人工智能导论
分享
课程详情
课程评价
spContent=入门级人工智能课程,可以帮助初学者实现“零基础”学习人工智能,了解什么是人工智能;人工智能研究什么;有哪些人工智能的算法与模型;人工智能最新的发展与应用会怎样影响我们的社会、工作和生活。本课程是由国家级教学名师浙江工业大学王万良教授主讲的。
—— 课程团队
课程概述

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学习人工智能。本课程采用浙江工业大学王万良教授编著的专业教材《人工智能导论》(第4版),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。本课程共有12讲,包括:人工智能概述、一阶谓词逻辑表示法、产生式表示法和框架表示法、基于谓词逻辑的推理方法、可信度方法和证据理论、模糊推理方法、搜索求解策略、遗传算法及其应用、蚁群算法及其应用、专家系统与机器学习、BP神经网络及其应用和Hopfield神经网络及其应用。

授课目标

    本课程的目标是使学生初步了解人工智能的基本原理,初步学习和掌握人工智能的基本方法,帮助学生形成对人工智能一般应用的轮廓性认识,为学生今后在相关领域应用人工智能方法奠定基础。  


课程大纲

第一讲 人工智能概述

1.1 简介

1.2 人工智能的概念

1.3 人工智能的发展简史

1.4 人工智能研究的基本内容


第二讲 一阶谓词逻辑知识表示法

2.1 命题逻辑

2.2 谓词逻辑

2.3 一阶谓词逻辑知识表示法


第三讲 产生式表示法和框架表示法

3.1 产生式表示法

3.2 框架表示法


第四讲 基于谓词逻辑的推理方法

4.1 推理方式及其分类

4.2 归结演绎推理

4.3 鲁滨逊归结原理

4.4 归结反演

4.5 应用归结原理求问题


第五讲 可信度方法和证据理论

5.1 不确定推理

5.2 可信度方法

5.3 证据理论


第六讲 模糊推理方法

6.1 模糊逻辑提出

6.2 模糊集合与隶属函数

6.3 模糊关系及其合成

6.4 模糊推理与模糊决策

6.5 模糊推理的应用


第七讲 搜索求解策略

7.1 搜索的概念

7.2 状态空间知识表示法

7.3 启发式图搜索策略


第八讲 遗传算法及其应用

8.1 基本遗传算法

8.2 遗传算法的基本操作

8.3 遗传算法的一般步骤

8.4 遗传算法的特点


第九讲 蚁群算法及其应用

9.1 蚁群算法基本思想

9.2 基本蚁群算法模型

9.3 蚁群算法参数选择

9.4 蚁群算法的应用


第十讲 专家系统与机器学习

10.1 专家系统

10.2 机器学习


第十一讲 BP神经网络及其应用

11.1 BP神经网络的结构

11.2 BP学习算法

11.3 BP神经网络在模式识别中的应用


第十二讲 Hopfield神经网络及其应用

12.1 离散型Hopfield神经网络

12.2 连续型Hopfield神经网络

12.3 Hopfield神经网络的应用

预备知识

 学习者具备一定的计算思维及程序设计基础,以及线性代数、概率论等数学知识即可。


 



证书要求

      课程总成绩是由单元测验(30%)、作业(18%)、讨论(12%)和考试(40%)组成。成绩包含“不合格”、“合格”和“优秀”三个档次。总成绩小于60分为“不合格”,大于等于60分并且小于85分为“合格”,大于等于85分为“优秀”。



参考资料

[1]王万良.人工智能导论(第4版),高等教育出版社,20177月(教材官网

[2]王万良.人工智能及其应用(第三版),高等教育出版社,20162月(教材官网

[3]李德毅,人工智能导论,中国科学技术出版社,2018

[4]Stuart Russell and Peter Norvig, “Artificial Intelligence – A Modern Approach (3rd ed)”, . Prentice Hall, Dec. 11, 2009.

[5]Stuart Russell等著,殷建平等译:《人工智能:一种现代的方法 (3)》,清华大学出版社,2013111日。

注:这本书是上述参考书籍[4]的中译本