《人工智能导论》教学大纲
《人工智能导论》教学大纲
大纲说明
课程代码：3235042
总学时：32学时（讲课32学时）
总学分：2学分
课程类别：限制性选修
适用专业：计算机科学与技术，以及有关专业
预修要求：C程序设计语言，数据结构
课程的性质、目的、任务：
人工智能是计算机科学中涉及研究、设计和应用智能机器的一个分支。本课程是计算机
科学与技术，以及有关专业重要的专业方向与特色模块课程之一。通过本课程的开设，使学
生对人工智能的发展概况、基本原理和应用领域有初步了解，对主要技术及应用有一定掌握，
启发学生对人工智能的兴趣，培养知识创新和技术创新能力。
课程教学的基本要求：
人工智能的研究论题包括计算机视觉、规划与行动、多Agent系统、语音识别、自动语
言理解、专家系统和机器学习等。这些研究论题的基础是通用和专用的知识表示和推理机制、
问题求解和搜索算法，以及计算智能技术等。要求学生掌握这些研究论题的基础知识。
人工智能还提供一套工具以解决那些用其它方法难以解决，甚至无法解决的问题。这些
工具包括启发式搜索和规划算法，知识表示和推理形式，机器学习技术，语音和语言理解方
法，计算机视觉和机器人学等。要求学生掌握利用其中的重要工具解决给定问题的基本方法。
大纲的使用说明：
通过适当调节教学内容和学时安排，减少有关章节学时和增加专家系统这一章的学时，
本大纲亦可作为《人工智能与专家系统》的课程教学大纲。
大纲正文
第一章 绪论 学时：2学时（讲课2学时）
了解人类智能与人工智能的含义，人工智能的发展和应用领域；理解人工智能的内涵。
本章讲授要点：在介绍人工智能概念的基础上，使学生了解本课程所涉知识的重要意义，
以及人工智能的应用现状和应用前景。
重点：人工智能的定义、发展，及其应用领域。
难点：对人工智能内涵的理解。
第一节 人工智能的定义和发展
第二节 人类智能和人工智能
第三节 人工智能的学派及其争论
第四节 人工智能的研究与应用领域
第五节 人工智能对人类的影响
第二章 知识表示 学时：6学时（讲课6学时）
了解实现知识表示的语义网络法、框架表示法、剧本表示法及过程表示法；理解状态空
间法、问题规约法；掌握谓词逻辑法。
本章讲授要点： 对知识表示的方法进行全面介绍，对于后续章节将涉及的知识表示方
法作重点讲解。
重点：状态空间法，谓词逻辑法，以及语义网络法。
难点：采用谓词逻辑法实现知识表示。
第一节 状态空间法
第二节 问题规约法
第三节 谓词逻辑法
第四节 语义网络法
第五节 框架表示
第六节 剧本表示
第七节 过程的表示
作业：采用状态空间法和问题规约法实现知识表示；用谓词演算公式表示命题。
第三章 搜索原理 学时：6学时﹙讲课6学时﹚
了解遗传算法、模拟退火算法；理解盲目搜索、启发式搜索；掌握启发式搜索与其它搜
索的关系的有关知识。
本章讲授要点： 在介绍各种搜索原理的基础上，讲解它们的适用场合，以及它们之间
的内在关系。
重点：启发式搜索，及其与其它搜索的关系。
难点：各种搜索方法的适用场合。
第一节 盲目搜索
第二节 启发式搜索
第三节 遗传算法
第四节 模拟退火算法
作业：说明宽度优先搜索，等代价搜索，有序搜索的内在关系 。
第四章 推理技术 学时：6学时﹙讲课6学时﹚
了解规则演绎系统、不确定性推理的知识；理解消解原理；掌握利用消解原理解决问题
的方法。
本章讲授要点： 在介绍各种推理技术的基础上，着重阐述消解原理，利用消解原理解
决问题的方法，以及消解原理的局限性。
重点：消解原理，利用消解原理解决问题的方法。
难点：利用消解原理解决问题的方法。
第一节 消解原理
