人工智能-人工智能课程教学大纲 精品
人工智能-人工智能课程教学大纲 精品
人工智能课程教学大纲【课程性质、目标和要求】人工智能是计算机科学的重要分支，是计算机科学与技术专业本科生的专业限选课之一。
本课程介绍如何用计算机来模拟人类智能，即如何用计算机实现诸如问题求解、规划推理、模式识别、知识工程、自然语言处理、机器学习等只有人类才具备的"智能"，使得计算机更好得为人类服务．作为本科生一个学期的课程，重点掌握人工智能的基础知识和基本技能，以及人工智能的一般应用．完成如下教学目标：（1）了解人工智能的概念和人工智能的发展，了解国际人工智能的主要流派和路线，了解国内人工智能研究的基本情况，熟悉人工智能的研究领域．（2）较详细地论述知识表示的各种主要方法。
重点掌握状态空间法、问题归约法和谓词逻辑法，熟悉语义网络法，了解知识表示的其他方法，如框架法、剧本法、过程法等。
（3）掌握盲目搜索和启发式搜索的基本原理和算法，特别是宽度优先搜索、深度优先搜索、等代价搜索、启发式搜索、有序搜索、A*算法等．了解博弈树搜索、遗传算法和模拟退火算法的基本方法．(4) 掌握消解原理、规则演绎系统和产生式系统的技术、了解不确定性推理、非单调推理的概念．（5）概括性地介绍人工智能的主要应用领域，如专家系统、机器学习、规划系统、自然语言理解和智能控制等．（6）简介人工智能程序设计的语言和工具．(7) 掌握Visual Prolog编程环境，会使用Prolog语言编写简单的智能程序。
要求学生已修过《数据结构》、《离散数据》和《编译原理》。
【教学时间安排】本课程计 3 学分，理论课时72 ,实验课时28。
学时分配如下表所示：【教学内容要点】教学要求的层次课程的教学要求大体上分为三个层次：了解、理解和认识。
了解即能正确判别有关概念和方法；理解是能正确表达有关概念和方法的含义；认识是在理解的基础上加以灵活应用。
第一章绪论一、学习目的要求1、了解人工智能的定义、起源与发展2、了解人工智能的研究与应用领域3、理解人工智能求解方法的特点二、主要教学内容1、人工智能的定义、起源与发展2、人工智能的研究与应用领域3、人工智能求解方法的特点第二章知识表示方法一、学习目的要求1、认识状态空间法2、理解问题归约法3、认识谓词逻辑法4、认识语义网络法5、认识框架表示6、认识剧本表示7、理解过程表示二、主要教学内容1、状态空间法2、问题归约法3、谓词逻辑法4、语义网络法5、框架表示6、剧本表示7、过程表示第三章搜索原理一、学习目的要求1、认识盲目搜索2、理解启发式搜索3、了解遗传算法4、了解模拟退火法二、主要教学内容1、盲目搜索2、启发式搜索3、遗传算法4、模拟退火法第四章推理技术一、学习目的要求1、理解消解原理2、理解规则演绎系统3、理解产生式系统3、认识不确定性推理4、理解非单调推理二、主要教学内容1、消解原理2、规则演绎系统3、产生式系统4、不确定性推理5、非单调推理第五章机器学习一、学习目的要求1、了解机器学习的定义、研究意义与发展历史2、认识机器学习的主要策略与基本结构3、理解机械学习4、理解基本解释经验的学习5、了解基于事例的学习6、了解基于概念的学习7、了解基于类比的学习8、理解基于神经网络的学习二、主要教学内容1、机器学习的定义、研究意义与发展历史2、机器学习的主要策略与基本结构3、机械学习4、基本解释经验的学习5、基于事例的学习6、基于概念的学习7、基于类比的学习8、基于神经网络的学习第六章规划系统一、学习目的要求1、理解规划的作用与任务2、理解基于谓词逻辑的规划3、了解STRIPS规划系统4、了解分层规划二、主要教学内容1、规划的作用与任务2、基于谓词逻辑的规划3、STRIPS规划系统4、分层规划第七章专家系统一、学习目的要求1、不同模型的专家系统2、理解专家系统3、了解专家系统开发工具4、理解专家系