人工智能教案首页45综述.docx
《人工智能教案首页45综述.docx》由会员分享，可在线阅读，更多相关《人工智能教案首页45综述.docx（25页珍藏版）》请在冰点文库上搜索。
人工智能教案首页45综述
南京信息职业技术学院
教案
授课班级
任选课
授课形式
讲授
页码
1
授课日期
年月日第周
授课时数
4
授课章节名称
第一章绪论
1.1人工智能的定义与发展
1.2人类智能与人工智能
1.3人类智能的学派及其争论
1.4人工智能的研究与应用领域
教学目标
1.重点掌握人工智能的几种定义
2.掌握目前人工智能的三个主要学派及对人工智能的理解
3.一般了解人工智能的主要研究范围和应用领域
教学重点
1．从不同科学或学科出发对人工智能进行的定义
2．介绍人工智能的起源与发展过程
3．讨论人工智能与人类智能的关系
4．简介目前人工智能的主要学派
5．简介人工智能所研究的范围与应用领域
教学难点
1．怎么样理解人工智能
2．人工智能作为一门学科有什么意义
3．人工智能的主要学派与其争论焦点
更新、补充、
删节内容
无
教学手段
多媒体，讲授
课外作业
无
课后体会
教学过程设计
本讲首先介绍人工智能的定义、发展概况及相关学派和他们的认知观，接着讨论人工智能的研究和应用领域，最后简介本课程所要讲授的主要内容和编排次序。
1.1人工智能的定义与发展
内容：
本小节主要介绍目前对人工智能的几种定义，并对人工智能的起源和发展进行了总结和分析。
重点：
几种人工智能的定义和人工智能发展的几个重要时期。
难点：
理解人工智能的定义与本质。
方法：
课堂讲授为主。
要求：
从学科和能力的角度深刻理解人工智能的定义，初步了解人工智能的起源及其发展过程。
1.2人类智能与人工智能
内容：
本节主要讨论人类智能与人工智能的关系问题。
重点：
智能信息处理系统，人类智能与人工智能的关系。
难点：
智能信息处理系统的假设。
方法：
课堂讲授为主。
要求：
了解人类认知活动与计算机的比较关系，基本了解智能信息处理系统。
1.3人类智能的学派及其争论
教学内容：
本节主要介绍人工智能的几个主要学派及认知观。
教学重点：
符号主义（Symbolicism），联结主义（Connectionism），行为主义（Actionism）。
教学难点：
各学派的对人工智能的不同观点。
教学方法：
课堂讲授为主。
教学要求：
了解各派别之间的关系及对人工智能发展历史的看法。
1.4人工智能的研究与应用领域
内容：
本节主要讨论人工智能的研究与应用领域。
重点：
人工智能的一些主要研究与应用领域。
难点：
处理好各领域间的交叉关系。
方法：
课堂讲授为主。
要求：
初步了解人工智能的研究与应用领域。
南京信息职业技术学院
教案
授课班级
任选课
授课形式
讲授
页码
2
授课日期
年月日第周
授课时数
4
授课章节名称
第二章知识表示方法
2.1概述
2.2状态空间法
2.3问题规约法
教学目标
1.重点掌握对某问题的状态空间描述，学会组织状态空间图，用搜索图来求解问题
2.通过梵塔难题重点掌握问题归约法的机理和问题归约描述方法。
学会用与或图表示归约问题
教学重点
1.状态空间法中问题的状态描述，操作符
2.问题归约法的基本思想，问题描述，问题变换的操作符，与或图表示
教学难点
1.选择一个好的状态描述与状态空间表示方案
2.如何把初始问题变换为子问题，与或图表示方法
更新、补充、
删节内容
无
教学手段
多媒体、讲授
课外作业
无
课后体会
教学过程设计
第二章知识表示方法
本章讨论知识表示的各种方法，是人工智能课程三大内容（知识表示、知识推理、知识应用）之一，也是学习人工智能其他内容的基础。
重点掌握用状态空间法、问题归约法、谓词演算法、语义网络法来描述问题；解决问题；掌握几种主要方法之间的差别；并对其它几种表示方法有一般了解。
