人工智能Artificial Intelligence

《人工智能》教学大纲

Teaching Outline of Artificial Intelligence

 

第一部分 大纲说明

1．课程代码：329031001

2．课程类型：方向限选课

3．开课时间：秋季学期，第二周—第十周

4．课程目标：

通过本课程学习，使学生了解当前人工智能技术发展概况，应用领域。掌握计算机实现诸如问题求解、规划推理、模式识别、知识工程、自然语言处理、机器学习等理论知识。具体任务可分为：

（1）了解人工智能的概念和人工智能的发展，了解国际人工智能的主要流派和路线，了解国内人工智能研究的基本情况，熟悉人工智能的研究领域。

（2）较详细地论述知识表示的各种主要方法。重点掌握状态空间法、问题归约法和谓词逻辑法，熟悉语义网络法，了解知识表示的其他方法，如框架法、剧本法、过程法等。

（3）掌握盲目搜索和启发式搜索的基本原理和算法，特别是宽度优先搜索、深度优先搜索、等代价搜索、启发式搜索、有序搜索等．了解博弈树搜索、遗传算法和模拟退火算法的基本方法。

（4）掌握消解原理、规则演绎系统和产生式系统的技术、了解不确定性推理、非单调推理的概念。

（5）了解人工智能的主要应用领域，如专家系统、机器学习、规划系统、自然语言理解和智能控制等。

 5．面向学科：计算机大类相关专业

6．考核方式：考查，课程论文

7．预修课程：数据结构、离散数学、程序设计

8. 教学方式：面授讲授、上机实践与课堂讨论结合

9．学时学分：36课时，2学分

序号	教学内容	课堂讲课	实践	课堂讨论	课外自学
		学时	学时	学时	学时
1	第一章  绪论	4	2	2	自定
2	第二章  知识表示方法	4	2	2	自定
3	第三章  搜索原理	4	2	2	自定
4	第四章 推理技术	4	2	2	自定
5	第五章 计算智能	4	2	2	自定
6	第六章  机器学习	4	2	2	自定
7	第七章  规划系统	4	2	2	自定
8	第八章 自然语言理解	4	2	2	自定
8	第九章  智能控制	4	2	2	自定
合计	九章	36	18	18

10. 教材及教学参考资料：

教材：

蔡自兴．人工智能基础．高等教育出版社．2016年版

参考资料：

[1] 张泽谦．人工智能未来商业与场景落地实操．人民邮电出版社．2019年版

[2] 马场口 登 山田诚二．人工智能基础．机械工业出版社．2020年版

[3] 李德毅．中国人工智能发展报告-知识工程．电子工业出版社．2020年版 

[4] 杨正洪．人工智能与大数据技术导论．清华大学出版社．2018年版

[5] 史蒂芬.卢奇( Stephen Lucci)．人工智能．人民邮电出版社．2018年版

 

 

 

第二部分 教学内容和教学要求

人工智能是计算机科学的重要分支，是研究如何利用计算机来模拟人脑所从事的感知、推理、学习、思考、规划等人类智能活动，来解决需要用人类智能才能解决的问题，以延伸人工智能的科学。该课程主要讲述人工智能的基本概念及原理、知识与知识表示、机器推理、搜索策略、神经网络、机器学习、遗传算法等方面内容。通过本课程学习，使学生对人工智能的发展概况、基本原理和应用领域有初步了解，对主要技术及应用有一定掌握，启发学生对人工智能的兴趣，培养知识创新和技术创新能力。

第一章 绪论  

1．本章主要内容： 

（1）人工智能的定义和发展

主要知识点：人工智能的定义；人工智能的研究范围；人工智能的起源与发展

（2）人工智能的认知观

主要知识点：人工智能的认知观；人工智能的争论

（3）人工智能的研究目标、内容、应用领域

主要知识点：人工智能的目标内容；人工智能的应用领域

2．本章的重点与难点、需掌握的主要知识：

教学重点是人工智能的定义和研究范围，人工智能的具体研究方法。教学难点是人工智能研究中不同学派的认知观。

3．预备知识要求

理解人工智能的定义和研究范围；明确人工智能的学科性质；了解人工智能的研究方法。

4．主要参考资料

[1] 胡其荣.人工智能在计算机网络技术中的运用[J].福建电脑,2020,36(12):118-119.

