清华大学《人工智能导论》课程电子教案共145页文档
清华大学《人工智能导论》课程电子教案
一个简单的例子（续2）
三、控制策略 顺序排队 四、初始条件 {A，B} 五、结束条件 F∈{x}
7
求解过程
数据库
A，B A，B，C A，B，C，D A，B，C，D，G A，B，C，D，G，E
可触发规则
（1） （2）（3） （3）（5） （5） （4）
被触发规则
（1） （2） （3） （5） （4）
((1,1) (2,4) (3.2))
((1,2) (2,4) (3,1))
((1,2) (2,4) (3,1) (4,3))
37
递归的思想
当前状态
目标状态g
38
一个递归的例子
int ListLenght(LIST *pList) { if (pList == NULL) return 0; else return ListLength(pList->next)+1; }
11
M-C问题（续3）
4，规则集 IF (m, c, 1) THEN (m-1, c, 0) IF (m, c, 1) THEN (m, c-1, 0) IF (m, c, 1) THEN (m-1, c-1, 0) IF (m, c, 1) THEN (m-2, c, 0) IF (m, c, 1) THEN (m, c-2, 0)
52
一般的图搜索算法（续）
7, 标记和修改指针： ADD(mj, OPEN), 并标记mj到n的指针； 计算是否要修改mk、ml到n的指针； 计算是否要修改ml到其后继节点的指针； 8, 对OPEN中的节点按某种原则重新排序； 9, GO LOOP；
53
节点类型说明
…... mk
…... mj
…... ml
人工智能导论课程设计
导论课程设计一、教学目标通过本章的学习，学生将掌握导论的基本概念、发展历程和主要技术，了解在各个领域的应用，以及的发展前景和挑战。
具体目标如下：1.知识目标：a.理解的基本概念和原理；b.掌握的主要技术和应用领域；c.了解的发展历程和未来趋势。
2.技能目标：a.能够运用基本概念和原理分析实际问题；b.能够运用主要技术解决简单问题；c.能够评估在各个领域的应用效果。
3.情感态度价值观目标：a.认识对社会和人类生活的影响；b.理解发展的伦理和道德问题；c.培养对技术的兴趣和好奇心。
二、教学内容本课程的教学内容主要包括的基本概念、发展历程、主要技术和应用领域。
具体安排如下：1.第一部分：的基本概念和原理介绍的定义、分类和发展阶段，理解的基本原理和方法。
2.第二部分：的主要技术和应用领域掌握的主要技术，如机器学习、深度学习、自然语言处理等；了解在各个领域的应用，如医疗、教育、交通、金融等。
3.第三部分：的发展历程和未来趋势回顾的发展历程，分析当前的发展状况和未来趋势。
三、教学方法为了提高学生的学习兴趣和主动性，本课程将采用多种教学方法，包括讲授法、讨论法、案例分析法和实验法等。
1.讲授法：通过讲解的基本概念、原理和应用，使学生掌握相关知识。
2.讨论法：学生就的某个主题进行讨论，培养学生的思考和表达能力。
3.案例分析法：分析在实际应用中的案例，使学生更好地理解的应用场景。
4.实验法：安排学生进行实验，提高学生的动手能力和实际问题解决能力。
四、教学资源为了支持本课程的教学内容和教学方法，我们将选择和准备以下教学资源：1.教材：《导论》，用于引导学生系统地学习知识；2.参考书：提供相关的领域的书籍，供学生拓展阅读；3.多媒体资料：收集与相关的视频、动画等资料，丰富教学手段；4.实验设备：准备相应的计算机设备和相关软件，供学生进行实验操作。
五、教学评估为了全面、客观地评估学生的学习成果，本课程将采用多种评估方式，包括平时表现、作业、考试等。
《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》课程电子教案(遗传算法 )
m
f (xi )
max {
1i m
f
(xi )}
M
i 1
m
上式中的第一个方程表示变换前后的平均值不变，第 二个方程表示将当前的最优值放大为平均值的M倍。
二进制编码的交配规则
双亲双子法
交配位置
