人工智能课程

人工智能课程（共8篇）

篇1：人工智能课程

《人工智能》课程教学指南

课程编号：

英文名称：Artificial Intelligence 周讲课时数：34 学分数：2 课程简介：

人工智能是计算机科学的一个分支，是研究计算机实现智能的原理以及建造智能计算机的科学，人工智能的研究将拓展计算机更深层次的应用。本课程介绍人工智能的基本原理和一般理论，学习和研究知识表示、逻辑推理和问题求解、自然语言理解等内容。课程教学目的和要求：

本课程的目的是使计算机专业的学生在掌握了相关的计算机基本理论的基础上，对人工智能的基本概念和原理有一个较为全面的了解，掌握现代流行的智能处理的主要技术和方法，为智能信息分析和构建专家系统、智能决策支持系统等各类智能系统奠定基础。

教材：

1、《人工智能原理》 石纯一

清华大学出版社

参考书：

1、《人工智能原理及其应用》 周西苓

南京航空航天大学出版社

2、《人工智能与知识工程》 陈世福

南京大学出版社

成绩考核方式及评分标准：理论与技能综合考查（期末）。主讲教师：张亮1

篇2：人工智能课程

然后，需要掌握至少一门编程语言，毕竟算法的实现还是要编程的;如果深入到硬件的话，一些电类基础课必不可少;

人工智能一般要到研究生才会去学，本科也就是蜻蜓点水看看而已，毕竟需要的基础课过于庞大。

人工智能专业的主要领域是：机器学习人工智能导论(搜索法等) 图像识别 生物演化论 自然语言处理 语义网 博弈论等。 需要的前置课程主要有，信号处理，线性代数，微积分，还有编程(最好有数据结构基础)。

自学人工智能需要学的专业知识

人工智能是一个综合学科，如楼上所说。而其本身又分为多个方面如神经网络、机器识别、机器视觉、机器人等。一个人想自学所有人工智能方面并不是很容易的一件事。对于你想知道人工智能在编程方面需要多深的要求。怎么说好呢无论C++还是汇编他都是一门语言主要会灵活运用。大多机器人仿真都用的混合编程模式，也就是运用多种编程软件及语言组合使用。之所以这样是为了弥补语言间的不足。prolog在逻辑演绎方面比突出。C++在硬件接口及windos衔接方面比较突出，MATLAB在数学模型计算方面比较突出。如果单学人工智能算法的话prolog足以，如果想开发机器仿真程序的话VC++ MATLAB应该多学习点。对于你想买什么书学习。我只能对我看过的书给你介绍一下，你再自己酌量一下。

人工智能算法方面:《人工智能及其应用》第三版、人工智能与知识工程。这两本感觉买一本就可以了~第一本感觉能简单并且全面点。这类书其实很多可是。大多内容都是重复的所以买一到两本即可。

机器视觉算法方面:《机器视觉算法与应用》这本书讲的大多都是工业化生产中机器视觉应用。从内容来说并不是很简单，建议不要当入门教材来学习。

机器人方面：新版《机器人技术手册》日译的书，可能这是我当初在当当网里找到唯一一本比较全面实用的机器人方面的书。这本书由基础到应用以及一些机器人实际问题上讲述得很全面。强烈建议买一本。

人工智能专业发展历史

4月3日，中国高校人工智能人才国际培养计划启动仪式在北京大学举行。教育部国际合作与交流司司长许涛透露，教育部将进一步完善中国高校人工智能学科体系，在研究设立人工智能专业，推动人工智能一级学科建设。教育部在研究制定《高等学校引领人工智能创新行动计划》，通过科教融合、学科交叉、进一步提升高校人工智能科技创新能力和人才培养能力。

204月8日，西安交通大学人工智能拔尖人才培养试验班宣告成立，将于年面向全国招生。每年计划招生40人左右，高考招生选拔15人左右，校内新生选拔15人左右，少年班再选拔10人左右。

人工智能其实就在身边

人工智能听起来“高大上”，其实它早已在我们身边。

手机可能就是人工智能离你最近的东西。用美颜相机拍一张美美的自拍照，就是因为人工智能为手机提供了图像处理解决方案;出门前想要知道天气怎么样，来一句“嘿，Siri”，唤醒手机里的语音助手即可。这些简单的操作，实际上就有人工智能的介入，且扮演着重要角色。刚过去的“双十一”，如果你的订单中有书籍、羽绒服，再次打开手机淘宝、京东等手机APP时，你会发现首页的推送物品就有书籍、羽绒服。这些广告也是基于大数据分析结果所进行的智能推送。指纹解锁、语音输入法等人工智能技术已集成到手机中。

篇3：人工智能课程

人工智能是计算机科学的一个分支,被认为是21世纪三大尖端技术之一。它是在科学技术迅速发展及新思想、新观点、新理论、新技术不断涌现的形势下出现的一门学科,也是一门涉及数学、计算机科学、控制论、信息论、系统论、神经生理学、心理学、哲学、语言学等学科的交叉和边缘学科。[1]人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来人工智能带来的科技产品,将会是人类智慧的“容器”。

人工智能学科研究的主要内容包括知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。与其他计算机课程相比,人工智能课程知识点多、涉及面广、内容抽象,算法复杂,理论枯燥,无法引起学生的兴趣,通常理论教学效果欠佳。实验教学是课堂内容的实例化和延伸,可以让学生从实验中体验到人工智能的价值,充分激发学生潜能,极大提高学生的动手能力,人工智能实验课是人工智能课程不可缺少的一个重要环节。