2.1概述
2.2状态空间法
内容：
本小节是通过状态空间法来求解问题，它是以状态和算符（operator）为基础来表示和求解问题的。
重点：
问题的状态描述，操作符。
难点：
选择一个好的状态描述与状态空间表示方案。
方法：
以课堂教学为主；充分利用网络课程中的多媒体素材来阐述抽象概念。
要求：
重点掌握对某问题的状态空间描述，学会组织状态空间图，用搜索图来求解问题。
2.2.1问题状态描述
2.2.2状态图示法
2.1.3状态空间表示举例
2.3问题规约法
内容：
知识表示的归约法，即已知问题的描述，通过一系列变换把此问题最终变为一个子问题集合；这些子问题的解可以直接得到，从而解决了初始问题的方法。
重点：
问题归约的基本思想，问题描述，问题变换的操作符，与或图表示。
难点：
如何把初始问题变换为子问题，与或图表示方法。
方法：
课堂教学为主，充分利用网络课程中的相关多媒体素材来表示抽象概念。
要求：
通过梵塔难题重点掌握问题归约法的机理和问题归约描述方法。
学会用与或图表示归约问题。
2.3.1问题归约描述
2.3.2与或图表示
南京信息职业技术学院
教案
授课班级
任选课
授课形式
讲授
页码
3
授课日期
年月日第周
授课时数
4
授课章节名称
2.4谓词逻辑法
2.5语意网络法
教学目标
1.重点掌握谓词逻辑表示的语言与方法，掌握谓词公式的性质及谓词演算，学会谓词公式的置换与合一，运用谓词推理来解决问题
2.重点掌握语义网络的结构，掌握二元语义网络表示方法，了解语义网络的特点
教学重点
1.谓词逻辑、谓词公式、谓词演算、置换与合一
2.语义网络表示的词法、结构、过程、语义
教学难点
1.如何选择谓词，问题的谓词逻辑表示及运算
2.如何选择节点和弧线来构成语义网络
更新、补充、
删节内容
无
教学手段
多媒体、讲授
课外作业
无
课后体会
教学过程设计
2.4谓词逻辑法
内容：
本节主要讲述问题的谓词逻辑表示的基本方法。
重点：
谓词逻辑、谓词公式、谓词演算、置换与合一。
难点：
如何选择谓词，问题的谓词逻辑表示及运算。
方法：
课堂教学为主，充分利用网络课程中的示例程序。
要求：
重点掌握谓词逻辑表示的语言与方法，掌握谓词公式的性质及谓词演算，学会谓词公式的置换与合一，运用谓词推理来解决问题。
2.4.1谓词演算
2.4.2谓词公式
2.4.3置换与合一
2.5语义网络法
内容：
本节主要讲述知识的语义网络表示法。
重点：
语义网络表示的词法、结构、过程、语义。
难点：
如何选择节点和弧线来构成语义网络。
方法：
课堂教学。
要求：
重点掌握语义网络的结构，掌握二元语义网络表示方法，了解语义网络的特点。
2.5.1二元语义网络的表示
2.5.2多元语义网络的表示
2.5.3连词和量化的表示
2.6其他方法
内容：
简介知识表示的其他三种表示方法，即框架表示法、剧本表示法和过程表示法，阐述了三种表示法的原理和应用范围。
重点：
各方法的基本原理及基本结构。
难点：
各方法的推理过程。
方法：
课堂教学为主。
适当提问，加深学生对概念的理解。
要求：
初步了解三种方法的基本原理。
南京信息职业技术学院
教案
授课班级
任选课
授课形式
讲授
页码
4
授课日期
年月日第周
授课时数
4
授课章节名称
第三章搜索推理技术
3.1盲目搜索
3.2启发式搜索
教学目标
1.重点掌握图搜索一般策略，掌握OPEN表和CLOSE表的构成及作用
2.掌握盲目搜索的特点，比较三种盲目搜索方法的优缺点
3.掌握启发式搜索策略和估价函数的设计方法，了解A*算法原理
教学重点
1.图搜索的一般过程、OPEN表和CLOSE表的概念
2.盲目搜索的特点，宽度优先搜索
3.启发式搜索策略、启发信息和有序搜索
