计算智能基础
分享
课程详情
课程评价
spContent=人工智能已经成为国际竞争的新焦点，其在图像识别、语音翻译、行为分析等方面得到广泛应用，智能机器人、无人商店、机器翻译、共享汽车、自动驾驶等新产品备受瞩目，在城市规划、智能交通等领域的应用也颇具特色。本课程目的是使学生了解计算智能基础知识，掌握经典的神经网络、模糊计算、进化算法等算法。同时，本课程增加了一章深度学习的相关内容，包括 卷积神经网络CNN，循环神经网络RNN和LSTM， 介绍了深度学习常用的一些学习框架，优化算法等。通过本课程的学习，同学们就可以用神经网络、模糊逻辑以及群智能解决一些遇到的科研问题。
—— 课程团队
课程概述

人工智能已经成为国际竞争的新焦点，其在图像识别、语音翻译、行为分析等方面得到广泛应用，智能机器人、无人商店、机器翻译、共享汽车、自动驾驶等新产品备受瞩目，在城市规划、智能交通等领域的应用也颇具特色。随着新一轮科技革命和产业变革应运兴起，网络设施的演进、大数据的形成、理论算法的革新、计算能力的提升，新一代人工智能正在创造新市场、新机会，全面重塑传统行业发展模式和格局。


本课程目的是使学生了解计算智能基础知识，掌握神经网络、模糊计算、进化算法等主要计算智能算法。通过学习本课程，学生可以学习和应用最新的深度学习等方面的最新知识和技术。


神经网络部分主要包括各种不同的神经网络结构、神经网络权值的确定和学习算法，重点介绍以多层感知器为代表的神经网络及其BP学习算法，径向基神经网络以及神经网络在分类和函数拟合中的应用等；模糊逻辑及模糊控制部分主要包括模糊集合、隶属度函数、模糊逻辑和模糊推理以及模糊控制等方面的一些基础知识；进化计算部分主要包括遗传算法、蚁群算法、粒子群算法等。

授课目标

       使学生了解计算智能基础知识，掌握神经网络、模糊计算、进化算法等主要计算智能算法，了解深度学习基本的网络、学习框架以及优化算法，并为学习后继课程打下良好的知识基础。

1、掌握计算智能基本理论、方法、技术等基础知识，包括人工神经网络基础、BP神经网络及设计、 自组织神经网络及设计、反馈神经网络、卷积神经网络、LSTM网络、模糊逻辑及其应用简介、模糊集合与隶属度函数、模糊模式识别、模糊聚类分析、模糊推理、模糊控制理论、进化算法的基本概念、进化算法中的遗传算法和粒子群算法。

2、获得计算智能在现代交通工程领域分析问题、开展研究、设计解决方案的基本训练，获得一定的使用现代工具的锻炼。


课程大纲
预备知识

(1) 高等数学（2）最好有一点《经典控制理论》基础 （3） MATLAB编程基础

证书要求

为积极响应国家低碳环保政策， 2021年秋季学期开始，中国大学MOOC平台将取消纸质版的认证证书，仅提供电子版的认证证书服务，证书申请方式和流程不变。

 

电子版认证证书支持查询验证，可通过扫描证书上的二维码进行有效性查询，或者访问 http://www.icourse163.org/verify，通过证书编号进行查询。学生可在“个人中心-证书-查看证书”页面自行下载、打印电子版认证证书。

 

完成课程教学内容学习和考核，成绩达到课程考核标准的学生（每门课程的考核标准不同，详见课程内的评分标准），具备申请认证证书资格，可在证书申请开放期间（以申请页面显示的时间为准），完成在线付费申请。

 

认证证书申请注意事项：

1. 根据国家相关法律法规要求，认证证书申请时要求进行实名认证，请保证所提交的实名认证信息真实完整有效。

2. 完成实名认证并支付后，系统将自动生成并发送电子版认证证书。电子版认证证书生成后不支持退费。


参考资料

1，韩力群，《人工神经网络理论及应用》，机械工业出版社，2017年

2，谢季坚，模糊数学方法及其应用，华中科技大学出版社，2016年

3，MATLAB 神经网络工具箱

4，MATLAB 模糊系统工具箱

5，王小川等，MATLAB 神经网络43个案例分析， 北京航空航天大学出版社

6，史峰等，MATLAB智能算法30个案例分析， 北京航空航天大学出版社