个信息处理过程
计算机工程:如何制造能干的计算机?
• 结论:知识来源于实践
• 知识是如何导致行动的?
– Aristotle:行动是通过目标与关于行动结果的知识之间 的逻辑联系来判定的。
– 他进一步指出,要深思的不是结局而是手段,假设了 结局并考虑如何以及通过什么手段得到结局,结局是 否容易是否最好,手段在分析顺序中是最后一个,在 生成顺序中是第一个
《人工智能导论》课件

深度学习
强化学习
随着算法和计算能力的提升,深度学习将 在语音识别、图像识别、自然语言处理等 领域取得更大突破。
强化学习在决策优化、游戏等领域的应用 将更加广泛,实现更高效的学习和决策。
边缘计算
数据隐私和安全
随着物联网设备的普及,边缘计算将与人 工智能结合,实现更快速、低延迟的处理 和响应。
随着人工智能应用的普及,数据隐私和安 全问题将更加受到关注,需要加强数据保 护和加密技术的研究和应用。
CHAPTER
03
人工智能的实际应用
智能语音助手
智能语音助手是人工智能技术的一个重要应用,它能够识别和理解人类语音,并 作出相应的回应。例如,苹果的Siri、亚马逊的Alexa和谷歌的Google Assistant 等。
智能语音助手在家庭、办公室等场景中广泛应用,可以帮助人们完成查询信息、 设置提醒、控制智能家居设备等多种任务。
智能机器人
智能机器人是人工智能技术的另一个重要应用,它们可以在 没有人工干预的情况下独立完成一系列复杂任务。例如,工 业机器人、服务机器人和家庭机器人等。
智能机器人已经在制造业、医疗保健、航空航天等领域得到 广泛应用,提高了生产效率、服务质量和工作安全性。
自动驾驶汽车
自动驾驶汽车是人工智能技术在交通 领域的应用,它能够通过传感器、雷 达和摄像头等设备感知周围环境,并 自主完成驾驶任务。
人工智能的潜在风险和挑战
数据偏见
人工智能算法可能受到数据偏见的影 响,导致不公平和歧视性的决策。
失业问题
人工智能的发展可能导致部分职业的 消失,需要探索新的就业模式和培训 计划。
安全和隐私
人工智能技术可能被用于侵犯个人隐 私和安全,需要加强监管和法律约束 。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
人工智能导论课程实验指导书廉师友编计算机工程实验室2007年3月目录1. 小型专家系统设计与实现 (2)专家系统涉及人工智能导论课程的大部分内容,而且实践性和应用性都很强。
因此,本课程将专家系统设计与实现作为一个上机实验项目。
该实验是一个设计性实验,它对加深课程内容的理解和掌握,培养学生运用所学知识开发智能系统的能力有重要意义。
一、实验名称小型专家系统设计与实现二、实验目的1. 加深理解专家系统的结构原理与实际应用。
2. 初步掌握知识获取的基本方法。
3. 掌握产生式规则知识表示方法及其编程实现方法。
4. 初步掌握知识库的组建方法。
5. 加深理解推理机的算法原理并初步掌握其编程实现方法。
三、实验内容运用所学知识,设计并编程实现一个小型专家系统(如分类、诊断、预测等类型)。
四、基本要求1. 具体应用领域自选,具体系统名称自定;但所做系统绝对不能雷同。
2. 用产生式规则作为知识表示,用产生系统实现该专家系统。
3. 可用PROLOG语言编程并参考下面示例程序;但也可用其他语言另行编程。
4. 所实现的专家系统必须上机运行演示;程序运行时,应有人机对话过程。
5. 系统完成后,要提交实验报告。
五、实验步骤具体工作及步骤为:1. 选题。
2. 系统分析。
3. 知识获取与知识表示选择/设计。
4. 知识库组建。
5. 推理机选择/编制。
6. 系统调试与测试:可先运行一两个简单的PROLOG程序,以熟悉语言环境;接着运行示例程序;然后编辑、调试、测试自己的系统程序。
7. 撰写实验报告。
六、系统示例考虑到本实验有一定难度,下面给出一个“小型动物分类专家系统”示例,以供参考。
1. 动物分类规则集(1)若某动物有奶,则它是哺乳动物。
(2)若某动物有毛发,则它是哺乳动物。
(3)若某动物有羽毛,则它是鸟。
(4)若某动物会飞且生蛋,则它是鸟。
(5)若某动物是哺乳动物且有爪且有犬齿且目盯前方,则它是食肉动物。
(6)若某动物是哺乳动物且吃肉,则它是食肉动物。
(7)若某动物是哺乳动物且有蹄,则它是有蹄动物。
(8)若某动物是有蹄动物且反刍食物,则它是偶蹄动物。
(9)若某动物是食肉动物且黄褐色且有黑色条纹,则它是老虎。
(10)若某动物是食肉动物且黄褐色且有黑色斑点,则它是金钱豹。
(11)若某动物是有蹄动物且长腿且长脖子且黄褐色且有暗斑点,则它是长颈鹿。
(12)若某动物是有蹄动物且白色且有黑色条纹,则它是斑马。
(13)若某动物是鸟且不会飞且长腿且长脖子且黑白色,则它是驼鸟。
(14)若某动物是鸟且不会飞且会游泳且黑白色,则它是企鹅。
(15)若某动物是鸟且善飞且不怕风浪,则它是海燕。
