人工智能与应用(选修)
课程时长: 21小时11分钟
主讲教师: 裴振奎
人工智能是计算机科学中的重要内容,已经成为计算机技术发展以及许多高新技术产品中的核心技术,几乎在所有领域都具有非常广泛的应用。《人工智能与应用》是计算机科学与技术、软件工程、网络工程等专业本科生的一门基础选修课程。本课程主要介绍人工智能问题求解的一般性原理和基本思想以及一些前沿内容,为学生提供最基本的人工智能技术和有关问题的入门性知识,为进一步学习和研究人工智能理论与应用奠定基础。本课程的教学目标是:① 了解人工智能的特点、主要研究领域、研究历史及未来发展动向;② 掌握人工智能的基本概念、基本原理和基本方法;③了解应用人工智能技术解决实际问题的范例。
- 绪论
- 人工智能的产生与发展(一)
- 人工智能的产生与发展(二)
- 人工智能的主要研究领域
- 人工智能典型应用展现与体验
- 知识表示
- 命题逻辑基础-命题和联结词
- 命题逻辑基础-命题公式
- 命题逻辑基础-逻辑等价与蕴含
- 谓词逻辑基础-谓词和量词
- 谓词逻辑基础-谓词演算的永真式与蕴含式
- 一阶谓词逻辑表示法-知识与知识表示的概念
- 一阶谓词逻辑表示法-一阶谓词逻辑表示法
- 产生式表示法
- 框架表示法
- 确定性推理方法
- 自然演绎推理(一)
- 自然演绎推理(二)
- 归结演绎推理(1)
- 归结演绎推理(2)
- 不确定性推理方法
- 不确定性推理中的基本问题
- 概率方法
- 可信度方法
- 证据理论
- 模糊推理方法(一)
- 模糊推理方法(二)
- 搜索求解策略
- 搜索的概念
- 状态空间搜索策略
- 盲目的图搜索策略
- 启发式图搜索策略
- 智能计算及其应用
- 进化算法的产生与发展
- 基本遗传算法(一)
- 基本遗传算法(二)
- 遗传算法的改进算法
- 遗传算法的应用
- 粒子群优化算法及其应用
- 蚁群算法及其应用
- 差分进化算法及其应用
- 量子进化算法及其应用
- 专家系统与机器学习
- 专家系统的产生发展及概念
- 专家系统的工作原理及建立
- 专家系统实例
- 专家系统的开发工具
- 机器学习的基本概念
- 符号学习
- 知识发现与数据挖掘
- 深度学习(一)
- 深度学习(二)
- 人工神经网络及应用
- 神经元与神经网络
- BP神经网络及其学习算法
- BP神经网络的应用
- Hopfield神经网络及其改进
- Hopfield神经网络的应用
- 卷积神经网络及其应用
- 人工智能机遇-挑战及未来
- 9.1 人工智能机遇-挑战及未来