[2] 田永娱.人工智能的“阴阳”面[J].疯狂英语(冲刺版),2020(12):22-23+62.

[3] 刘芳,范紫云.人工智能在传媒领域的应用与思考[J].传媒,2020(23):38-40.

[4] Terri Coles. Microsoft Expands Access to Artificial Intelligence Development with Tool Advancements[J]. SQL Server Pro,2018.

[5] Suman Lata Tripathi,Mithilesh Kumar Dubey,Vinay Rishiwal,Sanjeevikumar Padmanaban. Introduction to AI Techniques for Renewable Energy System[M].CRC Press:2021-01-07.

 

第二章 知识表示方法  

1．本章主要内容： 

（1）状态空间表示

主要知识点：问题状态描述；状态图示法

（2）问题归约表示

主要知识点：问题归约描述；与或图表示

（3）谓词逻辑表示

主要知识点：谓词演算；谓词公式；转换与合一

（4）语义网络、框架表示

主要知识点：二元、多元语义网络的表示；框架的构成

2．本章的重点与难点、需掌握的主要知识：

状态空间表示方法中，分析问题的状态定义，确定单个状态的信息内容。问题归约表示方法中与或图的表示，归约表示的设计模式。谓词演算逻辑语言与方法，谓词公式的置换与合一。

3．预备知识要求

了解知识、信息、数据的定义以及它们之间的关系，知识的特性，知识的分类。

4．主要参考资料

[1] 黄炎孙.人工智能的符号主义立场研究[D].北京化工大学，2014.

[2] 洪泽华,章佳君,周金鹏,谢文雅,陆志沣,赖鹏.复杂目标红外辐射特性大数据知识表示及建模方法[J].上海航天(中英文),2020,37(06):52-57.

[3] 刘知远,孙茂松,林衍凯,谢若冰.知识表示学习研究进展[J].计算机研究与发展,2016,53(02):247-261.

[4] Mohamad Fauzan Noordin, Tengku Mohd Tengku Sembok, Tengku Mohd Tengku Sembok, et al. Constructing an Ontology-Based and Graph-Based Knowledge Representation of English Quran. 2016, 9(34).

[5] Gou Liming,Zhang Jian,Li Naiwen. Knowledge representation and decoupling analysis on failure mechanisms of remotely controlled intelligent machinery[J]. Information Processing in Agriculture,2020(prepublish).

[6] Interval Methods in Knowledge Representation[J]. International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems,2020,28(06).

 

第三章 搜索原理  

1．本章主要内容： 

（1）盲目搜索

主要知识点：宽度优先搜索；深度优先搜索；等代价搜索

（2）启发式搜索

主要知识点：启发式搜索策略和估价函数；有序搜索；A*算法

（3）消解原理

主要知识点：子句集的求取；消解推理规则；含有变量的消解式；消解反演求解过程

（4）规则演绎系统

主要知识点：规则正向演绎系统；规则逆向演绎系统

2．本章的重点与难点、需掌握的主要知识：

宽度优先算法和深度优先算法的算法流程，启发式搜索的估价函数设计，A*算法，消解原理中子句集的求取，消解反演求解过程。

3．预备知识要求

图搜索的策略种类以及它们的优缺点，搜索算法的流程框架。理解推理的概念，冲突消解的意义，常用的冲突消解策略，命题和命题公式的定义，谓词逻辑的相关定义。谓词公式的永真性和可满足性。置换合一的定义，自然演绎推理的定义。

4．主要参考资料

[1] 杨新宇,兰全祥.基于A~*的拼图智能还原算法的设计与分析[J].信息技术与信息化,2020(11):205-207.

[2] 武佳琪,李梦洁,徐一凡.启发式搜索求解简单剪枝问题[J].中国新通信,2020,22(14):162.