第二节 规则演绎系统简介
第三节 产生式系统
第四节 不确定性推理
作业：求谓词公式的子句集；用消解原理证明命题。
第五章 专家系统 学时：2学时﹙讲课2学时﹚
了解专家系统的一般特点，类型，结构和建造步骤。
本章讲授要点： 概要介绍作为人工智能的一个重要应用领域，专家系统的一般特点和
结构，拓宽学生对于人工智能应用研究的知识面。
重点：专家系统的一般特点和结构。
难点：专家系统的结构和建造步骤。
第一节 专家系统概述
第二节 专家系统的一般特点
第三节 专家系统的类型
第四节 专家系统的结构和建造步骤
第六章 机器学习 学时：6学时﹙讲课6学时﹚
了解机器学习的研究意义，常用的机器学习方法；理解人工神经网络的原理；掌握基于
反向传播网络的学习算法。
本章讲授要点： 在介绍常用的机器学习方法的基础上，着重讲解人工神经网络的原理，
使学生对于基于反向传播网络的学习算法有较为深刻的理解。
重点：人工神经网络的原理，基于反向传播网络的学习算法。
难点：基于反向传播网络的学习算法。
第一节 机器学习的研究意义与发展史
第二节 机器学习的基本结构
第三节 几种常用的学习方法
第四节 人工神经网络
作业：描述给定的反向传播网络的学习过程。
第七章 规划系统 学时：2学时﹙讲课2学时﹚
了解规划的作用与任务；理解基于谓词逻辑的规划方法。
本章讲授要点：使学生了解规划的作用与问题分解途径，体会自动规划与一般问题求解
相比，更注重于问题的求解过程，而不是求解结果。
重点：规划的作用与任务，基于谓词逻辑的规划。
难点：基于谓词逻辑的规划。
第一节 规划的作用与任务
第二节 基于谓词逻辑的规划
第三节 STRIPS规划系统
第一节 分层规划
第八章 Agent 课时：2学时﹙讲课2学时﹚
了解分布式人工智能特点，以及Agent在分布式人工智能方面的作用；理解Agent的要
素与结构。
本章讲授要点：在分析分布式人工智能特点的基础上，介绍Agent在分布式人工智能方
面的作用。
重点：Agent及其要素，Agent的结构。
难点：Agent及其要素。
第一节 分布式人工智能
第二节 Agent及其要素
第三节 Agent的结构
第四节 Agent通信
本课程对学生自学的要求：
对本课程的预修课程C程序设计语言和数据结构进行复习，了解离散数学课程中的相关
内容。课前预习，课后完成所布置的作业和思考题，并了解与本课程相关的本专业前沿知识。
课时数分配表：
序号 内容 学时 作业（次）
1 第一章 绪论 2
2 第二章 知识表示 6 2
3 第三章 搜索原理 6 1
4 第四章 推理技术 6 1
5 第五章 专家系统 2
6 第六章 机器学习 6 1
7 第七章 规划系统 2
8 第八章 Agent 2
合计 32
考核方式与要求： 期末笔试与平时练习
推荐教材与参考书目：
1. 蔡自兴，徐光祐。人工智能及其应用，第三版，本科生用书。清华大学出版社，2003。
2. N. J. Nilsson. Artificial Intelligence: A New Synthesis. Morgan Kanfmann,
1998; 机械工业出社，1999。
3．廉师友。人工智能技术导论，第二版。西安电子科技大学出版社，2002
人工智能概论》课程思政教学大纲
人工智能概论》课程思政教学大纲概论，引导学生认识人工智能的基本概念和技术，了解人工智能的发展历程和现状，培养学生对人工智能的兴趣和好奇心，激发学生对未来科技的探索热情。
2、通过讨论人工智能与人类关系的话题，引导学生思考人工智能的伦理和社会责任，培养学生的社会责任感和公民意识。