●“人工智能”课程实践教学的不足之处

现阶段人工智能实践课程主要不足之处表现在以下两个方面:

1主要采取集中式实验教学方法。该方法能够确保与课堂教学保持同步,便于统一进度和统一管理,但这种集中式实验教学模式不利于兼顾众多不同层次水平学生的要求,也不能充分重视学生的个性发展。对于学生实践能力的培养,由于存在个体差异,笼统地对以班级为单位的学生采用相同的实验教学进度和时数,并不能达到理想的实验教学效果。[2,3]

2评价方式单一,无法激发学生的自主学习性。长期以来实践教学评价以教师为主体,教师根据学生实验操作结果和实验报告定优劣。该评价方式没有注重实验过程,无法体现学生对自身素质评价的自主性和民主性,进而教师忽略了学生的实践过程,无法调动学生的自律性,不能有效激发学生自主学习的积极性。

●多层次开放式实践教学模式

实践教学不仅能传授知识、验证理论、培养技能,而且相对于理论教学具有直观性、实践性、综合性、设计性与创新性等特点。[4]学生到大三,虽然专业课程学习比较全面,但编程能力参差不齐,个体差异较大。一方面,教师很难把握该阶段学生所具备的能力;另一方面,学生也不知道自己到底可以综合运用哪些知识来完成什么任务。现有的集中式实践教学模式内容过于单一,无法兼顾不同层次水平学生的要求,故不能很好地发挥所有学生的特长,不能体现学生的创新能力。在人才培养过程中单纯依靠课程实践教学环节还远远不够,还需与教学、科研创新活动相结合,为了拓展专业实践范围和方式,综合现有实践教学环节和创新活动,笔者提出了一种多层次开放式的实践教学模式。

这种模式是一种鼓励式教学模式。教师制定统一的实验大纲,为学生提供具有多个不同层次(验证性、设计性和综合性)的系统案例供学生选择。学生根据自己的兴趣和能力选择案例,在完成一部分内容后,自己确定下一步目标,在实践过程中不断提高自己的目标。结果就是能力较差的学生选择简单案例,能力强的学生可以完成较难的案例,不同层次的学生都有热情参与,都有机会挑战自己,提高动手能力。

●多元化学业评价方法

传统的学生实践课程评价则以教师为主导,由教师对学生实施评价,学生被动地接受评价及其评价结果,导致学生参与的主动性、积极性不高。过程性评价[5]应该贯穿学生实践课程的整个过程,即需要采用多元化的评价方式,根据实践内容进行多方面的评价。与传统的教学评价相比,多元化评价具有以下优势:第一,改变评价的功能,重在促进学生发展。第二,评价的内容更加全面化。第三,评价的方法更加多样化。第四,评价的主体更加多元化。多元化评价强调评价主体的多元化,包含学生自评、同伴互评、教师评价等,多元的评价主体不仅能从不同的视角发现问题、反馈信息,而且各主体均能从中受益。评价者与被评价者之间成了一种互动的过程。[6]

1.注重评价过程

对于实践课程不能仅仅以最终的实验结果及实验报告为评价结果,还应该将学生在实践过程中的态度和相关过程结果纳入评价考核中。另外,要对学生的自我评价、学生之间的互评和阶段性成果进行整理,并最终形成评价结果。评价结果体现过程评价不仅可以充分激发学生的自律性,还能调动学生自主学习的积极性。

2.激励性原则

在每个层次的实验内容中可以定期组织几次对抗赛,充分发挥它的对抗性、趣味性的优点,这样大家通过比赛可以互相切磋、互相鼓励、互相促进。在开展每次对抗赛的同时,可以让每个实验小组撰写开发报告,通过报告,可以检验大家对人工智能理论的理解程度,也可以达到让大家交流自己设计的心得和体会的目的,在报告过程中,教师要对于那些有创意的设计和技术应用给予指导和肯定。

3.差异性原则

不同层次的系统案例设定满足不同层次学生发展的需要。与此同时,在评价标准上也要体现出每位学生为实现自我发展所付出的努力程度和难易程度。在学生选择不同层次系统案例时,对于其评价标准应该了解。难度越大,则评价成绩越高,反之则略低。对于有创意的算法可给以加分或奖励,从而实现对差异性的尊重和对全面发展的激励。

●结束语

人工智能是一门正在发展中的综合性前沿学科,实践教学将人工智能从第一课堂延伸到第二课堂,活跃了气氛,提升了学生的创新能力。然而,现阶段人工智能实践课程主要以集中式实验教学模式为主,并采用单一的学业评价方法,很难调动学生的学习积极性和创新研发动力。因此本文提出多层次开放式实践教学模式,引入多元化学业评价方法,激励学生主动参与学习,从多方面提高学生实验课质量,帮助学生深入理解人工智能的基本概念和理论,培养了学生的创新能力,也加强了学生的实际动手能力和科研能力。

摘要：实践教学是人工智能课程的重要组成部分,对培养学生的创新能力和动手能力起着很大的作用。本文阐述目前实践教学中存在的问题,指出集中式基础课内实验不能有效提升学生的学习兴趣,不能充分发挥学生个性和创造力,提出多层次开放式实践教学模式,引入多元化学业评价方法,激励学生主动参与学习,从多方面提高学生实验课质量,帮助学生深入理解人工智能的基本概念和理论,培养了学生的创新能力,也加强了学生的实际动手能力和科研能力。