[3] Wenxi Lu,Han Wang,Jiuhui Li. Parallel heuristic search strategy based on a Bayesian approach for simultaneous recognition of contaminant sources and aquifer parameters at DNAPL-contaminated sites[J]. Environmental Science and Pollution Research,2020(prepublish).

[4] Xingbo Wang , Jicong Wu. Traits of Interval Tree in Solving Blind Search Problems of Finding a Term in an Ordered Data Set[J]. International Journal of Information and Education Technology,2020,10(7).

[5] Zhuo Sun,Ni Yan,Yining Sun,Haobin Li. Location-Routing Optimization with Split Demand for Customer Self-Pickup via Data Analysis and Heuristics Search[J]. Asia-Pacific Journal of Operational Research,2019,36(06).

 

第四章 推理技术  

1．本章主要内容： 

（1）不确定推理

主要知识点：不确定性的表示与量度；不确定性的算法。

（2）主观贝叶斯方法

主要知识点：知识不确定性的表示；证据不确定性的表示；主观贝叶斯的推理过程。

（3）可信度方法

主要知识点：基于可信度的不确定性表示；可信度方法的推理模型。

2．本章的重点与难点、需掌握的主要知识：

主观贝叶斯方法的推理过程、概率计算公式、算法简化原理。

3．预备知识要求

理解非经典推理的概念，了解非经典推理的常用方法。

4．主要参考资料

[1] 曹杰. 贝叶斯网络结构学习与应用研究[D].中国科学技术大学,2017.

[2] 郑焕科,张晶,杨亚琦,熊梅惠.多属性决策的时间不确定事件流时序推理方法[J].山东大学学报(理学版),2020,55(07):67-80.

[3] Bayesian Analysis; Researchers from Purdue University Provide Details of New Studies and Findings in the Area of Bayesian Analysis (Predicting the 3D fatigue crack growth rate of small cracks using multimodal data via Bayesian networks: In-situ experiments and ...)[J]. Journal of Engineering,2018.

[4] Yaobing Wei,Xin Wang,Yuanyuan Kong,Changfeng Yan. A probability uncertainty method of fault classification for steam turbine generator set based on Bayes and Holospectrum[J]. Proceedings of the Institution of Mechanical Engineers,2016,230(20).

[5] Abdul-Wahid Mohammed,Yang Xu,Ming Liu,Brighter Agyemang. Uncertainty reasoning for smart homes: An ontological decision network based approach[J]. Web Intelligence,2016,14(3)

 

第五章 计算智能  

1．本章主要内容： 

（1）神经计算

主要知识点：人工神经网络的结构;人工神经网络示例及其算法;基于人工神经网络的知识表示与推理。

（2）遗传算法

主要知识点：遗传算法的基本机理;遗传算法的求解步骤。

（3）粒群优化与蚁群算法

主要知识点：群智能和粒群优化概述;粒群优化算法;蚁群算法理论;蚁群算法的研究与应用。

2．本章的重点与难点、需掌握的主要知识：

神经网络的工作原理，遗传算法的编码、解码、适应度函数设计以及整体算法流程。

3．预备知识要求

理解计算智能的定义和人工智能的联系，了解计算智能的发展和种类，了解计算智能涉及研究领域与研究方法。

4．主要参考资料

[1] 焦李成,杨淑媛,刘芳,王士刚,冯志玺.神经网络七十年:回顾与展望[J].计算机学报,2016,39(08):1697-1716.

[2] 刘浩然,赵翠香,李轩,王艳霞,郭长江.一种基于改进遗传算法的神经网络优化算法研究[J].仪器仪表学报,2016,37(07):1573-1580.

[3] 杨丽,吴雨茜,王俊丽,刘义理.循环神经网络研究综述[J].计算机应用,2018,38(S2):1-6+26.

[4] 闫李,李国森,瞿博阳,朱小培,马佳慧.基于双层协同进化的多目标粒子群算法[J].计算机工程与设计,2020,41(11):3129-3136.