3、通过案例分析和小组讨论，让学生了解人工智能在商业、医疗、教育等领域的应用，引导学生思考人工智能对社会的影响和作用，培养学生的创新思维和应用能力。
4、通过实践教学和志愿服务活动，让学生将所学知识应用于实际生活和社会服务中，培养学生的实践能力和社会责任感。
教学单元（章节、项目）课程思政教学设计学时课程教学内容1、人工智能绪论2、智能化技术革命的到来3、人工智能追根溯源4、人工智能发展现状思政目标1、通过讲解人工智能的基本概念和技术，引导学生了解人工智能的发展历程和现状，培养学生对未来科技的探索热情。
2、通过讨论人工智能与人类关系的话题，引导学生思考人工智能的伦理和社会责任，培养学生的社会责任感和公民意识。
3、通过案例分析和小组讨论，让学生了解人工智能在商业、医疗、教育等领域的应用，引导学生思考人工智能对社会的影响和作用，培养学生的创新思维和应用能力。
4、通过实践教学和志愿服务活动，让学生将所学知识应用于实际生活和社会服务中，培养学生的实践能力和社会责任感。
课程名称：人工智能概论面向专业：全校各专业课程类别：公共基础课课程学分（学时）：2学分，64学时课程思政总体设计：本课程旨在通过人工智能主流技术，以人工智能云典型应用、商业智能分析、机器研究和仿真模拟等案例，引导学生弘扬社会主义核心价值观，具备爱国主义情怀；在世界主要大国纷纷在人工智能领域出台国家战略，抢占人工智能时代制高点的环境下，具备不畏困难，迎接挑战的精神，培养严细精优的军工精神，培养具有批判性思维、计算思维的新一代全面发展的社会主义接班人。
课程思政教学目标：1、引导学生了解人工智能的基本概念和技术，了解人工智能的发展历程和现状，培养学生对未来科技的探索热情。
人工智能教学大纲
<<人工智能>>教学大纲一、课程名称：人工智能导论Basic Theory of Artificial Intelligence二、课程编码：三、学时与学分：32+12/2.5四、先修课程：<<数据结构>>,VVC语言>>五、课程教学目标人工智能，简单来说，就是用计算机来模拟人类智能的一门学科。
通过本课程的学习，使学生了解人工智能的研究范畴、应用领域和发展方向，掌握该学科的基本概念、原理和方法，培养解决实际问题的能力。
六、适用学科专业信息类专业七、基本教学内容与学时安排• 第一章绪论（2 学时）1.1人工智能的概念1.2人工智能的发展历史1.3人工智能的实现方法1.4人工智能的研究内容• 第二章知识表示（10 学时）2.1基本概念2.2状态空间法2.3问题归约法2.4谓词演算法2.5语义网络法2.6框架表示法2.7剧本（script）表示2.8过程表示• 第三章搜索原理（10 学时）3.1盲目搜索3.2启发式搜索3.3消解原理3.4遗传算法3.5博弈树搜索• 第四章高级求解技术（6 学时）4.1规则演绎系统4.2产生式系统4.3不确定性推理4.4非单调推理• 第五章人工智能的应用（4 学时）5.1专家系统5.2机器学习八、实验与实践环节采用C 语言编写设计利用人工智能的方法解决实际问题的程序，并完成实验报告。
九、教材及参考书蔡自兴、徐光佑，“人工智能及其应用” ，清华大学出版社十、考核方式书面考试＋实验+平时作业。
2024年《人工智能》详细教学大纲
结合语音识别和自然语言处理技术，对语音中的情感进行 分析和识别，是实现智能语音交互的重要研究方向。
18
05 计算机视觉技术与应用
2024/2/29
19
图像处理和计算机视觉基础概念
1 2
图像处理基础
像素、分辨率、色彩空间、图像变换等基本概念 。
计算机视觉概述
视觉感知、视觉计算模型、视觉任务分类等。
