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

第一讲 人工智能概述单元测试

第二讲 一阶谓词逻辑表示法

补充：知识与知识表示的基本概念

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

第二讲 一阶谓词逻辑知识表示法单元测试

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

第三讲 产生式表示法和框架表示法单元测试

第四讲 知识图谱及其应用

4.1知识图谱概述

4.2知识图谱的构建及应用

补充：知识表示方法小结

第四讲知识图谱单元测试

第五讲 基于谓词逻辑的推理方法

5.1 推理方式及其分类

5.2 归结演绎推理

5.3 鲁滨逊归结原理

5.4 归结反演

5.5 应用归结原理求问题

第五讲 基于谓词逻辑的推理方法单元测试

第六讲 可信度方法和证据理论

6.1 不确定推理

6.2 可信度方法

6.3 证据理论

第六讲 可信度方法和证据理论单元测试

第七讲 模糊推理方法

7.1 模糊逻辑提出

7.2 模糊集合与隶属函数

7.3 模糊关系及其合成

7.4 模糊推理与模糊决策

7.5 模糊推理的应用

模糊推理方法与小组任务 线上讨论

第七讲 模糊推理方法测试

第八讲 搜索求解策略

8.1 搜索的概念

8.2 状态空间知识表示法

补充：盲目的图搜索策略

8.3 启发式图搜索策略

A*算法虚拟实验操作说明

第八讲 搜索求解策略单元测试

第九讲 遗传算法

9.1 智能计算——基本遗传算法

9.2 遗传算法的基本操作

9.3 遗传算法的一般步骤

9.4 遗传算法的特点

遗传算法虚拟实验操作说明

第九讲 遗传算法单元测试

第十讲 群智能算法

10.1 粒子群优化算法及应用

10.2 蚁群算法及应用

第十讲 群智能算法及其应用单元测试

第十一讲 人工神经网络

11.1 神经元与神经网络

补充：神经网络的激活函数

11.2 BP神经网络

11.3 BP神经网络在模式识别中的应用

11.4 离散型Hopfield神经网络

11.5 连续型Hopfield神经网络

11.6 Hopfield神经网络的应用

第十二讲 机器学习

12.1 机器学习发展

12.2 机器学习方法

12.3 机器学习技术

补充：机器学习的性能评估指标

第十二讲 机器学习单元测试

第十三讲 深度学习

13.1 卷积神经网络

13.2 胶囊网络

13.3 生成对抗网络

神经网络深度学习虚拟仿真实验操作说明

第十三讲 深度神经网络及其应用单元测试