[5] Nadweh Safwan,Khaddam Ola,Hayek Ghassan,Atieh Bassam,Haes Alhelou Hassan. Steady state analysis of modern industrial variable speed drive systems using controllers adjusted via grey wolf algorithm & particle swarm optimization[J]. Heliyon,2020,6(11).

[6] Sun Kai,Zhang Jiangshe,Liu Junmin,Yu Ruixuan,Song Zengjie. DRCNN: Dynamic Routing Convolutional Neural Network for Multi-View 3D Object Recognition.[J]. IEEE transactions on image processing : a publication of the IEEE Signal Processing Society,2020,PP.

 

第六章 机器学习  

1．本章主要内容： 

（1）归纳学习

主要知识点：归纳学习的模式和规则。

（2）决策树学习

主要知识点：决策树构造算法;决策树学习算法ID3。

（3）神经网络学习

主要知识点：基于反向传播网络的学习;基于Hopfield网络的学习。

2．本章的重点与难点、需掌握的主要知识：

决策树学习；ID3算法；反向传播网络学习算法。

3．预备知识要求

理解学习和机器学习的定义。

4．主要参考资料

[1] 黄秀霞. C4.5决策树算法优化及其应用[D].江南大学,2017.

[2] 高航,薛凌云.基于改进遗传算法的反向传播神经网络拟合LED光谱模型[J].激光与光电子学进展,2017,54(07):294-302.

[3] 陈丽萍,孙玉军.基于不同决策树的面向对象林区遥感影像分类比较[J].应用生态学报,2018,29(12):3995-4003.

[4] 陈智威.基于遗传算法-鲸鱼算法优化反向传播神经网络的土壤参数预测[J].浙江农业科学,2019,60(01):125-128+140.

[5] Liu Wenkai,Kang Jianyuan,Fu Xianya,Zhang Mengmeng,Liu Zhi,Mao Fuqi. Fast CU Partitioning Algorithm Based on Decision Trees for Virtual Reality 360∘ Videos[J]. International Journal of Pattern Recognition and Artificial Intelligence,2020,34(14).

[6] Ayad Hendalianpour,Jafar Razmi ,Arefe Rameshi Sarvestani. Applying decision tree models to SMEs: A statistics-based model for customer relationship management[J]. Management Science Letters,2016,6(7).

[7] Nokia Technologies Oy; Patent Application Titled "Reverse Neural Network For Object Re-Identification" Published Online (USPTO 20190122072)[J]. Computer Weekly News,2019.

 

第七章 规划系统  

1．本章主要内容： 

（1）自动规划概述

主要知识点：规划的概念和作用;规划的分类和问题分解途径;执行规划系统任务的一般方法。

（2）任务规划

主要知识点：积木世界的机器人规划;STRIP规划系统;具有学习能力的规划系统。

（3）路径规划

主要知识点：模拟退火算法的机器人局部路径规划;基于免疫进化和示例学习和机器人路径规划;基于蚁群算法的机器人路径规划。

2．本章的重点与难点、需掌握的主要知识：

教学重点为使用F规则求解任务规划序列，STRIPS规划系统的组成与规划流程。3．预备知识要求

理解自动规划的概念、定义、分类和作用。了解任务规划和路径规划的方法要点。

4．主要参考资料

[1] 佟景文. 六自由度工业机器人离线编程系统的路径自动规划研究[D].哈尔滨工业大学,2019.

[2] 张建平.基于VC的移动通信网络邻区自动规划软件设计与实现[J].微型电脑应用,2020,36(05):149-152.

[3] 王世魁,张红霞,宋文韬,范云强,王欣玥.基于几何算法的无线站址自动规划方法研究及实现[J].移动通信,2017,41(08):64-68.

[4] Heinrich,Schiller,Schön. The cooperation of multiple actors within process models: an automated planning approach[J]. Journal of Decision Systems,2018,27(4).