篇4：人工智能课程

关键词：计算思维；人工智能；能力培养

人工智能是当前发展非常迅速的一门前沿学科，也是本科计算机类专业的重要基础课程，因此探讨该门课程的教学新模式非常必要。在教学实践过程中，我们发现，本科生在学习这门课程时会遇到比较大的困难。主要是因为人工智能是一门多学科交叉的综合学科，涉及到计算机科学、认知科学、生物学、数学、心理学等众多领域，内容多，更新快，难度大。该门课程强调科研性和创新性，而本科生的科研意识和创新能力比较弱，因此培养学生的计算思维、应用能力和创新能力是教好这门课程的重点和难点。笔者结合在教学实践中发现的问题，分析人工智能和计算思维的内在联系，讨论在该门课程教学过程中如何开展有效的教学改革实践，以达到培养学生计算思维能力和创新能力的目的。

一、本科人工智能课程教学存在的问题

从理论教学上发现，本门课程内容抽象，而且涉及多个领域学科，对于本科生来说，第一次接触到综合性的前沿学科，往往不知所措。学生普遍反映该门课程理论性很强，涉及很多数理逻辑知识，太难理解，无法从全局掌握本门课程的知识。

从实验教学方面来说，考虑到目前人工智能领域应用最广泛的是模式识别，而研究模式识别的主要开发工具是Matlab，因此在实验课教学过程中，主要让学生学会使用Matlab软件进行模式识别领域的一些简单应用，比如手写数字识别和车牌识别等。然而，这些实验内容大都是一些验证性的实验，学生只是照着教师给的程序进行验证，或者下载网络公开的源代码进行调试和验证，缺乏创新。如果让学生自己编程，对于刚接触人工智能相关知识和Matlab编程工具的本科生来说，是一个很难实现的任务。因此在整个实验过程中，学生并不能从全局上掌握整个算法的思想，以至于达不到教学的目的和效果。

针对上述问题，笔者在教学实践中对教学方法进行了思考和改进。笔者认为，在人工智能的教学过程中，除了要把该门课程的基本原理和知识传授给学生，还要深挖更深层次的内容，传授典型问题的求解方法，使学生掌握相关的知识点，并教给学生科学的世界观和方法论。这样在教学过程中，我们将知识、能力与素质融会贯通，以人工智能领域的具体知识为载体，对学生进行能力培养，提高学生的创新意识。

二、人工智能教学中计算思维的培养

2006年，美国卡内基梅隆大学计算机科学系主任Jeannette M. Wing教授提出了计算思维的思想。该教授认为，计算思维是运用计算机科学的基础概念进行问题求解、系统设计以及人类行为理解等涵盖计算机科学之广度的一系列思维活动。计算思维的概念一经提出，就引起了教育界学者们的广泛关注。如何在教学实践中培养学生的计算思维，一直是学者们广泛关注的焦点。下面，我们将围绕计算思维能力要求，探讨如何在本科人工智能的教学过程中培养学生的计算思维能力，进而培养学生的应用能力和创新能力。

本科人工智能教材主要包括三个部分的内容，第一部分主要論述了人工智能的基本技术，即知识表示、推理及搜索；第二部分着重论述了专家系统、智能决策支持系统等研究领域的有关原理和技术；第三部分讨论了神经网络和计算智能的模型和算法。

第一部分内容比较抽象，对于这一章内容我们主要采用计算思维的抽象教学方法。在教授这一部分内容时，教师可以在授课前引导学生思考人类大脑的运作方式，然后在这纷杂的信息中概括和抽取出具有相同的内在特征，用统一的知识进行表示，并对未知的知识进行推理和搜索。这样的教学方式让学生学会从计算机技术的层面思考人脑思维方式的模型构建，通过层层思考、层层深入和层层解决问题的方式，使学生对这一部分内容有着更深层次的理解。

第二部分内容涉及系统的构建和实现，所以这一部分内容我们主要采用计算思维的案例教学方法。教师可以根据教学内容的需要，通过设置具体的案例，引导学生参与分析、讨论、构建模型和解决问题等活动，让学生在具体情境中积极思考和主动探索，培养学生认识问题、分析问题和解决问题的能力。这种教学方式充分发挥了学生的学习主动性，调动了学生的学习积极性和自觉性。

第三部分内容主要论述目前最流行的人工智能方法和技术，在这一部分内容的教学中，我们主要采用计算思维的转化教学方法。在教学中，首先，教师引导学生应用前面章节掌握的知识建立起算法的基本逻辑框架，通过计算机来实现算法原理的转化。实践效果表明，这种方式有助于将学生的通常思维模式转化为计算思维的模式。最后，教师根据学生对编程语言和算法源代码的掌握程度，指导学生自己独立编写智能算法的源代码，并和其他算法的计算结果进行对比分析。

注：本文受“广西混杂计算与集成电路设计分析重点实验室开放基金（HCIC201305）资助。

篇5：人工智能及其应用课程总结

20世纪40年代，计算机的发明揭开了人类发展的新篇章，使得人类追寻已久的脑力劳动机械化问题获得了解决的方法和途径。计算机能够代替人类大脑进行复杂的计算，并且能够根据计算对某些问题做出判断，从某种程度上代替了人脑的部分功能。而随着计算机计算机技术的发展，20世纪50年代人工智能(AI)这一新的学科门类的诞生，对人类的发展和进步有着重大的意义。

