《人工智能》课程教学大纲
《人工智能》课程教学大纲 课程代码：H0404X 课程名称：人工智能 适用专业：计算机科学与技术专业及有关专业 课程性质：本科生专业基础课﹙学位课﹚ 主讲教师：中南大学信息科学与工程学院智能系统与智能软件研究所蔡自兴教授 总学时：40学时﹙课堂讲授36学时，实验教学4学时﹚ 课程学分：2学分 预修课程：离散数学，数据结构
一. 教学目的和要求： 通过本课程学习，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。 人工智能涉及自主智能系统的设计和分析，与软件系统、物理机器、传感器和驱动器有关，常以机器人或自主飞行器作为例子加以介绍。一个智能系统必须感知它的环境，与其它Agent和人类交互作用，并作用于环境，以完成指定的任务。 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。 此外，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。通过学习，学生能够知道什么时候需要某种合适的人工智能方法用于给定的问题，并能够选择适当的实现方法。
二. 课程内容简介 人工智能的主要讲授内容如下： 1. 叙述人工智能和智能系统的概况，列举出人工智能的研究与应用领域。 2. 研究传统人工智能的知识表示方法和搜索推理技术，包括状态空间法、问题归约法 谓词逻辑法、语义网络法、盲目搜索、启发式搜索、规则演绎算法和产生式系统等。 3. 讨论高级知识推理，涉及非单调推理、时序推理、和各种不确定推理方法。 4. 探讨人工智能的新研究领域，初步阐述计算智能的基本知识，包含神经计算、模糊计算、进化计算和人工生命诸内容。 5. 比较详细地讨论了人工智能的主要应用，包括专家系统、机器学习、自动规划、Agent、自然语言理解、机器视觉和智能控制等。对于应用内容，根据学时，有选择地进行讲授。 6. 评述近年来人工智能的争论，讨论人工智能对人类经济、社会和文化的影响，展望人工智能的发展。 以上内容反映了人工智能的最新进展，理论联系实际，具有很好的针对性。
三. 教学内容和学时安排 教学内容的章节和学时安排如下（总学时40，其中实验4学时，课堂必学内容30学时，选学内容为12学时中选6学时，即第八章至第十二章中选3章简要讲授）： 第一章 绪论﹙2学时﹚ 1.1 人工智能的定义和发展 1.2 人类智能和人工智能 1.3 人工智能各学派的认知观 1.4 人工智能的研究与应用领域 第二章 知识表示方法﹙6学时﹚ 2.1 状态空间法 2.2 问题规约法 2.3 谓词逻辑法 2.4 语义网络法 2.5 框架表示 2.6 剧本表示 2.7 过程的表示 第三章 搜索推理技术﹙6学时﹚ 3.1 图搜索策略 3.2 盲目搜索 3.3 启发式搜索 3.4 消解原理 3.5 规则演绎系统 3.6 产生式系统 3.7 系统组织技术 3.8 不确定推理 3.9 非单调推理 实验一. 产生式系统的推理﹙2学时﹚ 第四章 计算智能（1）：神经计算 模糊计算﹙4学时﹚ 4.1 概述 4.2 神经计算 4.3 模糊计算 第五章 计算智能（2）：进化计算 人工生命﹙2学时﹚ 5.1 遗传算法 5.2 进化策略 5.3 进化编程 5.4 人工生命 第六章 专家系统﹙4学时﹚ 6.1 专家系统概述 6.2 基于规则的专家系统 6.3 基于框架的专家系统 6.4 基于模型的专家系统 6.5 新型专家系统 6.6 专家系统的设计 6.7 专家系统开发工具 第七章 机器学习﹙4学时﹚ 7.1 机器学习的定义和发展历史 7.2 机器学习的主要策略和基本结构 7.3 机械学习 7.4 归纳学习 7.5 类比学习 7.6 解释学习 7.7 神经学习 7.8 知识发现 第八章 自动规划﹙2学时﹚（可选） 8.1 规划系统的定义与任务 8.2 积木世界的机器人规划 8.3 STRIPS规划系统 8.4 具有学习能力的规划系统 8.5 分层规划 8.6 基于专家系统的规划 实验二. 