a1 a2 ... ai ai+1 ... an b1 b2 ... bi bi+1 ... bn
交配前
多交配位法
1101001 1100010
1100000 1101011
整数编码的交配规则
下面以旅行商问题为例，介绍几种整数 编码的交配规则。
常规交配法
随机选取一个交配位，子代1交配位之前的基因选自 父代1交配位之间的基因，交配位之后的基因，从父 代2中按顺序选取那些没有出现过的基因。
交配位
码后作为最优解输出；
（11）结束。
例：求函数的最大值
f (x) x2
其中x为[0, 31]间的整数 编码：采用二进制形式编码
由于x的定义域是[0, 31]间的整数，刚好 可以用5位二进制数表示，因此可以用5 位二进制数表示该问题的解，即染色体。 如00000表示x＝0，10101表示x＝21， 11111表示x＝31等
0100100000010010
二进制表示存在的问题
采用这样的表示方法，对于n城市的旅行商问 题，至少需要用n×n位二进制向量表示一个 可能的旅行路线。一个n×n位二进制向量，
所有可能的编码个数为 2nn ，而一个对称的n
城市旅行商问题的可能解个数为n!/2，只占编 码个数非常小的比例。以n＝10为例，编码个 数为可能解个数的7.0×1023倍。可能解在整 个状态空间中，是非常稀疏的，交配和变异 所产生的是大量的非可能解。
人工智能导论 教案 第1章 人工智能概述
思考与讨
所谓奇点，就是随着科学技术的飞跃发展，人们提出的一种对未来某一 论：
时刻人工智能将超越人类智能的假说。
奇点会不会
到来？
1.2 人工智能的起源和发展
在古今中外历史上，为了实现人工智能的梦想，人类进行了多次尝试， 甚至通过实践——制造机械人偶——来实现自己对人工智能的追求。
1.传说中的人工智能 公元前 900 多年我国有歌舞机器人传说的记载，古希腊存在诸多传说， 内容包括天神和怪兽等。在这些传说中还出现了机械人，比如古代诗人荷马 的《伊利亚特》一书中提到的希腊天神赫菲斯托斯的黄金机器人。 2.科幻电影中的人工智能 （1）《大都会》：开启科幻电影的大门 （2）《2001 太空漫游》：现代科幻电影技术的里程碑 3. 图灵测试与人工智能 （1）阿兰·图灵 阿兰·图灵（Alan Turing，1912 年 6 月 23 日-1954 年 6 月 7 日）出生于 英国伦敦帕丁顿，毕业于普林斯顿大学，是英国数学家、逻辑学家，被誉为 “计算机科学之父”“人工智能之父”
（2）图灵机 （3）图灵测试 4. 冯·诺依曼体系结构 （1）冯·诺依曼 （2）冯·诺依曼体系 5.人工智能学科的诞生 1955 年 8 月 31 日，美国学者约翰·麦卡锡（John McCarthy）、马文·明斯 基（Marvin Minsky）、纳撒尼尔·罗切斯特（Nathaniel Rochester）和克劳德·香 农（Claude E.Shannon）共同发布了《针对人工智能的达特茅斯暑期研究计划 的提议》（A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence），提议 1956 年夏天在达特茅斯学院（见图 1-17）开展一次由 10 个人组成、为期两个月的人工智能研究，共同探讨用机器模拟智能的一系列
《人工智能》课程教案完整版
一、教学内容二、教学目标1. 理解机器学习的基本概念，掌握监督学习与无监督学习的区别。
2. 学会分类与回归任务的基本原理，了解常用机器学习算法。
3. 能够运用所学知识解决实际问题，培养创新思维和团队合作能力。
三、教学难点与重点教学难点：机器学习算法的理解与应用。
教学重点：监督学习与无监督学习的区别、分类与回归任务。
四、教具与学具准备1. 教具：多媒体教学设备、黑板、粉笔。
五、教学过程2. 新课导入：介绍机器学习的基本概念，阐述监督学习与无监督学习的区别。
3. 知识讲解：a. 监督学习：讲解监督学习的基本原理，以分类与回归任务为例，介绍常用算法。
b. 无监督学习：介绍无监督学习的概念，讲解常用算法。
4. 例题讲解：结合实际案例，讲解机器学习算法的应用。
5. 随堂练习：布置与例题类似的练习题，让学生独立完成，巩固所学知识。