统实例二、主要教学内容1、专家系统2、基于规则的专家系统3、基于框架的专家系统4、基于模型的专家系统5、专家系统开发工具6、专家系统实例第八章自然语言理解一、学习目的要求1、理解语言及其理解的一般问题2、理解句法和语义的自动分析3、了解句子的自动理解4、了解语言的自动生成5、了解文本的自动翻译6、理解自然语言理解系统的主要模型7、理解自然语言理解系统应用举例8、了解语音识别二、主要教学内容1、语言及其理解的一般问题2、句法和语义的自动分析3、句子的自动理解4、语言的自动生成5、文本的自动翻译6、自然语言理解系统的主要模型7、自然语言理解系统应用举例8、语音识别第九章智能控制一、学习目的要求1、了解智能控制的历史沿革2、了解智能控制的研究领域3、理解智能控制的学科结构理论4、了解智能控制系统二、主要教学内容1、智能控制概述2、智能控制的研究领域3、智能控制的学科结构理论4、智能控制系统第十章人工智能程序设计一、学习目的要求1、了解逻辑型编程语言2、综合应用LISP语言3、综合应用PROLOG语言4、了解关系数据库二、主要教学内容1、逻辑型编程语言2、LISP语言3、PROLOG语言4、关系数据库一、（实验1）Visual Prolog 环境的建立与熟悉1、实验目的要求⑴掌握Visual Prolog 安装与卸载。
2024版《人工智能》课程教学大纲
计算机体系结构
理解计算机硬件组成、操 作系统及基本工作原理。
数据结构与算法
掌握基本数据结构（如数 组、链表、栈、队列等） 和常用算法（如排序、查 找等）。
计算机网络
了解网络协议、网络架构 及网络安全等基础知识。
数学基础
线性代数
掌握向量、矩阵、线性方程组等基本概念和运算。
概率论与数理统计
理解概率分布、随机变量、数理统计等基本概念 和方法。
介绍神经网络优化的一些常用方 法，如梯度下降、动量法、
Adam等优化算法的原理和应用。
卷积神经网络（CNN）
卷积层
池化层
讲解卷积层的工作原理和实 现方法，包括卷积核、步长、 填充等概念。
介绍池化层的作用和实现方 法，包括最大池化、平均池 化等。
CNN模型
介绍一些经典的CNN模型， 如LeNet-5、AlexNet、 VGGNet、GoogLeNet、 ResNet等，并分析其网络结 构和特点。
无监督学习
K-均值聚类
层次聚类
将数据划分为K个簇，使得同一簇内的数据尽 可能相似，不同簇间的数据尽可能不同。
通过不断将数据点或已有簇合并成新的簇， 直到满足某种停止条件。
主成分分析（PCA）
自编码器
通过线性变换将原始数据变换为一组各维度 线性无关的表示，可用于高维数据的降维。
一种神经网络结构，通过编码器和解码器对 输入数据进行压缩和重构，实现特征提取和 降维。
句ห้องสมุดไป่ตู้分析技术
短语结构分析
识别句子中的短语结构，如名词短语、动词短语等。
依存关系分析
分析句子中单词之间的依存关系，如主谓关系、动宾关系等。
句法树构建
根据短语结构和依存关系构建句子的句法树，表示句子的结构信 息。
《人工智能》课程大纲
《人工智能》课程大纲人工智能课程大纲一、引言A. 课程背景与目的B. 课程结构概述二、人工智能基础知识A. 人工智能概述1. 人工智能定义与发展历史2. 人工智能的应用领域3. 人工智能的挑战和前景B. 机器学习1. 机器学习的定义和原理2. 监督学习、无监督学习与强化学习3. 机器学习算法与实践案例C. 自然语言处理1. 自然语言处理的概念和挑战2. 语音识别与文本处理技术3. 自然语言生成与机器翻译三、人工智能技术与应用A. 图像与视觉处理1. 图像处理基础2. 特征提取和图像分类算法3. 计算机视觉的应用案例B. 智能决策与规划1. 搜索算法与规划方法2. 强化学习与决策树算法3. 智能系统在自动驾驶等领域的应用C. 