移动机器人的路径规划与行为决策﹙2学时﹚ 第九章 艾真体（Agent）﹙2学时﹚（可选） 9.1 分布式人工智能 9.2 Agent及其要素 9.3 艾真体的结构 9.4 艾真体通信 9.5 多艾真体系统 第十章 机器视觉﹙2学时﹚（可选） 10.1 图像的理解与分析 10.2 积木世界的景物分析 10.3 视觉的知识表示与控制策略 10.4 物体形状的分析与识别 第十一章 自然语言理解﹙2学时﹚（可选） 11.1 自然语言理解的一般问题 11.2 句法和语义的自动分析 11.3 句子的自动理解 11.4 语言的自动生成 11.5 自然语言理解系统应用举例 第十二章 智能控制﹙2学时﹚（可选） 12.1 智能控制的发展与定义 12.2 智能控制的结构理论与特点 12.3 智能控制系统 12.4 智能控制的应用领域 第十三章 人工智能的展望﹙2学时﹚ 13.1 人工智能的争论 13.2 人工智能对人类的影响 13.3 对人工智能的展望
四. 教学进度表 教学进度表
专业名称 年级 课堂教学时数 36 课程名称 人工智能 总学时数 实验时数 4 主讲教师 其它
周次 教学内容 教学 时数 教学 方式 备注
1 第一章 绪论 1.1 人工智能的定义和发展 1.2 人类智能和人工智能 1.3 人工智能各学派的认知观 1.4 人工智能的研究与应用领域 2 讲授
第二章 知识表示方法 2.1 状态空间法 2.2 问题规约法 2 讲授 2 2.3 谓词逻辑法 2.4 语义网络法 3 讲授
*2.5 框架表示 *2.6 剧本表示 *2.7 过程的表示 1 讲授
3 第三章 搜索推理技术 3.1 图搜索策略 3.2 盲目搜索 2 讲授
3.3 启发式搜索 3.4 消解原理 2 讲授
4 3.5 规则演绎系统 3.6 产生式系统 *3.7 系统组织技术 *3.8 不确定推理 *3.9 非单调推理 2 讲授
实验一. 产生式系统的推理 2 实验 5 第四章 计算智能（1）：神经计算 模糊计算 4.1 概述 1 讲授
4.2 神经计算 4.3 模糊计算 3 讲授
6 第五章 计算智能（2）：进化计算 人工生命 5.1 遗传算法 5.2 进化策略 5.3 进化编程 5.4 人工生命 2 讲授
第六章 专家系统 6.1 专家系统概述 6.2 基于规则的专家系统 6.3 基于框架的专家系统
2 讲授
7 6.4 基于模型的专家系统 6.5 新型专家系统 6.6 专家系统的设计 6.7 专家系统开发工具
2 讲授
第七章 机器学习 7.1 机器学习的定义和发展历史 7.2 机器学习的主要策略和基本结构 7.3 机械学习 7.4 归纳学习 2 讲授
8 7.5 类比学习 7.6 解释学习 7.7 神经学习 7.8 知识发现 2 讲授 第八章 自动规划 8.1 规划系统的定义与任务 8.2 积木世界的机器人规划 8.3 STRIPS规划系统 8.6 具有学习能力的规划系统 8.7 分层规划 8.8 基于专家系统的规划 2 讲授
9 实验二. 移动机器人的路径规划与行为决策 2 实验 *第九章 艾真体（Agent） 9.1 分布式人工智能 9.2 Agent及其要素 9.3 艾真体的结构 9.4 艾真体通信 9.5 多艾真体系统
2 讲授 可选
*第十章 机器视觉 10.5 图像的理解与分析 10.6 积木世界的景物分析 10.7 视觉的知识表示与控制策略 10.8 物体形状的分析与识别 2 讲授 可选
10 *第十一章 自然语言理解 11.1 自然语言理解的一般问题 11.6 句法和语义的自动分析 11.7 句子的自动理解 11.8 语言的自动生成 11.9 自然语言理解系统应用举例
2 讲授 可选
*第十二章 智能控制 12.5 智能控制的发展与定义 12.6 智能控制的结构理论与特点 12.7 智能控制系统 12.8 智能控制的应用领域 2 讲授 可选
第十三章 人工智能的展望 13.4 人工智能的争论 13.5 人工智能对人类的影响 13.6 对人工智能的展望
2 讲授
*第九章至第十二章，由主讲教师决定选授其中的两章。 任课老师 教研室主任 五. 教材及主要参考书
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.
