从自然世界到智能时代
分享
课程详情
课程评价
spContent="道法自然”——借鉴自然界信息处理机制设计智能计算新方法,是智能科学与技术研究的重要的研究哲学思想。本课程从自然界丰富多彩的“自然智能”到模拟自然的“机器智能”,从形式多样的“智能系统”到日新月异的“智能前沿”,展开一幅横跨生物、医学、遗传、社会与智能科技等学科之间知识关联图。
—— 课程团队
课程概述

    课程主要介绍自然世界中丰富多彩的“自然智能”与由此启发的“自然计算”模型与方法,以及形式多样的“智能机器与系统”与日新月异的智能科技“前沿方向”,建立横跨生物、医学、遗传、物理、社会与人工智能之间的多学科文化素质与科技视野,增强学习者的学科知识、科技兴趣与创新意识。课程主要特色在于学科交叉,以多学科融合的文化知识启发科技兴趣与创新精神。
    智能科学技术研究的是受自然智能的启发而得到知识的过程,先认识自然世界的信息处理机制, 然后实现计算模型抽取、算法设计,最后应用于具体问题的解决方案。因此自然智能认知、计算模型抽取、智能算法设计是本课程介绍的重点部分,其中计算模型抽取与算法设计较为抽象,是学习的难点部分。学习者如对所涉及重难点内容需要深入了解,可以进一步参考课程所提供的参考文献。

授课目标

本课程的目标是激发大众对智能科学的兴趣,为爱好该专业研究与应用的人士展开一幅横跨生物、医学、遗传、社会与智能科技等学科之间知识关联图,引领大家进入一个学科交叉的科技创新之旅,拓展文化视野、科技兴趣与创新意识、培养大众科技文化素质、普及智能科技知识。

课程大纲

第1章 无处不在的“自然智能”

1.1 课程引入与自然智能

1.2 自然智能研究的兴起、发展与分类

1.3 典型的自然计算案例

单元测试

第2章 视听系统与仿生感知

2.1 感知计算的仿生学原理

2.2 视觉系统与视觉感知计算

2.3 听觉系统与听觉感知计算

单元测试

第3章 大脑结构与机器推理

3.1 大脑自然结构与仿生推理

3.2 机器推理之数理逻辑方法

3.3 机器推理之神经网络方法

3.4 机器推理之模糊逻辑方法

单元测试

第4章 物种演化与进化计算

4.1 进化计算思想

4.2 遗传算法

4.3 协同进化及进化策略

4.4遗传编程

单元测试

第5章 社会行为与群体优化

5.1 群体行为与群体智能

5.2 粒子群算法

5.3 蜂群算法

5.4 蚁群算法

单元测试

第6章:自主行为的智能机器

6.1智能机器

6.2智能机器人

6.3工业机器人

6.4无人智能机器

单元测试

第7章 自主学习的智能系统

7.1自主学习与智能

7.2 专家系统

7.3 决策支持系统

7.4 数据挖掘系统

7.5 其他智能系统

单元测试

第8章 智能计算的研究前沿

8.1 量子计算与通信

8.2深度学习

8.3脑机交互

单元测试

预备知识

    无要求

证书要求

    本课程成绩以百分制计算,60分及以上成绩为合格,90分及以上成绩为优秀,总成绩由以下二部分组成:

  • 单元测验:占总成绩的64%。(注:课程共八章,每章进行1次单元测验,每次单元测验占总成绩的8%。);

  • 期末考试:占总成绩的36%,提交一篇3000字左右的课程小论文。

参考资料
  1. Russell S J, Norvig P著,殷建平,祝恩,刘越 等 译. 人工智能:一种现代的方法(第3版).清华大学出版社,2013.

  2. Michael Negnevitsky 著,陈薇 译. 人工智能·智能系统指南. 机械工业出版社, 2012.

  3. 吴启迪 等 著.《自然计算导论》. 上海科学技术出版社,2011.埃伯哈特 (Russell C.Eberhart),史玉回 (Yuhui Shi)著. 《计算智能:从概念到实现》(英文版). 人民邮电出版社,2015.

  4. 雷秀娟 著. 《群智能优化算法及其应用》.科学出版社,2012.

  5. SergiosTheodoridis等 著. 《模式识别(第4版)》.电子工业出版社,2010.

  6. Ethem Alpaydin 著,范明,昝红英,牛常勇 译. 《机器学习导论》. 电子工业出版社,2014.