人工智能是指人类的各种脑力劳动或智能行为，诸如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动，可用某种智能化的机器来予以人工的实现。诸如机器编译、机器诊断、机器推理以及各种专家系统。随着人工智能技术的发展，引起了众多学科和不同专业背景学者们的日益重视，并且发展出了若干个研究子学科，如计算机科学、哲学、生理学、社会学、生物学、信息学和计算机数学等，人工智能成为一门广泛的交叉和前沿学科。因此，《人工智能及其应用》课程的学习，对于计算机应用研究技术、机械技术以及本人的专业——农业机械工程的学习和科研工作中，具有十分重要的作用。《人工智能及其应用》课程所讲授的知识涵盖面广、内容较多，其中许多章节所设计的知识都可以单独作为一门课程学习。因此，通过本学期对《人工智能及其应用》课程的学习，我重点总结一下主要学习和掌握的几方面知识：

1．人工智能的研究与应用领域。在人工智能这门学科中，包含有多个研究领域，每个研究领域都有其特有的感兴趣的研究课题、研究技术和术语，它们包括：自然语言处理、自动定理证明、智能数据检索系统、机器学习、模式识别、视觉系统、问题求解、人工智能方法和程序语言以及自动程序设计等。通过对这些研究领域的研究和应用介绍，我发现其中专家系统、机器学习、神经网络、模式识别、机器视觉和数据挖掘等方面的知识，是我所研究的专业领域和课题中，使用计算机软件进行数据处理和自动判别所需要的知识，对我课题的研究和完成将会有很大帮助。

2．知识表示与推理。本部分研究了传统人工智能的知识表示方法、搜索技术和知识推理。以符号和逻辑为基础的传统人工智能问题求解是通过知识表示和

知识推理来实现的。知识表示的方法有很多，包括图示法、公式法、结构化方法、陈述式表示、过程式表示、状态空间法和问题归约法等。表示问题是为了进一步求解问题，从问题表示到问题的解决有一个求解的过程，也就是搜索过程。因此，学习了图搜索策略和A*算法的方法和步骤。学习了消解原理这一用于一定的子句公式的重要推理规则，包括消解推理规则、含有变量的消解式、消解反演求解过程等。并且学习了规则演绎系统和产生式系统。它们是解决比较复杂的系统和问题的较为先进的推理技术和系统求解方法，能够解决搜索推理方法难以解决的一些问题。

3．计算智能。包括人工神经网络计算、模糊计算、粗糙集理论、遗传算法、进化策略、进化编程、人工生命、粒群优化、蚁群算法、自然计算和免疫计算。其中每一部分都可以作为单独的一门课程和知识进行深入的学习和研究。其中，我结合课程内容，重点学习和研究了人工神经网络。人工神经网络是模拟生物神经元的特性而产生的，是基于生物神经元特性的互联模型制造的算法及机器。包括有以下几个重要特性：并行分布处理、非线性映射、通过训练进行学习、适应与集成、硬件实现性。在本部分学习了神经网络是由基本处理单元——神经元及其互联方法构成的。其网络基本结构分为两类：递归网络和前馈网络。人工神经网络的主要学习算法有：有师学习、无师学习和强化学习三种。具体学习了自适应谐振理论网络、学习矢量量化网络、Kohonen网络、Hopfield网络，并且学习了基于神经网络的知识表示方法和推理方法。通过这部分的学习，了解了神经网络的应用方法和应用领域，由于其学习和适应、自组织、函数逼近和大规模并行处理等能力，因而在模式识别、信号处理、系统辨识和优化等方面有着广泛的应用。

4．机器学习。机器学习是一门研究机器获取新知识和新技能，并实现现有知识的学问。在此部分，主要学习了机器学习的主要策略、系统的基本结构和各种机器学习算法，包括：机械学习、归纳学习、类比学习、解释学习、神经学习和知识发现。而其中的一些学习方法又与以前学习章节中的内容有所交叉，如神经学习和人工神经网络。介绍了各种学习方法的定义、结构、基本计算方法和流程等知识。机器学习广泛的应用于图像处理、模式识别、机器人动力学与控制、自动控制、自然语言理解、语音识别、信号处理和专家系统等领域。

篇6：高职教育中人工智能课程改革方案

课程设置应与高职教育培养目标和方式相一致人工智能课程主要讲授当今智能领域的理论方法及其应用，是一门涉及哲学、逻辑学、语言学、控制论、生物神经学等多个学科的课程。以普通高校高年级计算机专业学生为讲授对象，人工智能课程在教学上一般以理论讲授为主，并辅以一些应用实例加以分析。课程本身理论性强，内容较为抽象，因此对学生专业知识基础的要求高，在教学上往往强调对各种智能理论的深入讲解和分析，以此达到提高学生专业理论水平的目的。