《人工智能》详细教学大纲.doc
《人工智能》教学大纲 课程名称：人工智能 英语名称：Artificial Intelligence 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：2009年2月 审核人： 审核日期： 审定人： 审定日期： 一、课程的性质和目的 （一）课程性质 人工智能是计算机科学理论基础研究的重要组成部分，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、重要研究领域，掌握人工智能求解方法的特点。
掌握人工智能的基本概念、基本方法，会用知识表示方法、推理方法和机器学习等方法求解简单问题等。
（二）课程目的 1、基本理论要求： 课程介绍人工智能的主要思想和基本技术、方法以及有关问题的入门知识。
要求学生了解人工智能的主要思想和方法。
2、基本技能要求： 学生在较坚实打好的人工智能数学基础（数理逻辑、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知识完成推理；在理解Herbrand 域概念和Horn 子句的基础上，应用Robinson 归结原理进行定理证明；应掌握问题求解（GPS ）的状态空间法，能应用几种主要的盲目搜索和启发式搜索算法（宽度优先、深度优先、有代价的搜索、A 算法、A*算法、博弈数的极大—极小法、α―β剪枝技术）完成问题求解；并能熟悉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行正确计算。
3、职业素质要求：结合实战，初步理解和掌握人工智能的相关技术。
二、教学内容、重（难）点、教学要求及学时分配 第一章：人工智能概述（2学时）……………………………………………………………………装……订……线…………………………………………………………………………………………………………… …………………………1、讲授内容：（1）人工智能的概念（2）人工智能的研究途径和方法（3）人工智能的分之领域（4）人工智能的基本技术（5）人工智能的发展概况2、教学要求：了解：研究途径和方法、人工智能的分之领域、基本技术和发展概况。
《人工智能基础》课程教学大纲(本科)
《人工智能基础》课程教学大纲课程编号：04291课程名称：人工智能基础英文名称：Artificial Intelligence Foundation课程性质：学科基础课程要求：必修学时/学分：48/3 （讲课学时：36实验学时：12 ）适用专业：智能科学与技术一、课程性质与任务《人工智能基础》是一门探索、揭示人类思维本质，研究将人类智能转化为机器智能的学科。
通过本课程的学习，培养学生拥有能够解决复杂问题的基本能力，为今后在专家系统、智能机器人、智能计算机等方面知识掌握奠定比较扎实的理论基础。
本课程的主要任务是介绍知识表示、基本的搜索算法、模拟人类思维的不确定性推理，使学生对专家系统、智能计算机等方面具有一定的理论基础与实践能力。
（支撑毕业要求1.3, 2.2, 4.2, 5.2, 10.1, 11.2）二、课程与其他课程的联系《人工智能基础》的先修课程包括《概率论与数理统计》、《智能优化方法》、《C语言程序设计》等课程。
《概率论与数理统计》在复杂问题求解中的主观Bayes决策与不确定性理论方面支撑《人工智能基础》课程。
《智能优化方法》在搜索技术问题的理解方面支撑《人工智能基础》课程。
《C语言程序设计》在搜索算法、贝叶斯决策与专家系统的实现方面支撑《人工智能基础》课程。
《人工智能基础》的后续课程包括《智能机器人》，为《智能机器人》提供理论基础方法方面的支撑。
三、课程教学目标1.学习人工智能的基础理论知识，掌握解决复杂问题的基本能力，为今后在专家系统、智能机器人、智能计算机等方面知识掌握奠定比较扎实的理论基础，对智能机器人的应用方面提供理论与实践支撑。
（支撑毕业能力要求13, 10.1, 11.2）2认识到知识表示在本学科发展中所处的地位与扮演的角色，能够掌握本领域经典的知识表示方法，如谓词逻辑、状态空间、语义网络等，并能运用这些知识解决一些实际工程问题。
（支撑毕业能力要求1.3, 2.2, 5.2）1掌握搜索的基本思想，比如宽度优先、深度优先等传统搜索方法。
《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
《人工智能基础》教学大纲
引言概述（ArtificialIntelligence，简称）是一门涉及计算机科学、机器学习和认知科学的学科，致力于使机器能够模拟人类智能的一系列技术和方法。
随着科技的不断发展和应用的推广，已经成为当今世界最热门的前沿领域之一。
为了满足对人才的需求和引导学生深入了解技术，特编制了本《基础》教学大纲。
正文内容一、概述1.1的定义和发展历程1.2的基本原理1.3的应用领域和前景二、智能代理与搜索算法2.1智能代理的概念和基本特点2.2搜索算法的分类和应用2.3与搜索算法的结合应用三、机器学习的基础理论3.1机器学习的定义和基本模型3.2监督学习和无监督学习的区别和应用3.3与机器学习的结合应用四、神经网络与深度学习4.1神经网络的基本原理和结构4.2深度学习的核心思想和常用模型4.3与深度学习的结合应用五、自然语言处理与语音识别5.1自然语言处理的基本概念和技术5.2语音识别的基本原理和方法5.3与自然语言处理、语音识别的结合应用总结通过本《基础》教学大纲，学生将能够全面了解的基本概念、发展历程、基本原理和应用领域。