下面是该规则集所形成的(部分)推理网络:2. 源程序/* An Animal Classifying Expert System */databasexpositive(symbol,symbol)xnegative(symbol,symbol)predicatesrunanimal_is(symbol)it_is(symbol)positive(symbol, symbol)negative(symbol, symbol)clear_factsremember(symbol, symbol, symbol)ask(symbol, symbol)goalrun.clausesrun:-animal_is(X),!,write("\nYour animal may be a(n) ", X),nl, nl, clear_facts.run:-write("\nUnable to determine what"),write("your animal is. \n\n"), clear_facts.positive(X, Y):-xpositive(X, Y),!.positive(X, Y):-not(xnegative(X, Y)), ask(X, Y).negative(X, Y):-xnegative(X,Y), !.negative(X, Y):-not(xpositive(X, Y)), ask(X, Y).ask(X, Y):-write(X, " it ", Y, "\n"),readln(Reply),remember(X, Y, Reply).remember(X, Y, y):-asserta(xpositive(X, Y)).remember(X, Y, n):-asserta(xnegative(X, Y)), fail.clear_facts:-retract(xpositive(_, _)), fail.clear_facts:-retract(xnegative(_, _)), fail.clear_facts:-write("\n\nPlease press the space bar to Exit"), readchar(_)./* Knowledge Base */animal_is(cheetah):-it_is(carnivore),positive(has, tawny_color),positive(has, black_spots).animal_is(tiger):-it_is(carnivore),positive(has, tawny_color),positive(has, black_stripes).animal_is(giraffe):-it_is(ungulate),positive(has, long_neck),positive(has, long_legs),positive(has, dark_spots).animal_is(zebra):-it_is(ungulate),positive(has, black_stripes).animal_is(ostrich):-it_is(bird),negative(does, fly),positive(has, long_neck),positive(has, long_legs),positive(has, black_and_white_color). animal_is(penguin):-it_is(bird),negative(does, fly),positive(does, swim),positive(has, black_and_white_color).animal_is(albatross):-it_is(bird),positive(does, fly_well).it_is(mammal):-positive(has, hair).it_is(mammal):-positive(does, give_milk).it_is(bird):-positive(has, feathers).it_is(bird):-positive(does, fly),positive(does, lay_eggs).it_is(carnivore):-positive(does, eat_meat).it_is(carnivore):-it_is(mammal),positive(has, pointed_teeth),positive(has, claws),positive(has,forward_eyes).it_is(ungulate):-it_is(mammal),positive(has, hooves).it_is(ungulate):-it_is(mammal),positive(does, chew_cud).需要说明的是,严格来讲,该专家系统程序中并无显式的推理机,而是利用了PROLOG语言本身的推理机制实现推理的。
这就是说,用PROLOG编写专家系统程序,可以省去推理机部分。
如果用其他语言编程,推理机则是必不可少的。
当然,用PROLOG编写专家系统程序,也可以不用它自身的推理机作为所实现的专家系统的推理机,而用户自己重新编写一个显式的推理机,这可根据问题和需要而定。
如果要重新编写推理机,一般说来,规则就要用PROLOG的事实来实现。
知识库就要用PROLOG的动态数据库来实现。
当然,以上实习也可用C或C++编程,但工作量要大得多。
七、实验报告实验报告用学校统一的实验报告纸书写,表头严格按其要求填写,其中“实验名称”后填:小型专家系统设计与实现。
下面是实验报告的基本内容和书写格式。
——————————————————————————————————一、实验目的加深对专家系统的理解,初步掌握专家系统的设计与实现方法。
二、实验内容运用所学知识,设计并编程实现一个小型专家系统。
三、实验步骤1. 选题。
2. 系统分析。
3. 知识获取与知识表示选择/设计。
4. 知识库组建。
5. 推理机选择/编制。
6. 系统调试与测试。
四、实验结果1. 系统名称〈所做系统的名称〉2. 系统概述(包括所做系统的背景和主要功能等。
)3. 产生式规则集文本4. 系统运行演示过程(1) 输入的初始事实或数据:(2) 系统运行时产生的推理树(网):(3) 输出的结果:5. 源程序清单——————————————————————————————————。