当前高职教育中为计算机专业学生所开设的人工智能课程很大程度上沿用了普通高等教育环境下的教学方式和内容，这显然与高职教育本身培养人才的目标和方式不一致。高职教育的最终目标是要培养适应生产需要的技能型、应用型人才，而高职教育在教学方式上应更为注重实践教学，包括各种实验、实训、实习和设计。因此，人工智能课程中单纯的理论讲授并不能有效地适应高职教育的实际教学环境要求，有必要对人工智能课程在教学内容和方式上加以改革。三个改革途径（一）引导学生阅读应用研究文献高职教育强调培养学生的知识应用技能，其中重要的一点是要培养学生把理论知识应用到实际生产中的能力。然而在教学实践过程中，学生普遍反映由于人工智能课程理论性强，难于从课本理论联系到实际的专业应用上，这样对激发学生的学习兴趣，提高技能应用水平是不利的。实际上，人工智能涉及的应用领域极为广泛，其中在专家系统、模式识别、智能控制、数据挖掘、自然语言理解等方面尤为突出，每一种应用都能够很好地体现出人工智能学科的基本理论方法特点。因此，在课程学习的开始阶段，应让学生按照个人兴趣自行选定某个应用领域，在一定的提示和引导下通过检索有关文献，访问相关的科研院校网站等方式获取资料，了解当前该领域的发展现状和具体产品的开发和使用情况，最后在课程的结束阶段以学习报告的形式在课堂上加以演示和共同讨论，这样可以大大激发学生学习人工智能课程的主观能动性，开阔学生的知识视野。资料的收集阅读与思考是知识应用的首要环节，对于培养应用型人才的知识应用技能很有帮助。（二）安排学生对经典算法程序进行实验与普通高等教育相比，高职教育更加强调实践教学的重要性。从实践中学习和理解理论知识，并且把所学知识运用到实践中，这是高职教育的重要特点。人工智能课程内容抽象而概念性强，单纯的理论讲解学生难以从中得到启发，也难以体现出高职教育突出实践教学的特点，为此需要安排学生动手实验，从实践中理解人工智能科学的理论原理和应用途径。在人工智能科学的发展过程中，先后提出了一些经典的优秀算法程序，如A*算法、遗传算法、神经网络的BP学习算法等，在科研和工程实际中得到了广泛的应用，在实践教学中同样有着重要价值。根据教学要求和实际情况，学生并不需要自行设计关于这些算法的具体程序，在提倡开放和共享源代码的今天，通过网络能够获得大量相关的程序代码资源。同时，一些软件平台也集成了一些工具箱，如遗传算法工具箱、神经网络工具箱等，只需设定相关输入参数和数据，便可通过调用工具箱函数实现算法，极为简便而易于理解。学生应通过对这些程序作验证性实验来理解所学内容。为安排学生有效地进行实验，教师应结合当前阶段所讲授的内容准备相应的算法程序，当该部分内容结束后在课堂上讲解和演示算法程序的运行方法。学生获得该算法程序以及具体的实验任务后在课后完成实验并提交实验报告。例如，在讲授启发式搜索时，可向学生提供A*算法求解八数码难题的算法程序，并对某个学生给定某个初始棋盘状态，要求学生动手运行程序并记录由算法扩展所得的每个棋盘状态的估价函数计算结果，以及相应的`OPEN表和CLOSED表的变化情况，从中理解A*算法的原理特点。又如，在讲授BP学习算法时，可根据学生的实际情况对内容进行调整，强调BP神经网络的实际工程应用价值，而对BP算法的基本原理只作简单介绍。向学生提供利用BP神经网络学习特定目标函数的MATLAB程序代码后，要求学生动手运行该程序，并且记录和对比神经网络在训练前后对目标函数的逼近效果。

（三）启发学生引入人工智能理论方法对毕业设计加以创新

毕业设计是高职教育的重要环节，学生通过毕业设计对以往所学知识作系统性总结，通过毕业设计能进一步加强学生的技能训练，提高学生的技能应用水平。从实践教学的角度来讲，毕业设计不仅仅要求学生对已学知识和技能的简单重复运用，更重要的是强调学生能够主动独立地分析实际问题，对问题的解决方法提出新的观点并付诸实践。然而从教学的实际来看，在毕业设计中学生创新的主动性不足，往往停留在继承和模仿阶段，毕业设计作品少有突破和创新。究其原因，并非学生所学知识和技能不足，而是学生未懂得如何分析已有问题，在其基础上引入新的解决方法或提出新的应用内容。在计算机领域中，人工智能属于研究和创新的前沿和热点，许多旧有问题利用人工智能方法都得到了新的解决途径。教师在指导学生毕业设计时，可针对某一问题恰当地启发学生引入人工智能的理论和方法，并尝试性地运用在解决当前问题之中，这样能较容易地获得新的改进和突破，对培养学生创新观念和能力很有意义。近年来，高职教育得到了迅速发展，其社会认可度也不断提升。但是，在发展的过程中也出现了一些新的问题，其中突出的是如何对以往普通高等教育的教学方式和内容加以改革，以适应高职教育的新要求。人工智能课程作为一门重要的计算机专业课程，仍需要结合高职教育的实际要求以及学生的具体情况，在加强培养应用型、技能型人才，加强实践教学上不断进行探索和改革。参考文献：[2]韦芳.高等职业技术教育应注重实践教学[J].中国科技信息，，（5）：264.，高职教育中人工智能课程改革方案飞雪

篇7：人工智能课程

课 程:人工智能课程设计报告

班 级: 姓 名: 学 号: 指导教师:赵曼

2015年11月

人工智能课程设计报告

人工智能课程设计报告

课程背景

人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。

人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。

人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。

人工智能是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。也被认为是二十一世纪三大尖端技术（基因工程、纳米科学、人工智能）之一。这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。

人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。

人工智能课程设计报告

a[] a[i]=0表示第i行上还没有皇后；

b[] b[i]=0表示第i列反斜线/上没有皇后； c[] c[i]=0表示第i列正斜线上没有皇后。

棋盘中同一反斜线/上的方格的行号与列号相同；同一正斜线上的方格的行号与列号之差均相同，这就是判断斜线的依据。

初始时，所有行和斜线上都没有皇后，从第1列的第1行配置第一个皇后开始，在第m列，col[m]行放置了一个合理的皇后，准备考察第m+1列时，在数组a[]，b[]和c[]中为第m列，col[m]行的位置设定有皇后的标志；当从第m列回溯到m-1列时，并准备调整第m-1列的皇后配置时，清除在数组a[],b[]和c[]对应位置的值都为1来确定。