同时，学生还将深入了解智能代理、搜索算法、机器学习、神经网络、深度学习、自然语言处理和语音识别等领域的相关知识和技术。
这些知识和技术不仅有助于学生理解的核心思想和方法，还能为学生未来的学习和研究提供有力的支持。
1.掌握的基础概念和基本原理；2.熟悉智能代理和搜索算法的基本思想和方法；3.理解机器学习的基本理论和应用；4.了解神经网络和深度学习的基本原理和模型；5.掌握自然语言处理和语音识别的基本技术和应用。
同时，本门课程将通过讲授理论知识和实践案例，鼓励学生进行实际操作和项目实践，以提高他们的问题解决能力和创新能力。
通过与教师和同学的互动交流，学生将有机会扩展他们的思维边界，并形成对的综合理解和深入认识。
本《基础》教学大纲将帮助学生建立起的基础知识和技能，为他们未来在领域的学习和研究奠定坚实的基础。
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-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）。
人工智能课程教学大纲-课程教学大纲编写规格要求
《人工智能》课程教学大纲一、课程名称1、中文名称：人工智能2、英文名称：Artificial Intelligence3、课程号：02209000二,学时总学时 36 学时其中：授课 36 学时实验学时三,考核方法及要求1、考核方式：考查在每一教学单元内容完成后，安排相应的课程作业。
2、考核范围：见课程内容和教学要求3、成绩评定标准：优/中/良/及格/不及格四,适用专业选修过相关计算机基础课程的工科专业五,课程简介人工智能是研究解释和模拟人类智能、智能行为及其规律的一门学科，是计算机科学的一个分支。
人工智能诞生五十年来了长足的进展，应用领域日益拓宽。
本课程主要介绍人工智能研究中已经取得的较为成熟的研究成果，包括传统人工智能的基本原理与方法，智能系统的基本结构和构造方法。
通过本课程的学习，使得学生掌握人工智能的基本思想和实现方法，掌握基本分析与设计方法，为人工智能在各领域的应用奠定基础，拓宽学生在计算机科学与技术领域的知识广度。
六,本门课程在教学计划中的地位、作用和任务本课程是一门计算机科学领域的专业课。
通过本课程的学习，应使学生能够对人工智能基本理论和方法有一个基本的掌握；通过各种教学手段，加深学生对人工智能这门新兴学科的了解，提高学生的学习兴趣，扩展学生在计算机技术领域的知识面。
七, 课程内容和教学要求（一）传统人工智能理论与技术1概述：了解人工智能人工智能的起源与发展，人工智能各学派的认知观以及人工智能的研究与应用领域。
2传统人工智能理论与技术：了解人工智能各种主要知识表示方法，重点掌握状态空间法、问题规约法、谓词逻辑法、语义网络法；了解常用的人工智能搜索技术，掌握图搜索策略，熟悉盲目搜索的基本方法，对启发式搜索有一个初步了解；了解一些推理求解技术如规则演绎系统、产生式系统、系统组织技术、不确定性原理等。
（二）计算智能计算智能是人工智能研究领域近期发展起来的研究热点，通过课程教学，使学生对计算智能技术，如神经计算、模糊计算、进化计算等，有一个基本的了解。
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。
《人工智能应用概论》教学大纲
《人工智能应用概论》课程教学大纲课程编码：课程总学时：36 实践课时：14 适用专业：高职高专类学生制订时间：2020.9一、课程性质和任务1、课程性质人工智能是迅速发展的新兴学科，已经成为许多高新技术产品的核心技术。
人工智能模拟人类智能解决问题，几乎在所有领域都有非常广泛的应用。
本课程为入门级人工智能课程，适合初学者，可以帮助初学者实现“零基础”了解学习人工智能。
本课程采用中国人民大学出版社莫少林、宫斐教授编著的专业教材《人工智能应用概论》，紧紧围绕人工智能的基本思想、基本理论、基本方法及其应用展开，并融合了人工智能的一些前沿内容。
2、课程的任务通过本课程的学习，可以掌握知识表示、确定性和不确定性推理、搜索、进化计算、群智能、人工神经网络、专家系统、机器学习、智能语音、计算机视觉、自然语音处理、知识图谱等基本理论与实用方法，了解深度学习、知识图谱等人工智能研究前沿内容，通过人工智能应用实例及虚拟仿真实验，可以提高应用人工智能理论解决工程问题的能力。
13、与其他课程的关系本课程为公共基础课，无前导课程。
二、课程教学目标1.从教学基本要求出发，通过人工智能概念、发展历史、经典理论、方法与技术，强调大历史观下的人工智能发展脉络，引导学生正确理解人工智能本质与内涵，思考人工智能对人类文明、社会进步的价值和意义。
2.把握人工智能创新思想与方法结合的主线，引导学生掌握利用人工智能开展创新实践与解决问题的思路，利用成功的人工智能案例帮助学生建立对人工智能创新的深层次认知，避免简单停留在单一知识层次或知识的积累，强调多领域知识融汇贯通。
3.促使理工文管医农等各专业学生都了解人工智能的基本概念、理论、方法和技术以及实际创新应用，在掌握经典的人工智能方法，要了解新一代人工智能的原理、思想、解决实际问题的过程，包括人机融合、深度学习技术、脑机接口、类脑计算等；了解人工智能技术与不同领域和需求应用结合的创新应用的思想和方法，如何在智慧城市、智能医疗、智能教育、智能军事等领域发挥作用，赋能各类产业和行业。