能力目标
能够运用所学知识分析和 解决人工智能领域的实际 问题，具备一定的实践能 力和创新能力。
素质目标
培养学生的创新思维、团 队协作和终身学习能力， 提高学生的综合素质和职 业素养。
5
课程安排与时间表
课程安排
本课程共分为理论授课、实验操作和课程设计三个环节，其中理论授课主要讲解 人工智能的基本原理和方法，实验操作帮助学生掌握相关技术和工具的使用，课 程设计则要求学生综合运用所学知识完成一个实际项目。
分割（如FCN、U-Net）等。
2024/2/29
03
实例分割与语义分割
Mask R-CNN、PANet等实例分割方法；DeepLab、PSPNet等语义分
割方法。
21
三维重建、视频理解等前沿技术介绍
三维重建技术
基于多视图的三维重建、基于深度学习的三维重建（如体素网格 、点云处理）等。
视频理解技术
马尔科夫决策过程在强化学习中的应用
03
将强化学习问题建模为马尔科夫决策过程，利用求解方法求解
最优策略。
25
智能推荐系统、游戏AI等应用场景分析
智能推荐系统
利用强化学习技术，根据用户历史行为和环境反馈，学习推荐策略，实现个性化推荐。例 如，电商平台的商品推荐、音乐平台的歌曲推荐等。
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。
《人工智能基础教程》课程教学大纲
《人工智能基础教程》课程教学大纲课程名称：人工智能导论课程类别：公共基础课适应专业：全校各专业学时学分：2学时/周，共32学时，2学分1.课程性质和任务本课程为以培养学生具备基本的人工智能思维能力为目标，重点培养高职学生的人工智能素养、计算思维能力和人工智能应用能力。
课程使学生初步了解人工智能的概念，发展历程、经典算法、应用领域及对社会的深远影响，主要内容包括：人工智能的历史和发展、大数据与人工智能、专家系统、机器学习、深度学习、计算机视觉、自然语言理解、智能机器人技术。
课程设计理念以提高人工智能素养为切入点，通过生动形象的案例，把目前人工智能领域的热点问题，以科普性、技术性的形式进行展现，让学习者在学习人工智能理论的同时，激发学生学习人工智能知识的兴趣。
2.教学目标（1）知识目标1）了解人工智能的基本概念及发展历史。
2）了解人工智能的研究领域及发展现状。
3）了解大数据与人工智能的关系。
4）熟悉专家系统的结构及应用。
5)熟悉知识表示及常用的搜索算法。
6）熟悉机器学习、深度学习的概念及主流算法。
7）熟悉计算机视觉、自然语言处理的主流技术及应用。
8）熟悉智能机器人技术及应用。
（2）思政与素质目标1）通过人工智能起源与发展的学习，培养学生的科学精神、奋斗精神和开拓创新精神。
2）学习人工智能学科先驱模范事迹，培养学生探索未知、追求真理、勇攀科学高峰的责任感和使命感。
3）通过人工智能发展现状认识，激发学生科技报国的家国情怀和使命担当。
4）通过人工智能安全教育，培养学生遵纪守法，诚实守信，树立正确的世界观、人生观、价值观。
5）通过人工智能中的算法学习，帮助学生建立科学思维、推理机制，培养解决实际问题的能力。
6）通过人工智能应用案例，培养学生精益求精的大国工匠精神及勇攀科学高峰的责任感。
4.教学评价（1）评价形式平时作业（含考勤）+阶段测试（含期中测试）+期末测试。
（2）评分等级评分等级以百分制为标准。
人工智能课程教学大纲教案