教学难点
1.OPEN表和CLOSE表的物理意义
2.等代价搜索中代价的概念
3.估价函数的设计、A*算法原理
更新、补充、
删节内容
无
教学手段
多媒体、讲授
课外作业
无
课后体会
教学过程设计
第三章搜索推理技术
本章在上一章知识表示的基础上研究问题求解的方法，是人工智能研究的又一核心问题。
内容包括早期搜索推理技术，如图搜索策略和消解原理；以及高级搜索推理技术，如规则演绎系统、产生式系统、系统组织技术、不确定性推理和非单调推理。
重点掌握一般图搜索策略和消解原理，掌握各种搜索方法和产生式系统原理，了解规则演绎系统的基本原理，对系统组织技术、不确定性推理和非单调推理等高级推理技术作一般性了解。
3.1盲目搜索
教学内容：
介绍三种盲目搜索方法，即宽度优先搜索、深度优先搜索和等代价搜索。
教学重点：
盲目搜索的特点，宽度优先搜索。
教学难点：
等代价搜索中代价的概念。
教学方法：
以实例强化内容的学习，通过提问引导学生对三种方法的特点进行比较。
教学要求：
掌握盲目搜索的特点，比较三种盲目搜索方法的优缺点。
3.1.1图搜索策略
3.1.2宽度优先搜索
3.1.3深度优先搜索
3.1.4等代价搜索
3.2启发式搜索
教学内容：
启发式搜索策略概述和有序搜索。
启发式搜索弥补盲目搜索的不足，提高搜索效率。
教学重点：
启发式搜索策略、启发信息和有序搜索。
教学难点：
估价函数的设计、A*算法原理。
教学方法：
通过实例加深对原理的理解，鼓励同学扩大阅读范围。
教学要求：
掌握启发式搜索策略和估价函数的设计方法，了解A*算法原理。
3.2.1启发式搜索策略和估价函数
3.2.2有序搜索
3.2.3A*算法
南京信息职业技术学院
教案
授课班级
任选课
授课形式
讲授
页码
5
授课日期
年月日第周
授课时数
4
授课章节名称
3.3博弈树搜索
3.4消解原理
3.5规则演绎系统
教学目标
1.重点掌握子句集的求解步骤和消解反演过程，掌握消解推理的规则
2.掌握规则演绎系统的定义和正向推理、逆向推理的过程，了解规则双向演绎系统
教学重点
1.子句集的求取、消解推理的规则和消解反演问题求解方法
2.规则演绎系统的定义、正向推理和逆向推理过程
教学难点
1.消解反演的思想
2.双向演绎的匹配问题等
更新、补充、
删节内容
无
教学手段
多媒体、讲授
课外作业
无
课后体会
教学过程设计
3.3博弈树搜索
3.4消解原理
教学内容：
消解原理是针对谓词逻辑知识表示的问题求解方法。
本节内容主要包括子句集的求取、消解推理的规则和消解反演问题求解方法。
教学方法：
实例讲解，注重课堂练习。
3.4.1子句集的求取
3.4.2消解推理规则
3.4.3含有变量的消解式
3.4.4消解反演求解过程
3.5规则演绎系统
教学内容：
规则演绎系统属于高级搜索推理技术，用于解决比较复杂的系统和问题。
本节介绍规则演绎系统的定义及其三种推理方法：
规则正向演绎系统、规则逆向演绎系统和规则双向演绎系统。
教学方法：
课堂教学为主。
通过比较揭示正向推理、逆向推理和双向推理的特点。
规则演绎系统的定义：
基于规则的问题求解系统运用下述规则来建立：
If→Then
其中，If部分可能由几个if组成，而Then部分可能由一个或一个以上的then组成。
在所有基于规则系统中，每个if可能与某断言（assertion）集中的一个或多个断言匹配。
有时把该断言集称为工作内存。
在许多基于规则系统中，then部分用于规定放入工作内存的新断言。
这种基于规则的系统叫做规则演绎系统（rulebaseddeductionsystem）。
在这种系统中，通常称每个if部分为前项（antecedent），称每个then部分为后项（consequent）。
3.5.1规则正向演绎系统
