《人工智能》实验指导书
- 简介
本实验课程是自动化、智能、测控等专业学生的一门专业课程，通过实验，
帮助学生更好地掌握人工智能中涉及的相关概念、算法，具体包括掌握不同搜索
策略的设计思想、步骤、性能；掌握神经网络的基本原理和学习机制；掌握机器
学习的基本方法和应用。
实验要求：
实验前复习课程中的有关内容，准备好实验数据；
编程环境和语言不限；
独立完成实验报告。 - 实验与评价形式
实验以分组形式完成，每组不超过5 人，每个人均需完成所有实验内容，但
可取最好的实验结果作为本组的最后成绩。实验完成后将组织集体汇报，以组为
单位汇报实验内容与结果，同时统计每组最终成绩。每位同学在每个实验部分的
得分按照其个人在组内排名和整组排名综合计算。 - 实验内容
实验一：搜索策略
实验目的：熟悉和掌握各种启发式搜索策略的思想，掌握A算法的定义、
估价函数和算法过程，理解求解流程和搜索顺序。
实验基本内容：1）编程实现A算法，并在给定地图（maze-grid.txt）上
实现路径规划；
2）与贪心法等其他算法搜索结果进行比较。
实验扩展（可选）内容：设计不同的启发式函数，并进行比较。
实验二：神经网络
实验目的：理解反向传播网络的结构和原理，掌握反向传播算法对神经元的
训练过程，了解反向传播公式。通过构建BP 网络实例，熟悉前馈网络的原理及
结构。
实验基本内容：1）编程实现BP 算法，利用Minist 手写数字集，训练和测
试手写数字识别。
实验扩展（可选）内容：利用卷积网络实现Minist 手写数字的识别。
实验三：机器学习
实验目的：理解典型机器学习模型的结构和原理，掌握回归模型的参数优化
过程及参数求解表达式，并研究不同损失函数对机器学习模型性能的影响。通过
构建线性回归、KNN 等机器学习模型实例，熟悉回归模型的原理和优化过程。
实验基本内容：1）编程实现线性回归、KNN 回归、卷积神经网络CNN 算法，
利用某个国家或地区新冠病例的数据，训练和测试不同损失函数以及激活函数下
回归模型的预测性能。
数据可参考：https://github.com/owid/covid-19-data/tree/master/public/data。
实验扩展（可选）内容：利用循环神经网络RNN/LSTN/RGU 实现对感染新冠
肺炎人数的预测。 - 提交材料
实验结束后需提交材料包括：
（1）以组为单位提交汇报PPT。PPT 内容包括但不限于：
- 实验过程，包括实验环境和设计过程；
- 数据集简介，包括数据内容、特征数量、样本总量、训练集测试集大小、
- 数据缺失或异常情况（如果有）、数据清洗过程（如果有）等；
- 算法、模型介绍，使用什么算法或模型，有无改进，如何改等；
- 实验结果；
- 进一步改进的设想。
（2）每人提交实验报告，基本内容要求与PPT 一致，实验结果为自己的实验
最终结果。
- 汇报安排
集中汇报以组为单位进行，为节省时间，PPT 内要求的内容不用完全汇报，
只需讲解其中的算法设计、实验结果、进一步改进的设想部分。每组汇报时间不
超过8 分钟。 - 成绩评定
实验成绩评分占比：
“实验完成情况”部分的评价综合教师评价、组间评价和组内互评，教师评
价占40%，组间评价占40%，组内互评占20%；评价按等级排名，排名在top 3
的记100 分，4-8 的记95 分，9-15 记90 分，16-最后记85 分。
“实验文档记录”部分由教师根据实验报告的内容、逻辑、规范等进行评价。