人工智能导论课程教学大纲教案课程代码：课程名称：人工智能导论开课学期：5学分/学时：3/32+16课程类型：必修适用专业/开课对象：先修课程：开课单位：团队负责人：责任教授：执笔人：核准院长：一、课程的性质、目的与任务《人工智能导论》是计算机相关专业中一门综合性很强的基础课程，主要内容包括人工智能概述、知识表示、逻辑推理方法、非确定性推理方法、搜索策略、机器学习、人工只能的其他应用领域。
本课程的目的与任务是使学生通过本课程的学习，从人工智能的基本概念入手，由浅入深学习人工智能的各种相关知识，掌握人工智能的相关思想。
本课程除要求学生掌握人工智能的基础知识和理论，重点要求学生学会分析问题的思想和方法，为更深入地学习和今后的实践打下良好的基础。
二、教学内容及教学基本要求1. 人工智能概述（2学时）学习什么是人工智能、人工智能的研究目标、人工智能的研究方法、人工智能的基本研究内容2. 知识表示（6学时）学习知识的概念、知识表示的要求，学习状态空间表示法、谓词逻辑表示法、语义网络表示法、框架表示法。
3. 逻辑推理方法（6学时）了解什么是逻辑推理、逻辑推理的基础，学习自然演绎推理与或形演绎推理的部分方法4. 非确定性推理及方法（6学时）学习非确定性推理中的基本问题、掌握基于概率论的有关理论发展起来的非确定性推理方法，包括基本的概率推理、主观贝叶斯推理、基于可信度的推理、证据理论等。
了解目前再专家系统、信息处理、自动控制等领域广泛应用的依据模糊理论发展起来的模糊推理。
5. 搜索策略（4学时）学习常用的几种搜索策略、包括基于状态空间的盲目搜索、基于状态空间的启发式搜索、基于树的盲目搜索、基于树的启发式搜索6. 机器学习（6个学时）学习机器学习的一些常用算法模型：决策树、贝叶斯模型、支持向量机、聚类算法、神经网络与深度学习、强化学习等。
7. 人工智能的其他应用领域（2个学时）讲述人工智能的其他应用领域：计算机视觉、自然语言处理、智能体。
人工智能 教学大纲
人工智能教学大纲人工智能教学大纲随着科技的不断发展，人工智能（Artificial Intelligence，简称AI）正逐渐渗透到我们的生活中的方方面面。
从智能手机的语音助手到自动驾驶汽车，从智能家居到医疗诊断，人工智能已经成为了当今社会的重要组成部分。
为了培养更多的人工智能专业人才，制定一份全面而具有深度的人工智能教学大纲显得尤为重要。
一、引言人工智能教学大纲的编制需要从引言开始，以介绍人工智能的基本概念和发展历程。
在这一部分，可以引用一些具体的案例，如AlphaGo战胜围棋世界冠军、语音识别技术的进步等，以激发学生对人工智能的兴趣。
二、基础知识在人工智能教学大纲中，基础知识是学生理解和掌握人工智能的基石。
这一部分可以涵盖以下内容：1. 机器学习：介绍机器学习的基本原理和常见算法，如监督学习、无监督学习和强化学习等。
可以通过实例来解释机器学习在人工智能中的应用，如图像分类、自然语言处理等。
2. 深度学习：深度学习是人工智能领域的热门技术，其基于神经网络的模型可以有效地解决复杂问题。
在教学大纲中，可以介绍深度学习的基本原理和常见的网络结构，如卷积神经网络（CNN）和循环神经网络（RNN）等。
3. 自然语言处理：自然语言处理是人工智能的一个重要应用领域，它涉及到语言的理解、生成和翻译等任务。
在教学大纲中，可以介绍自然语言处理的基本概念、技术和应用，如情感分析、机器翻译等。
三、人工智能应用人工智能的应用涵盖了各个领域，如医疗、金融、交通等。
在人工智能教学大纲中，可以选择一些典型的应用领域进行介绍，以展示人工智能的广泛应用和潜力。
1. 医疗诊断：人工智能在医疗领域的应用已经取得了显著的成果，如基于深度学习的医学影像诊断、疾病预测等。
在教学大纲中，可以介绍这些应用的原理和技术，并讨论其在提高医疗效率和准确性方面的优势和挑战。