2)遗传算法

遗传算法的基本运算过程如下：

a)初始化：设置进化代数计数器t=0，设置最大进化代数T，随机生成M个个体作为初始群体P(0)。b)个体评价：计算群体P(t)中各个个体的适应度。遗传算法 遗传算法

c)选择运算:将选择算子作用于群体。选择的目的是把优化的个体直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代。选择操作是建立在群体中个体的适应度评估基础上的。d)交叉运算：将交叉算子作用于群体。遗传算法中起核心作用的就是交叉算子。

e)变异运算：将变异算子作用于群体。即是对群体中的个体串的某些基因座上的基因值作变动。群体P(t)经过选择、交叉、变异运算之后得到下一代群体P(t+1)。

f)终止条件判断:若t=T,则以进化过程中所得到的具有最大适应度个体作为最优解输出，终止计算。

3）csp最小冲突法

（1）初始化N个皇后的一个放置，允许有冲突

（2）考虑某一行的某个皇后，她可能与x个皇后冲突，然后看看将这个皇后移动到这一行的哪个空位能使得与其冲突的皇后个数最少，就移动到那里。（也可以考虑列，是等价的）（3）不断执行（2），直到没有冲突为止

2.数据结构

使用数组结构存储相关数据 一维数组：

t + n] == 1||rd[i + t] == 1)continue;

//没有冲突 ver[i] = 1;ru[i

人工智能课程设计报告

}

} //后退处理 rd[i + t] = 0;ru[i1;i++){

}

cout << endl;*/ cout << “row:” << i << “ col:” << this->ChromosomeMatrix[i][0] << endl;g = 1;if(DisplayAllAnsures)this->FillArea(k);this->CostMatrix[k] = this->CostFunc(k);bool DisplayAllAnsures=PrintChessBoard;//是否输出所有棋盘结果 int g = 0, num = 0;

//逐个检查第row行的每个位置，看看是否存在冲突数更小的位置 for(int i = 0;i < N;i++){

} if(i == cur_col)continue;

int conflict = col[i] + pdiag[GetP(row, i)] + cdiag[GetC(row, i)];if(conflict < min_conflict){

} min_conflict = conflict;optimal_col = i;+ cdiag[GetC(row, optimal_col)]

人工智能课程设计报告

}

} col[optimal_col]++;pdiag[GetP(row, optimal_col)]++;cdiag[GetC(row, optimal_col)]++;R[row] = optimal_col;if(col[cur_col] == 1 && col[optimal_col] == 1

} && pdiag[GetP(row, optimal_col)] == 1 && cdiag[GetC(row, optimal_col)] == 1){ return Qualify();//qualify相对更耗时，所以只在满足上面基本条件后才检查

//否则当前点就是最佳点，一切都保持不变

return false;//如果都没变的话，肯定不满足终止条件，否则上一次就应该返回true并终止了

//检查冲突

bool CSP_Queens::Qualify(){

} //最终用户调用函数，numOfQueens为输入皇后数，PrintChessBoard判断是否输出棋盘表示 int CSP_Queens::CSPAlgorithms(bool PrintChessBord){

srand((unsigned)time(NULL));Init();if(Qualify()){//运气很好，初始化后就满足终止条件

} bool end = false;while(!end){

for(int i = 0;i < N;i++){ if(Adjust_row(i)){ end = true;if(PrintChessBord)Print_result();return 0;for(int i = 0;i < N;i++){

} return true;if(col[R[i]]!= 1 ||

} pdiag[GetP(i, R[i])]!= 1 || cdiag[GetC(i, R[i])]!= 1){ return false;

人工智能课程设计报告

2.遗传算法

3.CSP最小冲突算法

人工智能课程设计报告

总的来说，回溯在n值很小时，效率很高，但其求解范围很小，超过35基本就解不出来，遗传算法求解范围适中。在n值很大(>100)时，前两者都不能再解决，此时，CSP最小冲突法的效率最高，且与n值没有必然的联系。

总结

通过此次课程实习不仅大大加深了我对几种经典搜索算法的理解，而且帮助我很好的复习了队列、堆栈、图、文件读写这几部分的内容，使我对几种基本的数据结构类型的运用更加熟练。在解决这些问题的过程中我不但很好的巩固了数据结构的相关知识，而且提高了编程及程序调试能力，增强了自己编程的信心。

总之，在这次课程实习过程中我是实实在在学到了一些课堂上学不到的东西，同时也提高了实践能力。同时在这个过程中也暴露了自己的不少问题，在今后的学习过程成也会更加有针对性。最后还要感谢老师的悉心指导，解答我编程过程中的疑问、指出我程序中的不足，及提出可行的解决方法，让我的程序的功能更加完善。

CSP算法源代码：

//CSPAlgorithms.h #pragma once

class CSP_Queens { public: //构造函数，numOfQueens为输入皇后数，CSP_Queens(int numOfQueens);~CSP_Queens();

private:

//row[i]表示当前摆放方式下第i行的皇后数，int *row;//col[i]表示当前摆放方式下第i列的皇后冲突数 int *col;int N;//放置N个皇后在N*N棋盘上

//从左上到右下的对角线上row-col值是相同的，但是这个值有可能是负值，最小为

12]，2*N-1条，作为对角线编号

//R[]用来存储皇后放置位置，R[row] = col表示(row,col)处,即“第row行第col列”//cdiag[i]表示编号为i的对角线上的皇后数 int *cdiag;//counter diagonal,副对角线