6. 小组讨论：分组讨论实际应用场景，探讨如何运用机器学习技术解决问题。
六、板书设计2. 板书内容：a. 机器学习基本概念b. 监督学习与无监督学习c. 分类与回归任务d. 常用机器学习算法七、作业设计1. 作业题目：a. 解释监督学习与无监督学习的区别。
b. 列举三种常用机器学习算法，并简要说明其原理。
c. 结合实际案例，设计一个分类或回归任务，并说明所使用的算法。
2. 答案：a. 监督学习：根据已知输入和输出，学习得到一个函数，用于预测未知输出。
无监督学习：仅根据输入数据，学习数据的内在规律和结构。
b. 线性回归、逻辑回归、支持向量机。
c. 略。
八、课后反思及拓展延伸1. 反思：本节课学生对机器学习的基本概念和算法有了初步了解，但对算法的深入理解和应用仍有待提高。
2. 拓展延伸：鼓励学生课后查阅资料，了解其他常用机器学习算法，如决策树、随机森林等，并尝试应用于实际问题。
组织课后讨论活动，分享学习心得。
重点和难点解析一、教学内容的选择与安排1. 机器学习基本概念的深化机器学习基本概念的讲解需要更加深入，除了定义，还应包括机器学习的类型（如强化学习、迁移学习等）以及它们在实际中的应用场景。
《人工智能》课程教案完整版
一、教学内容二、教学目标2. 学会运用机器学习算法解决实际问题，了解神经网络的优缺点。
3. 培养学生的动手实践能力，提高编程技能。
三、教学难点与重点1. 教学难点：神经网络的结构与工作原理，反向传播算法。
2. 教学重点：机器学习算法的应用，神经网络的训练与优化。
四、教具与学具准备1. 教具：PPT、黑板、粉笔。
2. 学具：计算机、Python编程环境、相关库（如numpy、matplotlib等）。
五、教学过程2. 知识讲解：（2）介绍机器学习的基本概念、分类及常用算法。
（3）讲解神经网络的基本结构、工作原理及反向传播算法。
3. 例题讲解：（1）运用机器学习算法解决分类问题。
（2）神经网络在手写数字识别中的应用。
4. 随堂练习：让学生动手编写代码，实现机器学习算法和神经网络模型。
六、板书设计1. 机器学习基本概念、分类及算法。
2. 神经网络结构、工作原理及反向传播算法。
3. 例题及代码框架。
七、作业设计1. 作业题目：（1）运用机器学习算法，实现一个简单的分类器。
（2）搭建一个简单的神经网络，进行手写数字识别。
2. 答案：见附件。
八、课后反思及拓展延伸1. 反思：关注学生在课堂上的表现，及时发现问题，调整教学方法。
2. 拓展延伸：（1）深入学习其他机器学习算法，如支持向量机、决策树等。
（2）研究神经网络在图像识别、自然语言处理等领域的应用。
重点和难点解析1. 神经网络的结构与工作原理2. 反向传播算法3. 机器学习算法的应用4. 神经网络的训练与优化5. 作业设计与实践操作详细补充和说明：一、神经网络的结构与工作原理1. 神经元模型：每个神经元接收来自其他神经元的输入信号，经过加权求和后，通过激活函数产生输出。
2. 层次结构：神经网络通常分为输入层、隐藏层和输出层。
输入层接收外部数据，隐藏层进行特征提取和转换，输出层输出预测结果。
3. 激活函数：常用的激活函数有Sigmoid、ReLU等，它们决定了神经元的输出特性。
《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。
- 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)。
END
16、业余生活要有意义，不要越轨。——华盛顿 17、一个人即使已登上顶峰，也仍要自强不息。——罗素·贝克 18、最大的挑战和突破在于用人，而用人最大的突破在于信任人。——马云 19、自己活着，就是为了使别人过得更美好。——雷锋 20、要掌握书，莫被书掌握；要为生而读，莫为读而生。——布尔沃
清华大学《人工智能导论》课程电子 教案
•
6、黄金时代是在我们的前面，而不在 我们的 后面。
•
7、心急吃不了热汤圆。
•
8、你可以很有口 (蹩脚 的工人 总是说 工具不 好)。
•
10、只要下定决心克服恐惧，便几乎 能克服 任何恐 惧。因 为，请 记住， 除了在 脑海中 ，恐惧 无处藏 身。-- 戴尔． 卡耐基 。