2. 金融风控：人工智能在金融领域的应用主要包括风险评估、投资决策等。
在教学大纲中，可以介绍机器学习在金融风控中的应用，如信用评估、欺诈检测等，并讨论其在提高金融安全性和效率方面的作用。
人工智能概论教学大纲(理论实验)(一)2024
人工智能概论教学大纲(理论实验)（一）引言概述：人工智能（Artificial Intelligence，简称AI）是计算机科学和工程的一个分支，涉及到使机器能够完成人类认为需要智能的任务。
本教学大纲旨在介绍人工智能的基础概念、算法和应用，帮助学生了解人工智能的理论和实验基础，培养其相关技能和能力。
一、人工智能的概述1. 人工智能的定义和目标(a) 人工智能的定义和发展历程(b) 人工智能的主要目标和应用领域(c) 人工智能的局限性和挑战2. 人工智能的基本原理(a) 人工智能的基本思维模型和问题解决方法(b) 人工智能的算法和技术基础(c) 人工智能的数据和模型训练3. 人工智能的伦理和社会影响(a) 人工智能的伦理和道德问题(b) 人工智能对社会和经济的影响(c) 人工智能的未来发展趋势和挑战二、人工智能的核心技术1. 机器学习(a) 机器学习的基本概念和方法(b) 监督学习、无监督学习和强化学习(c) 机器学习的算法和模型2. 深度学习(a) 深度学习的原理和神经网络模型(b) 卷积神经网络和循环神经网络(c) 深度学习在计算机视觉和自然语言处理中的应用3. 自然语言处理(a) 自然语言处理的基本任务和技术(b) 语言模型和句法分析(c) 文本分类、情感分析和机器翻译4. 计算机视觉(a) 图像处理和特征提取(b) 目标检测和图像分割(c) 计算机视觉在智能驾驶和人脸识别中的应用5. 推荐系统(a) 推荐系统的原理和算法(b) 用户行为分析和个性化推荐(c) 推荐系统在电子商务和社交媒体中的应用三、人工智能的实验基础1. 编程语言和工具(a) Python语言和相关库(b) 机器学习和深度学习框架(c) 数据处理和可视化工具2. 数据集和特征工程(a) 常用的公开数据集和数据源(b) 数据预处理和特征选择(c) 数据集划分和交叉验证方法3. 算法实现和模型训练(a) 机器学习算法的实现和调优(b) 深度学习模型的搭建和训练(c) 实验结果评估和比较分析四、人工智能的应用案例1. 智能语音助手(a) 语音识别和语音合成技术(b) 人机对话系统和智能问答(c) 智能音箱和智能家居应用2. 自动驾驶技术(a) 传感器和感知技术(b) 路径规划和决策控制(c) 自动驾驶的挑战和安全问题3. 金融风控和欺诈检测(a) 信用评分和风险预测(b) 交易欺诈和异常检测(c) 金融科技的发展和应用前景4. 医疗诊断和辅助决策(a) 医学影像分析和疾病诊断(b) 基因数据分析和个性化治疗(c) 人工智能在医疗领域的挑战和限制5. 智能物联网和城市管理(a) 物联网技术和智能传感器(b) 智能交通和智能能源管理(c) 城市智能化的可行性和影响评估总结：本教学大纲介绍了人工智能的概述、核心技术、实验基础和应用案例。
人工智能》教学大纲
人工智能》教学大纲2．掌握Prolog语言的基本语法和常用操作；3．能够编写简单的Prolog程序，并能够运行和调试；4．了解Prolog语言在人工智能中的应用。
第三章搜索算法基本内容和要求：1．掌握深度优先搜索、广度优先搜索、启发式搜索等搜索算法的基本思想和实现方法；2．能够应用搜索算法解决一些典型问题；3．了解搜索算法在人工智能中的应用。