人机交互与智能系统设计1. 人机界面设计原则2. 聊天机器人与语音助手开发3. 智能系统的用户体验与评估四、人工智能的伦理与社会影响A. 人工智能的道德与伦理问题1. 个人隐私与数据安全2. 人工智能的道德准则与规范3. 机器人与人类社会的互动关系B. 人工智能对社会经济的影响1. 自动化对就业市场的改变2. 人工智能在医疗、金融等行业的应用3. 人工智能与可持续发展的关系五、课程实践与项目A. 人工智能编程与实践1. 基于Python的机器学习实践2. TensorFlow与深度学习编程B. 人工智能应用设计与实现1. 智能推荐系统开发2. 人工智能在游戏开发中的应用六、评估方式与学习资源A. 课程作业与考核方式B. 推荐教材与学习资源C. 学习支持与讨论平台七、总结与展望A. 课程回顾与学习成果B. 人工智能领域的未来发展方向本课程旨在帮助学生深入了解人工智能的基本概念、技术和应用，培养学生人工智能思维和创新能力。
通过课程的学习，学生将能够掌握人工智能基础知识，了解机器学习、自然语言处理、图像与视觉处理等核心技术。
同时，课程将注重伦理与社会影响的讨论，帮助学生思考人工智能的科技伦理问题和社会责任。
《人工智能》教学大纲
附件1广东财经大学华商学院课程教学大纲模板人工智能》课程教学大纲一、课程简介人工智能是计算机与自动化学科的一门分支学科。
它研究如何用机器来模仿人脑所从事的推理、证明、识别、理解、学习、规划、诊断等智能活动。
人工智能是当前科学技术中正在迅速发展，新思想、新观点、新技术不断涌现的一个学科，也是一门涉及数学、计算机科学、控制论、信息论、心理学、哲学等学科的交叉和边缘学科。
人工智能原理是计算机科学技术类专业的应用学科。
前修课程包括：离散数学、数据结构、算法分析与设计等，后续课程：专家系统，知识工程。
二、教学目标(1)熟练掌握图搜索策略，熟练掌握回溯策略、图搜索策略的过程以及算法(BACKTRACK 以及AI算法)，掌握一些典型问题的启发式函数；(2)掌握用命题逻辑、一阶逻辑表示知识的方法，并在此基础上进行推理，熟练掌握归结方法以及归结反驳过程，熟练掌握利用归结反驳方法进行推理。
(3)掌握基于贝叶斯规则的不确定性推理，掌握条件概率、独立、条件独立及贝叶斯公式；掌握利用贝叶斯定理检测垃圾邮件的基本方法。
三、主要教学模式和教学手段1．本课程的教学包括课堂讲授、课外作业、辅导答疑、上机实验和期末考试等教学环节。
2．课堂教学采用启发式教学方法，理例结合，多媒体并用，引导学生加深对课程内容的理解，提高学生的学习兴趣和效果。
3．理论联系实际，通过本课程的教学，力争使学生在理解和掌握大纲所要求的知识内容的基础上，能正确地运用这些知识解决有关实际问题。
四、教学内容（要求编写所有章节的主要内容）第一章人工智能概述基本内容和要求：1．人工智能的概念与目标；2．人工智能的研究内容与方法；3．人工智能的分支领域；4．人工智能的发展概况。
第二章逻辑程序设计语言Prolog基本内容和要求：1.掌握Prolog语言的语句特点、程序结构和运行机理；2.能编写简单的Prolog程序，能读懂一般的Prolog程序。
教学重点：Prolog程序设计。
人工智能课程教学大纲
人工智能课程教学大纲课程名称：人工智能教学大纲课程目标：本课程旨在帮助学生了解人工智能的基本概念、原理和技术，并培养学生在人工智能领域的批判性思维和问题解决能力。
通过学习本课程，学生将能够理解人工智能的背景、应用和发展趋势，并能够独立设计和实现简单的人工智能系统。
