《人工智能课》课程教学大纲.docx

人工智能课Artificial Intelligence一、课程基本情况课程类别：专业任选课课程学分：2学分课程总学时：32学时，其中讲课：20学时，实验（含上机）：12学时，课外 学时课程性质：选修开课学期：第7学期先修课程：概率与统计适用专业：物联网工程教 材：人工智能教程，张仰森，黄改娟，高等教育出版社，2008年开课单位：计算机与软件学院软件工程系二、课程性质、教学目标和任务 人工智能从很多学科吸收了成果和概念，包括统计学、人 工智能、哲学、信息论、生物学、认知科学、计算复杂性和控制论等。本课程的教学目的就 是展现人工智能中核心的算法和理论，使其在实际工程中得到很好的应用。三、教学内容和要求第1章引言（2学时）1.1 问题的标准描述问题的标准描述1.2 机器学习的一些观点和问题重点：观点和问题难点：学习系统第2章模糊数学（8学时）2.1 模糊集合论的基本概念了解经典集合论的基本概念（2）理解模糊集合的定义掌握模糊集合的运算2.2 模糊集合的分解定理模糊集合的截集分解定理模糊集合的隶属度边界法（2）模糊统计法参照法模糊集合的扩张原理(1)经典集合的扩张原理(2)模糊集合的扩张原理多元扩张原理模糊模式识别模糊模式识别的直接方法(2)模糊距离与模糊度贴近度(4)多因素模糊模式识别2.3 模糊关系与聚类分析经典关系(2)模糊关系的基本概念模糊等价关系模糊传递闭包和等价闭包求相似矩阵的等价类的直接方法(6)直接聚类的最大树法模糊聚类分析(8) 模糊 ISODATA(lnteractive Self-Organizing Data)法模糊综合评判模糊变换简单模糊综合评判不完全评判问题(4)多层次模糊综合评判广义合成运算的模糊综合评判模型模糊逻辑与模糊推理模糊逻辑模糊语言模糊推理重点：模糊集合的分解定理、模糊集合的隶属度难点：模糊关系与聚类分析第3章 人工神经网络的数学基础(8学时)3.1 概述(1)人工神经网络研究简史人脑神经元与人工神经元模型(3)人工神经网络模型(4)神经网络的学习规那么前向神经网络感知器(2)有导师学习网络(BP网络)改进的BP算法Hopfield 网络 离散型Hopfield网络(2)连续型Hopfield网络旅行商问题(TSP)自组织神经网络(SOM网络)3.2 随机神经网络Boltzman (玻耳兹曼)机Boltzman 分布模拟退火随机神经网络的概率分布(4)多层前馈随机网络(BM网络)模糊神经网络模糊神经元模型(2)模糊Hopfield网络重点：人脑神经元与人工神经元模型、前向神经网络难点：Hopfield网络、模糊神经网络第4章遗传算法(6学时)概述(1)遗传算法的生物学基础遗传算法开展简史遗传算法的特点基本的遗传算法4.2 遗传算法的基本理论与方法模式定理(2)误导问题编码(4)群体设定适应度函数(6)选择交换(8)变异(9)性能评估(10)收敛性非线性问题寻优的遗传算法 一般非线性优化问题的遗传算法(2)约束最优化的遗传算法4.3 背包问题问题描述(2)背包问题的遗传算法求解(3)进一步的讨论4.4 旅行商(TSP)问题(1)编码与适应度遗传操作实例4.5 调度问题(1)问题概述调度问题的遗传算法求解混合遗传算法遗传算法优化神经网络遗传算法优化模糊推理规那么重点：遗传算法的基本理论与方法、难点：背包问题、调度问题四、课程考核(1)作业等：作业：5次，课程论文：1篇；(2)考核方式：课程论文(3)总评成绩计算方式：平时成绩、实验成绩、课程论文综合计算五、参考书目1 .Trevor Hastie等著，范明 等译，统计学习基础.数据挖掘、推理与预测电子工业出版社,20032 .Jay L. Eevore, Probability and Statistics for Engineering and the Sciences, Duxbury Press, 1995