第四章知识表示与推理基本内容和要求：1．掌握命题逻辑、一阶逻辑等知识表示方法；2．了解基于规则、框架、语义网络等知识表示方法；3．掌握归结方法、前向推理、后向推理等推理方法；4．能够应用知识表示与推理解决一些典型问题。
第五章不确定性推理基本内容和要求：1．了解不确定性推理的基本概念和方法；2．掌握贝叶斯定理及其应用；3．掌握条件概率、独立性、条件独立性等概念；4．能够应用不确定性推理解决一些典型问题，如垃圾邮件过滤等。
五、教材和参考书目1）主教材：Stuart Russell。
Peter Norvig。
Artificial Intelligence: A Modern Approach。
3rd n。
Prentice Hall。
2009.2）参考书目：___。
机器研究。
___。
2016.___。
统计研究方法。
___。
2012.___。
___。
2017.六、教学进度安排第一周人工智能概述第二周逻辑程序设计语言Prolog第三周搜索算法第四周知识表示与推理第五周不确定性推理第六周期中考试第七周至第十周课程实验第十一周至第十三周课程实验第十四周课程总结与复第十五周期末考试一实验（实训）内容产生式系统实验学时分配4目的与要求：熟悉和掌握产生式系统的运行机制，掌握基于规则推理的基本方法。
实验（实训）内容：主要包括产生式系统的正、反向推理、基于逻辑的搜索等10余个相关演示性、验证性和开发性设计实验。
二实验（实训）内容搜索策略实验学时分配4目的与要求：熟悉和掌握启发式搜索的定义、估价函数和算法过程，并利用A*算法求解N数码难题，理解求解流程和搜索顺序。
《人工智能》课程教学大纲
《人工智能》课程教学大纲《人工智能》课程教学大纲一、课程基本信息开课单位课程名称开课对象学时/学分先修课程课程简介：人工智能是计算机科学的重要分支，是研究如何利用计算机来模拟人脑所从事的感知、XXX人工智能课程类别课程编码开课学期个性拓展GT第4或6学期网络工程专业、计算机科学与技术专业36学时/2学分（理论课：28学时/1.5学分；实验课：8学时/0.5学分）离散数学、数据结构、程序设计推理、研究、思考、规划等人类智能活动，来解决需要用人类智能才能解决的问题，以延伸人们智能的科学。
该课程主要讲述人工智能的基本概念及原理、知识与知识表示、机器推理、搜索策略、神经网络、机器研究、遗传算法等方面内容。
二、课程教学目标《人工智能》是计算机科学与技术专业的一门专业拓展课，通过本课程的研究使本科生对人工智能的基本内容、基本原理和基本方法有一个比较初步的认识，掌握人工智能的基本概念、基本原理、知识的表示、推理机制和智能问题求解技术。
启发学生开发软件的思路，培养学生对相关的智能问题的分析能力，提高学生开发应用软件的能力和水平。
三、教学学时分配《人工智能》课程理论教学学时分派表章次第一章第二章第三章第四章第五章第六章首要内容人工智能概述智能程序设计言语图搜索技术基于谓词逻辑的机器推理呆板进修与专家系统智能计算与问题求解合计学时分配35464628教学方法或手段讲授法、多媒体讲授法、多媒体探究式、多媒体讲授法、多媒体概述法、多媒体开导式、多媒体《人工智能》课程实验内容设置与教学要求一览表实学尝试序项目号名称配1)了解PROLOG语言中常1) Prolog运转环境；量、变量的表示方法；实分支2)使用PROLOG举行事实验与循实库、规则库的编写；库、规则库的编写方法；环程3)分支程序设计；一序设4)循环程序设计；一计5)输入出程序设计。
5)掌握PROLOG输入输出程序设计；1）了解PROLOG中的谓词1)谓词asserta和递归实与表实处理验程序二设计4）掌握PROLOG表处理程4)综合应用程序设计。