课程内容：1. 人工智能概述- 人工智能的定义与应用领域- 人工智能的历史与发展- 人工智能与机器学习的关系2. 机器学习基础- 监督学习、无监督学习和强化学习的基本概念- 常用机器学习算法及其原理- 机器学习的评估方法和误差分析3. 深度学习- 神经网络的基本原理与结构- 卷积神经网络与循环神经网络的应用- 深度学习的训练与优化方法4. 自然语言处理- 语言的表示与处理方法- 文本分类、语义分析和机器翻译的基本原理- 自然语言生成与对话系统的应用5. 计算机视觉- 图像处理与特征提取- 目标检测、图像分类和图像生成的基本原理- 视觉感知与智能交互的应用6. 人工智能伦理与社会影响- 人工智能的道德与伦理问题- 人工智能在社会中的挑战与机遇- 人工智能的未来发展趋势课程教学方法：本课程采用讲授、案例分析和实践项目结合的教学方法。
通过理论讲解、实例分析和实践操作，帮助学生理解和应用人工智能的基本原理和技术。
学生将完成实践项目，设计和实现一个简单的人工智能系统，并对其性能进行评估和优化。
课程评估方式：- 平时作业和课堂表现：占总成绩的30%- 实践项目报告：占总成绩的40%- 期末考试：占总成绩的30%参考教材：- Ian Goodfellow, Yoshua Bengio, Aaron Courville. Deep Learning [M]. MIT Press, 2016.- Sebastian Raschka, Vahid Mirjalili. Python Machine Learning [M]. Packt Publishing, 2017.- Dan Jurafsky, James H. Martin. Speech and Language Processing [M]. Pearson, 2019.备注：该人工智能课程教学大纲仅作参考，实际课程内容和安排可能会根据教师和学校要求进行调整。
人工智能课程教学大纲
人工智能课程教学大纲大纲：人工智能课程教学1. 简介- 介绍人工智能课程的重要性和普及程度- 解释人工智能的定义和应用领域2. 目标- 培养学生对人工智能的基本了解和认识- 培养学生分析和解决实际问题的能力- 引导学生思考人工智能对社会的影响3. 课程设计- 课程时长和学时安排- 教学方法和教学资源- 课程内容和模块划分4. 课程内容- 人工智能的历史和发展- 人工智能的基本概念和原理- 机器学习和深度学习算法- 自然语言处理和计算机视觉- 人工智能在各行业的应用案例5. 教学方式- 理论教学：通过讲解基本概念和原理，使学生理解人工智能的基本知识。
- 实践项目：组织学生参与实际项目，加深对人工智能算法和技术的理解和应用能力。
- 讨论和案例分析：通过讨论和分析真实案例，引导学生思考人工智能对社会的影响和伦理问题。
6. 评估方式- 考试：通过笔试和编程作业考察学生对人工智能基本概念和算法的掌握程度。
- 项目评估：评估学生在实践项目中的表现和能力发展情况。
- 讨论参与度：评估学生在课堂讨论和案例分析中的积极参与程度。
7. 教学资源- 教材：建议使用经典的人工智能教材，如《人工智能：一种现代的方法》。
- 在线资源：推荐学生使用在线资源，如人工智能开放平台、论坛和课程网站。
8. 参考文献- 列举相关的研究论文、教材和在线资源，供学生进一步学习和深入研究。
9. 结语- 强调人工智能课程的重要性和发展前景- 鼓励学生积极参与课程学习和实践项目以上是《人工智能课程教学大纲》的内容，通过系统的课程设计和教学方法，旨在培养学生对人工智能的基本了解和应用能力。
教学大纲涵盖了人工智能的基本概念、算法和应用案例，并通过理论教学、实践项目和讨论分析等方式，引导学生思考人工智能对社会的影响和伦理问题。
希望学生能够通过这门课程，掌握人工智能的基本知识，培养解决实际问题的能力，并为未来的发展和创新做出贡献。
人工智能课程教学大纲-2024鲜版
卷积神经网络在图像处理中的应用
2024/3/27
卷积层与池化层
解释卷积层如何通过卷积核提取图像特征，池化层如何降低数据 维度，减少计算量。
经典卷积神经网络结构