3.5.2规则逆向演绎系统
3.5.3规则双向演绎系统
南京信息职业技术学院
教案
授课班级
任选课
授课形式
讲授
页码
6
授课日期
年月日第周
授课时数
4
授课章节名称
3.6产生式系统
3.7系统组织技术
3.8不确定性推理
3.9非单调推理
教学目标
1.掌握产生式系统的组成结构，通过实践掌握产生式系统的设计和工作过程
2.了解系统组织技术的基本原理
3.了解不确定性的表示和推理方法
4.了解缺省推理和正确性维持系统TMS的基本原理
教学重点
1.产生式系统与规则演绎系统的差别和产生式系统的组成
2.系统组织技术如何实现模块之间的合作
3.缺省推理和正确性维持系统TMS的基本原理
教学难点
1.产生式系统的控制策略
2.不确定性如何表示和推理
更新、补充、
删节内容
无
教学手段
多媒体、讲授
课外作业
无
课后体会
教学过程设计
3.6产生式系统
定义：
在基于规则系统中，每个if可能与某断言（assertion）集中的一个或多个断言匹配，then部分用于规定放入工作内存的新断言。
当then部分用于规定动作时，称这种基于规则的系统为反应式系统（reactionsystem）或产生式系统（productionsystem）。
提问：
产生式系统与规则演绎系统有什么区别？
3.6.1产生式系统的组成
3.6.2产生式系统的推理
3.6.3产生式系统举例
3.7系统组织技术
3.7.1议程表
3.7.2黑板法
3.7.3Δ-极小搜索法
3.8不确定性推理
3.8.1关于证据的不确定性
3.8.2关于结论的不确定性
3.8.3多个规则支持同一事实时的不确定性
3.9非单调推理
3.9.1缺省推理
1.定义
当缺乏信息时，只要不出现相反的证据，就可以作一些有益的猜想。
构造这种猜想称为缺省推理（defaultreasoning）。
2.例子
一个安排会议程序：
程序必须求解一个约束满足问题，即找出每个参加者都有空闲的开会日期与时刻，并有可供开会的房间。
3.9.2非单调推理系统
3.10小结
南京信息职业技术学院
教案
授课班级
任选课
授课形式
讲授
页码
7
授课日期
年月日第周
授课时数
4
授课章节名称
第四章计算智能（上）
4.1概述
4.2神经计算
教学目标
1.掌握计算智能的含义，了解计算智能与传统的人工智能有何区别。
了解贝兹德克提出的“ABC”及其与神经网络（NN）、模式识别（PR）和智能（I）之间的关系
2.掌握人工神经网络的结构、模型和算法，了解人工神经网络的由来和特性，一般了解神经网络的表示和推理方法
教学重点
1.计算智能的含义及其与传统的人工智能的区别
2.人工神经网络的结构、模型和算法；神经网络的表示和推理
教学难点
1.“ABC”及其与神经网络（NN）、模式识别（PR）和智能（I）之间的关系
2.人工神经网络的结构和算法及其表示和推理
更新、补充、
删节内容
无
教学手段
多媒体、讲授
课外作业
无
课后体会
教学过程设计
第四章计算智能（上）
本章讨论计算智能所涉及的领域和范围，计算智能的含义及它与传统人工智能的区别。
介绍人工神经网络的由来、特性、结构、模型和算法；神经网络的表示和推理。
简要地介绍模糊数学的基本概念、运算法则、模糊逻辑推理和模糊判决等。
通过对本章的学习，使学生掌握人工神经网络的结构、模型和算法，了解计算智能所涉及的领域和范围，了解人工神经网络的特性、表示和推理，了解模糊数学的基本概念、运算法则、模糊逻辑推理和模糊判决等。
4.1概述
本节介绍计算智能所涉及的领域和范围，计算智能的含义及其与传统人工智能的区别。
贝兹德克提出的“ABC”，及它与神经网络（NN）、模式识别（PR）和智能（I）之间的关系。
提问：
计算智能与人工智能的区别和关系如何。
提问：
计算智能的主要特征是什么?