[5] Kohei Ichikawa,Jun’ichi Kaneko,Masanobu Hasegawa,Takayuki Iwasaki,Kenichiro Horio. Method of Planning Tool Postures for Deep Groove Machining of Complex Shapes – Development of an Automatic Planning Method that Considers the Motions of the Rotational Axis when the Tool Reverses Direction in Grooved Shapes –[J]. International Journal of Automation Technology,2017,11(2).

[6] Christian V. Guthier,Desmond A. O’Farrell,Mandar S. Bhagwat,Phillip M. Devlin,Robert A. Cormack,Ivan Buzurovic. Fully Automated Planning with Patient Specific 3D-Printed Applicator-Holders for High-Dose-Rate Surface Brachytherapy[J]. Brachytherapy,2018,17(4).

 

第八章 自然语言处理  

1．本章主要内容： 

（1）句子和语义的自动分析

主要知识点：语言及其理解的一般问题;句法和语义的自动分析。

（2）自然语言理解系统的主要模型

主要知识点：基于短语结构语法的形式模型包括语法的Chomsky层级、有限状态语法、短语结构语法、递归转移网络和扩充转移网络、自底向上分析和自顶向下分析等;基于复杂特征集和合运算的形式模型。

（3）自然语言理解系统应用举例

主要知识点：句子的自动理解;语言的自动生成;文本的自动翻译;语音识别。

2．本章的重点与难点、需掌握的主要知识：

教学重点为自然语言理解系统的主要模型。

3．预备知识要求

了解文本分析、词频统计相关概念。

4．主要参考资料

[1] 林奕欧,雷航,李晓瑜,吴佳.自然语言处理中的深度学习:方法及应用[J].电子科技大学学报,2017,46(06):913-919.

[2] 徐愚. 机器与语言[D].中共中央党校,2016.

[3] 张静. 基于自然语言处理的智能识别和智能控制应用[D].南京邮电大学,2017.

[4] 宋鹏飞,孙勇,季民,张立国,郑岩.基于自然语言处理的大气质量舆情空间化方法研究[J/OL].测绘地理信息:1-5[2021-01-12].

[5] Doğan KÜÇÜK,Nursal ARICI. A LITERATURE STUDY ON DEEP LEARNING APPLICATIONS IN NATURAL LANGUAGE PROCESSING[J]. Uluslararası Yönetim Bilişim Sistemleri ve Bilgisayar Bilimleri Dergisi,2018(2).

[6] Nandini Sethi,Prateek Agrawal,Vishu Madaan,Sanjay Kumar Singh. A Novel Approach to Paraphrase Hindi Sentences using Natural Language Processing[J]. Indian Journal of Science and Technology,2016,9(28).

                

第九章 智能控制  

1．本章主要内容： 

（1）智能控制概述

主要知识点：智能控制的概念和作用。

（2）智能控制的研究领域

主要知识点：智能控制实际应用情况的复杂性、多变性、不确定性。

（3）智能控制系统

主要知识点：智能控制系统的原理、计算机管理系统、视频点播系统。智能家居。

2．本章的重点与难点、需掌握的主要知识：

教学重点智能控制系统和相关分类。

3．预备知识要求

了解控制相关概念，理解神经网络相关知识。

4．主要参考资料

[1] 杨天旭. 全方位移动AGV智能控制技术研究[D].南京航空航天大学,2016.

[2] 步青. 无人机视觉智能控制相关技术研究[D].浙江工业大学,2017.

[3] 包为民,祁振强,张玉.智能控制技术发展的思考[J].中国科学:信息科学,2020,50(08):1267-1272.

[4] Kan-ichirō Katsura,Takashi Isobe. Automatic Control and Automatic Changing of Hot Blast Stoves[J]. Tetsu-to-Hagané Overseas,2020,5(1).

[5] Valery Dudykevych,Blintsov Oleksandr. TASKS STATEMENT FOR MODERN AUTOMATIC CONTROL THEORY OF UNDERWATER COMPLEXES WITH FLEXIBLE TETHERS[J]. EUREKA: Physics and Engineering,2016,0(5).

[6] Alessandro Giua,Manuel Silva. Petri nets and Automatic Control: A historical perspective[J]. Annual Reviews in Control,2018,45.