介绍LeNet-5、AlexNet、VGGNet等经典卷积神经网络的结构和 特点。
图像分类与目标检测
阐述卷积神经网络在图像分类和目标检测任务中的应用，包括数据 集、评估指标等。
目标检测
讲解目标检测的任务和方法，包括基于滑动窗口的目标检测、基于区域提议的目标检测等 ，以及常见的目标检测算法，如R-CNN、Fast R-CNN、Faster R-CNN等。
图像分割
介绍图像分割的概念和方法，包括基于阈值的分割、基于边缘的分割、基于区域的分割等 ，以及常见的图像分割算法，如K-means聚类、水平集方法等。
人工智能课程教学大纲
2024/3/27
1
目录
2024/3/27
• 课程介绍与目标 • 基础知识与技能 • 机器学习原理及方法 • 深度学习原理及应用 • 自然语言处理技术 • 计算机视觉技术 • 人工智能伦理、法律和社会影响
2
01
课程介绍与目标
Chapter
2024/3/27
3
人工智能定义及应用领域
图像描述生成
讲解图像描述生成的基本方法和模型，包括基于卷积神经 网络和循环神经网络的方法，介绍图像描述生成的评估指 标和优化方法。
23
06
计算机视觉技术
Chapter
2024/3/27
24
图像识别、目标检测等基础知识
2024/3/27
图像识别
介绍图像识别的基本原理，包括特征提取、分类器设计等，以及常见的图像识别算法，如 卷积神经网络（CNN）。
(人工智能)人工智能教学大纲
〔人工智能〕人工智能详细教学大纲《人工智能》教学大纲课程名称：人工智能英语名称：ArtificialIntelligence课程代码：130234 课程性质：专业必修学分学时数：5/80适用专业：计算机应用技术修〔制〕订人：修〔制〕订日期：2022 年 2 月审核人：审核日期：审定人：审定日期：壹、课程的性质和目的〔壹〕课程性质人工智能是计算机科学理论根底争论的重要组成局部，人工智能课程是计算机科学技术专业的专业拓展选修课。
通过本课程的学习使学生了解人工智能的提出、几种智能观、重要争论领域，把握人工智能求解方法的特点。
把握人工智能的根本概念、根本方法，会用学问表示方法、推理方法和机器学习等方法求解简洁问题等。
〔二〕课程目的1、根本理论要求：课程介绍人工智能的主要思想和根本技术、方法以及有关问题的入门学问。
要求学生了解人工智能的主要思想和方法。
2、根本技能要求：学生于较坚实打好的人工智能数学根底〔数理规律、概率论、模糊理论、数值分析〕上，能够利用这些数学手段对确定性和不确定性的学问完成推理；于理解 Herbrand 域概念和 Horn 子句的根底上，应用 Robinson 归结原理进展定理证明；应把握问题求解〔GPS〕的状态空间法，能应用几种主要的盲目搜寻和启发式搜寻算法〔宽度优先、深度优先、有代价的搜寻、A 算法、A*算法、博弈数的极大—微小法、α―β剪枝技术〕完成问题求解；且能生疏几种重要的不确定推理方法，如确定因子法、主观 Bayes 方法、D—S 证据理论等，利用数值分析中常用方法进展正确计算。
3、职业素养要求：结合实战，初步理解和把握人工智能的关联技术。
二、教学内容、重〔难〕点、教学要求及学时安排第壹章：人工智能概述〔2 学时〕1、讲授内容：（1）人工智能的概念（2）人工智能的争论途径和方法（3）人工智能的分之领域（4）人工智能的根本技术（5）人工智能的进展简介2、教学要求：了解：争论途径和方法、人工智能的分之领域、根本技术和进展简介。
- 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)。
人工智能课程教学大纲
【课程性质、目标和要求】
人工智能是计算机科学的重要分支，是计算机科学与技术专业本科生的专业限选课之一。