4.2神经计算
4.2.1人工神经网络研究的进展
4.2.2人工神经网络的结构
提问：
神经网络有哪几种激励函数?
提问：
神经网络中的知识表示采用了什么样的表示方法?
结合这个例子回答。
4.2.4基于神经网络的知识表示与推理
4.2.3人工神经网络的典型模型
南京信息职业技术学院
教案
授课班级
任选课
授课形式
讲授
页码
8
授课日期
年月日第周
授课时数
4
授课章节名称
4.3模糊计算
4.4机器学习
4.5小结
教学目标
1.掌握模糊数学的基本概念、运算法则、模糊逻辑推理方法
2.掌握机器学习的主要策略与基本结构，以及常见的几种学习方法
教学重点
1.模糊数学的模糊逻辑推理和模糊判决
2.常见的几种学习方法
教学难点
1.模糊数学的运算法则和模糊逻辑推理
2.基于神经网络的学习
更新、补充、
删节内容
无
教学手段
多媒体、讲授
课外作业
无
课后体会
教学过程设计
4.3模糊计算
教学内容：
本节简要地介绍模糊数学的基本概念、运算法则、模糊逻辑推理和模糊判决等。
这些内容构成模糊逻辑的基础知识。
模糊计算就是以模糊逻辑为基础的计算。
教学方法：
课堂教学为主，注意结合例子进行讲解。
4.3.1模糊集合、模糊逻辑及其运算
4.3.2模糊逻辑推理
讨论：
隶属函数也是函数，它与通常的实函数有什么区别？
4.3.3模糊判决方法
举例：
对于“水温适中”，按最大隶属度原则，有两个元素40和50具有最大隶属度1.0，
那就要对所有取最大隶属度的元素40和50求平均值，执行量应取：
提问：
系数加权平均法优点是什么？
4.4机器学习
4.4.1机器学习的研究意义与发展历史
4.4.2机器学习的主要与基本结构
4.4.3常见的几种学习方法
1）机械学习
2）基于解释的学习
3）基于事例的学习
4）基于概念的学习
5）基于类比的学习
6）归纳学习
7）强化学习
4.4.4基于神经网络的学习
4.5小结
南京信息职业技术学院
教案
授课班级
任选课
授课形式
讲授
页码
9
授课日期
年月日第周
授课时数
4
授课章节名称
第五章计算智能（下）
5.1遗传算法5.2进化策略
5.3进化编程5.4人工生命
教学目标
1.理解遗传算法的基本机理，了解遗传算法的框图
2.了解进化策略的算法模型
3.了解进化编程的机理与表示，一般了解算法步骤
4.了解人工生命的定义、研究内容和方法
教学重点
1.遗传算法的基本机理
2.进化策略的算法模型
3.进化编程的机理与表示
4.人工生命的定义、研究内容和方法
教学难点
1.遗传算法的交叉和变异机制
2.进化编程的表示
3.人工生命的研究方法
更新、补充、
删节内容
无
教学手段
多媒体、讲授
课外作业
无
课后体会
教学过程设计
第五章计算智能（下）
通过对本章的学习，使学生了解三种进化算法和人工生命是如何工作的，并初步了解这些算法研究的进展和应用情况，以及它们的研究意义，掌握主要算法的求解步骤。
5.1遗传算法
5.1.1遗传算法的基本机理
提问：
二进制编码存在的缺点是什么?