本课程介绍如何用计算机来模拟人类智能，即如何用计算机实现诸如问题求解、规划推理、模式识别、知识工程、自然语言处理、机器学习等只有人类才具备的"智能"，使得计算机更好得为人类服务．
作为本科生一个学期的课程，重点掌握人工智能的基础知识和基本技能，以及人工智能的一般应用．完成如下教学目标：
（1）了解人工智能的概念和人工智能的发展，了解国际人工智能的主要流派和路线，了解国内人工智能研究的基本情况，熟悉人工智能的研究领域．
（2）较详细地论述知识表示的各种主要方法。
重点掌握状态空间法、问题归约法和谓词逻辑法，熟悉语义网络法，了解知识表示的其他方法，如框架法、剧本法、过程法等。
（3）掌握盲目搜索和启发式搜索的基本原理和算法，特别是宽度优先搜索、深度优先搜索、等代价搜索、启发式搜索、有序搜索、A*算法等．了解博弈树搜索、遗传算法和模拟退火算法的基本方法．
(4) 掌握消解原理、规则演绎系统和产生式系统的技术、了解不确定性推理、非单调推理的概念．
（5）概括性地介绍人工智能的主要应用领域，如专家系统、机器学习、规划系统、自然语言理解和智能控制等．
（6）简介人工智能程序设计的语言和工具．
(7) 掌握Visual Prolog编程环境，会使用Prolog语言编写简单的智能程序。
要求学生已修过《数据结构》、《离散数据》和《编译原理》。
【教学时间安排】
本课程计 3 学分，理论课时72 ,实验课时28。
学时分配如下表所示：
【教学内容要点】
教学要求的层次
课程的教学要求大体上分为三个层次：了解、理解和认识。
了解即能正确判别有关概念和方法；理解是能正确表达有关概念和方法的含义；认识是在理解的基础上加以灵活应用。
第一章绪论
一、学习目的要求
1、了解人工智能的定义、起源与发展
2、了解人工智能的研究与应用领域
3、理解人工智能求解方法的特点
二、主要教学内容
1、人工智能的定义、起源与发展
2、人工智能的研究与应用领域
3、人工智能求解方法的特点
第二章知识表示方法
一、学习目的要求
1、认识状态空间法
2、理解问题归约法
3、认识谓词逻辑法
4、认识语义网络法
5、认识框架表示
6、认识剧本表示
7、理解过程表示
二、主要教学内容
1、状态空间法
2、问题归约法
3、谓词逻辑法
4、语义网络法
5、框架表示
6、剧本表示
7、过程表示
第三章搜索原理
一、学习目的要求
1、认识盲目搜索
2、理解启发式搜索
3、了解遗传算法
4、了解模拟退火法
二、主要教学内容
1、盲目搜索
2、启发式搜索
3、遗传算法
4、模拟退火法
第四章推理技术
一、学习目的要求
1、理解消解原理
2、理解规则演绎系统
3、理解产生式系统
3、认识不确定性推理
4、理解非单调推理
二、主要教学内容
1、消解原理
2、规则演绎系统
3、产生式系统
4、不确定性推理
5、非单调推理
第五章机器学习
一、学习目的要求
1、了解机器学习的定义、研究意义与发展历史
2、认识机器学习的主要策略与基本结构
3、理解机械学习
4、理解基本解释经验的学习
5、了解基于事例的学习
6、了解基于概念的学习
7、了解基于类比的学习
8、理解基于神经网络的学习
二、主要教学内容
1、机器学习的定义、研究意义与发展历史
2、机器学习的主要策略与基本结构
3、机械学习
4、基本解释经验的学习
5、基于事例的学习
6、基于概念的学习
7、基于类比的学习
8、基于神经网络的学习
第六章规划系统
一、学习目的要求
1、理解规划的作用与任务
2、理解基于谓词逻辑的规划
3、了解STRIPS规划系统
4、了解分层规划
二、主要教学内容
1、规划的作用与任务
2、基于谓词逻辑的规划
3、STRIPS规划系统
4、分层规划
第七章专家系统
一、学习目的要求
1、不同模型的专家系统
2、理解专家系统
3、了解专家系统开发工具
4、理解专家系统实例
二、主要教学内容
1、专家系统
2、基于规则的专家系统