举例：
销售员旅行问题采用符号编码方法。
举例：
TSP问题的适应度函数。
5.1.2遗传算法的求解步骤
提问：
遗传算法的主要优点有哪些？
演示：
看例子的演示，观察SGA是否收敛，参数对算法有什么影响。
5.2进化策略
5.2.1进化策略的算法模型
举例：
求一个3维问题的最小值。
5.2.2进化策略和遗传算法的区别
提问：
进化策略和遗传算法还有什么区别？
5.3进化编程
5.3.1进化编程的机理与表示
5.3.2进化编程的步骤
5.4人工生命
5.4.1人工生命研究的起源和发展
提问：
简述人工生命和人工智能的关系。
5.4.2人工生命的定义和研究意义
提问：
人工生命和自然生命有些什么联系？
5.4.3人工生命的研究内容和方法
讨论：
人工生命的研究内容与自然生命有何密切联系。
5.4.4人工生命的实例
思考：
什么是人工生命？
人工生命包括哪些研究内容？
其研究方法如何？
5.5小结
南京信息职业技术学院
教案
授课班级
任选课
授课形式
讲授
页码
10
授课日期
年月日第周
授课时数
4
授课章节名称
第六章智能控制
6.1智能控制概述
6.2智能控制的研究领域与学科结构
6.3智能控制的特点与系统一般结构
6.4智能控制系统
教学目标
1.了解智能控制的定义及学科结构理论
2.掌握智能控制系统的特点与一般结构
3.重点掌握几种智能控制系统
教学重点
1.智能控制的学科结构理论
2.模糊控制系统
3.神经控制系统
教学难点
1.智能控制系统的一般结构
2.学习控制系统
3.进化控制系统
更新、补充、
删节内容
无
教学手段
多媒体、讲授
课外作业
无
课后体会
教学过程设计
第六章智能控制
6.1智能控制概述
6.1.1智能控制的产生和发展
6.1.2智能控制的定义
6.2智能控制的研究领域与学科结构
6.2.1智能控制的研究领域
6.2.2智能控制的学科结构理论
1）二元结构理论
2）三元结构理论
3）四元结构理论
6.3智能控制的特点与系统一般结构
6.3.1智能控制的特点
6.3.2智能控制系统的一般结构
6.4智能控制系统
6.4.1模糊控制系统
6.4.2神经控制系统
6.4.3学习控制系统
6.4.4进化控制系统
6.5小结
南京信息职业技术学院
教案
授课班级
任选课
授课形式
讲授
页码
11
授课日期
年月日第周
授课时数
4
授课章节名称
复习及总结
教学目标
1.掌握人工智能的研究与应用领域
2.熟练掌握知识的表示方法
3.重点掌握常见的搜索推理技术
4.熟练掌握计算智能
5.熟悉常用的智能控制系统
教学重点
1.知识的表示方法
2.搜索推理技术
3.计算智能
教学难点
1.智能控制系统
更新、补充、
删节内容
无
教学手段
多媒体、讲授
课外作业
无
课后体会
复习：
6.掌握人工智能的研究与应用领域
7.熟练掌握知识的表示方法
8.重点掌握常见的搜索推理技术
9.熟练掌握计算智能
10.熟悉常用的智能控制系统
总结：
教学过程设计
南京信息职业技术学院
教案
授课班级
任选课
授课形式
讲授
页码
12
升级会员 