3、基于框架的专家系统
4、基于模型的专家系统
5、专家系统开发工具
6、专家系统实例
第八章自然语言理解
一、学习目的要求
1、理解语言及其理解的一般问题
2、理解句法和语义的自动分析
3、了解句子的自动理解
4、了解语言的自动生成
5、了解文本的自动翻译
6、理解自然语言理解系统的主要模型
7、理解自然语言理解系统应用举例
8、了解语音识别
二、主要教学内容
1、语言及其理解的一般问题
2、句法和语义的自动分析
3、句子的自动理解
4、语言的自动生成
5、文本的自动翻译
6、自然语言理解系统的主要模型
7、自然语言理解系统应用举例
8、语音识别
第九章智能控制
一、学习目的要求
1、了解智能控制的历史沿革
2、了解智能控制的研究领域
3、理解智能控制的学科结构理论
4、了解智能控制系统
二、主要教学内容
1、智能控制概述
2、智能控制的研究领域
3、智能控制的学科结构理论
4、智能控制系统
第十章人工智能程序设计
一、学习目的要求
1、了解逻辑型编程语言
2、综合应用LISP语言
3、综合应用PROLOG语言
4、了解关系数据库
二、主要教学内容
1、逻辑型编程语言
2、LISP语言
3、PROLOG语言
4、关系数据库
一、（实验1）Visual Prolog 环境的建立与熟悉
1、实验目的要求
⑴掌握Visual Prolog 安装与卸载。
⑵掌握Visual Prolog的基本特性。
⑶理解项目文件结构以及之间的关系。
⑷掌握调试项目的步骤。
2、实验主要内容
⑴ Visual Prolog的安装与卸载。
⑵构建Visual Prolog 项目。
3、实验条件
⑴需要Visual Prolog编程环境。
二、（实验2）Prolog语言元素
1、实验目的要求
⑴掌握Horn子句的表示方法。
⑵理解Prolog推理机的构建方法。
⑶掌握Prolog程序控制和Prolog算符。
2、实验主要内容
⑴ Prolog推理机。
⑵程序控制。
⑶算符。
三、（实验3）Visual Prolog 面向对象元素
1、实验目的要求
⑴掌握Visual Prolog中类与对象的概念与表示。
⑵理解对象模型
2、实验主要内容
⑴接口
⑵类的声明和类的实现
⑶学生对象的Prolog实现。
四、（实验4）PIE推理机的实现
1、实验目的要求
⑴掌握Prolog推理机的实现方法。
⑵理解Prolog推理机具体使用方法。
2、实验主要内容
⑴ Prolog推理机。
⑵家族定理的分析与实现。
…………
五、（实验5）三层结构的家族定理的设计与实现
1、实验目的要求
⑴掌握使用Visual Prolog开发三层结构的系统。
2、实验主要内容
⑴家族定理的GUI编程
⑵家族定理的逻辑层编码
⑶家族定理的数据层编码
【成绩考核方式】
1、成绩评定总则
本课程考核分为平时考核和期末闭卷考试和实验考核三部分。
其中平时成绩占15%，期末占60%，实验占25%。
2、平时成绩评定
平时成绩依据学生的课堂出勤率、作业完成情况进行评定。
评定时，应充分体现公平、公正、实事求是的原则，客观地评价学生平时的表现。
3、期末闭卷考试
期末闭卷考试。
试题的覆盖率至少要达到大纲要求的80%，试题的类型一般可以选择、填空、判断、解答、算法求解、设计为宜。
4、实验考核见实验大纲
【教材与参考书目】
指定教材：
《人工智能基础》，蔡自兴，蒙祖强。
高等教育出版社，2005年5月参考书目：
1《人工智能（上、下册）》，陆汝钤，北京：科学出版社， 1996年2《人工智能原理》，石纯一等，北京：清华大学出版社，1993
3《人工智能基础》，高济等，北京：高等教育出版社，2002
【有关说明（教学建议）】
●本课程概念多、较抽象、涉及面广，因此教学形式以讲授方式为主。
●关键性概念、整体实现思想方面的问题可辅以课堂讨论的形式。