有个皇后

int *R;

public:

int swap(int &a, int &b);

//给定二维矩阵的一个点坐标，返回其对应的左上到右下的对角线编号 int GetP(int row, int col);//给定二维矩阵的一个点坐标，返回其对应的右上到左下的对角线编号 int GetC(int row, int col);//返回begin, begin + 1,..., endbegin个数中的随机的一个 int My_rand(int begin, int end);//左闭右开[begin, end)

人工智能课程设计报告

N = numOfQueens;row = new int[N];col = new int[N];pdiag=new int[2 * N];cdiag=new int[2 * N];R=new int[N];}

CSP_Queens::~CSP_Queens(){ if(NULL!= row)delete[]row;if(NULL!= col)delete[]col;if(NULL!= pdiag)delete[]pdiag;if(NULL!= cdiag)delete[]cdiag;if(NULL!= R)delete[]R;} int CSP_Queens::swap(int &a, int &b){ int t = a;a = b;b = t;return 0;} //

int CSP_Queens::GetP(int row, int col){ return row1;}

int CSP_Queens::GetC(int row, int col){ return row + col;} //返回begin, begin + 1,..., endbegin个数中的随机的一个 int CSP_Queens::My_rand(int begin, int end)//左闭右开[begin, end){ return rand()%(end

人工智能课程设计报告

{

} for(int i = begin;i <= end1;i++){ pdiag[i] = 0;cdiag[i] = 0;} //初始化当前棋局的皇后所在位置的各个冲突数 for(int i = 0;i < N;i++){ col[R[i]]++;pdiag[GetP(i, R[i])]++;cdiag[GetC(i, R[i])]++;} //用最小冲突算法调整第row行的皇后的位置（初始化时每行都有一个皇后，调整后仍然在第

+ cdiag[GetC(row, optimal_col)]

人工智能课程设计报告

} } //当前点就是最佳点，一切都保持不变

return false;//如果都没变的话，肯定不满足终止条件，否则上一次就应该返回true并终止了 }

//检查冲突

bool CSP_Queens::Qualify(){ for(int i = 0;i < N;i++){

if(col[R[i]]!= 1 ||

pdiag[GetP(i, R[i])]!= 1 ||

cdiag[GetC(i, R[i])]!= 1){

return false;

} } return true;} void CSP_Queens::Print_result(){

} cout << “-------结果为:” << endl;cout << endl;for(int j = 0;j < N;j++){ for(int k = 0;k < N;k++){

if(R[j] == k)

cout << “Q”;

else

cout << “+”;

cout << “ ”;} cout << endl;} //最终用户调用函数，numOfQueens为输入皇后数，PrintChessBoard判断是否输出棋盘表

人工智能课程设计报告

int N;cin >> N;int time1 = clock();CSP_Queens myQueens(N);myQueens.CSPAlgorithms(end);int time2 = clock();cout << “---” << N << “皇后问题耗时：” << time2

读书的好处

1、行万里路，读万卷书。

2、书山有路勤为径，学海无涯苦作舟。

3、读书破万卷，下笔如有神。

4、我所学到的任何有价值的知识都是由自学中得来的。——达尔文

5、少壮不努力，老大徒悲伤。

6、黑发不知勤学早，白首方悔读书迟。——颜真卿

7、宝剑锋从磨砺出，梅花香自苦寒来。

8、读书要三到：心到、眼到、口到

9、玉不琢、不成器，人不学、不知义。

10、一日无书，百事荒废。——陈寿

11、书是人类进步的阶梯。

12、一日不读口生，一日不写手生。

13、我扑在书上，就像饥饿的人扑在面包上。——高尔基

14、书到用时方恨少、事非经过不知难。——陆游

15、读一本好书，就如同和一个高尚的人在交谈——歌德

16、读一切好书，就是和许多高尚的人谈话。——笛卡儿

17、学习永远不晚。——高尔基

18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。——刘向

19、学而不思则惘，思而不学则殆。——孔子

篇8：人工智能课程

人工智能 (Artificial Intelligence, AI) 主要研究用人工的方法和技术, 模仿延伸和扩展人的智能, 从而实现机器智能[1]。人工智能是一门交叉学科[2], 涉及数学、计算机科学、控制论、信息学、心理学等学科, 是当今科学技术发展的一门前沿学科。

自1956年达特茅斯会议召开以来, 在人工智能50多年的发展史中可以看到, 人工智能正发生着翻天覆地的变化, 人工智能在我们的生活中扮演着越来越重要的角色。当前, 几乎所有的科学与技术都共享着人工智能领域所提供的理论和技术, 人工智能作为计算机学科的重要分支, 已成为人类在信息社会和网络经济时代所必须具备的一项核心技术, 大量的实践表明, 学好人工智能课程对于更加有效地利用好计算机技术创造性的求解实际复杂问题有重要的作用和深远的指导意义。

2.《人工智能导论》作为公选课的意义

目前, 我国高等教育能否适应21世纪知识经济的发展, 学校培养的学生是否符合经济时代的要求是一个重要的课题, 关注人的创新精神, 创新能力和创新人格培养的创新教育理念已成为社会发展的必然[3]。以《人工智能导论》作为公选课是符合这一要求的。通过人工智能课程的学习, 对学生的培养有以下几个方面的帮助:

2.1 训练学生的逻辑思维能力

由于人工智能是对人类智能的一种模拟, 人脑所从事的推理、证明、识别、理解、设计、学习、思考过程是一种逻辑思维过程。在人工智能的讲授过程中, 通过强调问题求解方式、方法和习惯的培养, 将一些貌似分离的内容之间存在的内在规律性东西讲通说透, 帮助学生发现隐含在这些基本概念、原理、方法和算法背后的问题求解模式, 有助于提高学生的分析、判断水平, 使学生获得触类旁通的能力。

2.2 培养学生多角度思维的能力

一般来说, 高校各专业开设的公共计算机课程主要用于结构化问题的求解。人工智能是解决非结构化、半结构化问题的有效技术, 通过人工智能课程的学习, 可以深化学生对于非结构化、半结构化问题求解过程的了解, 培养学生多角度思维的能力, 提高信息素养。

2.3 提高人际交往能力, 学会与他人的合作

在人工智能课程教学过程中, 不管是开发专家系统还是人工智能的其他应用, 都需要多人的合作, 相互配合才能完成。通过这一过程可以锻炼学生的人际交往能力, 培养情商, 为学生走向工作岗位后的发展打好基础。

2.4 拓宽学生的知识面, 了解信息技术发展的前沿

人工智能是一门实践性很强, 应用性很广的外向性学科, 其课程内容内涵极其丰富, 内容涉及计算机科学、信息科学、控制科学、系统科学、数学、心理学、电子学、生物学、语言学和哲学等等, 几乎所有的科学工作者都可以在人工智能中找到自己感兴趣的问题。同时课程内容外延极其广泛。人工智能是将整个科学体系作为自己潜在的应用领域。人工智能的广泛应用能够将人类从低层次的烦琐而单调的操作和控制决策中解脱出来, 它将使整个科学体系和人类的生活方式发生本质性的改变。通过课程的讲授可以拓宽学生的知识面, 了解信息技术发展的前沿。

2.5 引导学生正确看待科学的发展

人工智能学科经历50多年的发展, 已获的十分可喜的成就, 但同时也面临许多困难和挑战, 其理论、研究方法和技术路线等方面存在几种不同的学派, 引起许多争论, 这些争论促进了人工智能的发展, 人工智能所面对的许多课题人处于探索之中, 理论和技术远未成熟。通过学习, 引导学生正确看待科学的发展, 让他们了解任何新生事物的成长都不是一帆风顺的, 从而培养学生对人工智能学科的兴趣, 树立对人工智能学科发展的信心。

3. 教学模式

人工智能是一门多学科交叉的课程, 具有知识点多, 牵涉面广;内容抽象, 不易理解;理论性强, 需要较好的数学基础和较强的逻辑思维能力等特点, 导致教师、学生在教、学的过程中都显得比较吃力, 教学过程中主要存在的问题有【5】: (1) 教学内容陈旧; (2) 课程内容覆盖较窄, 难以适应社会对信息人才的大量需求; (3) 教学手段单一, 缺乏师生间的交流; (4) 不能指导学生进行个性化学习和协同学习, 学习效果不佳; (5) 考核方法不合理, 无法全面了解学生的掌握程度。如果《人工智能导论》作为公选课, 以上为题尤为突出, 因此需对教学模式进行改进, 才能达到开设公选课的目的。

3.1 合理组织教学内容, 激发学生的学习兴趣

教学内容的确定是课程的首要任务, 如何选好教学内容, 使学生既能了解本领域的概貌, 又适合学生的基础, 便于他们在有限的时间完成学习任务。作为公选课, 教学内容除了包含基础理论外, 还应反映人工智能领域的新发展和新动态, 跟上学科发展的步伐。因此其内容不能局限于某个领域, 应按照选课学生的专业, 精心选择教学内容, 可以以讲座形式开展, 在组织专题时, 内容应涵盖绪论、搜索技术、知识推理、进化计算、机器学习、模式识别、自然语言处理等。专题内容的组织应在大量查阅文献的基础上, 以起源、国内外研究现状、主要研究成果和代表性人物、目前存在的主要问题的结构进行。由于不同专业学生的先修课程不同, 因此在教学内容中应尽量简化枯燥繁琐的数学推导和定理证明, 将重点放到解决问题的原理和思路上。由于课程内容与自己专业相关, 且包含大量的前沿知识, 符合当代大学生喜欢新生事物的特点, 激发他们的学习兴趣。

3.2 教学方法的运用

传统的教学方法手段单一, 缺乏交流, 尤其人工智能课程内容抽象, 教学效果往往不理想。为了取得较好的教学效果, 可以采用以下方法:

3.2.1 精心制作PPT教案

由于教学内容是以专题形式组织, 不适宜选择成型的教材, 因此需要制作教案, 采用文字、图像、声音、视频等多种媒体表现形式, 以利于将各研究领域代表性成果和代表性人物及背景知识讲透。教学过程中, 利用大屏幕投影的优势, 将一些需要教师在黑板上动态演示的过程作成FLASH动画, 既可以在课堂上演示, 也可以由学生在课后自己观摩, 目的在于使人工智能抽象的知识形象化, 便于学生理解。

3.2.2 提供网络资源

随着网络的发展, 网上资源已成为学生不可或缺的教育资源, 可以向学生提供一些人工智能学科的专业网站, 有助于有兴趣的学生更多的了解本学科的前沿信息。目前的典型网站有[4]:

(1) 专家系统网站http://www.expertise2go.com/

(2) 中国人工智能网站http://www.chinaai.org/

(3) 人工智能研究者俱乐部http://www.souwu.com/bitfarmer

3.2.3 引入课堂讨论

组织课堂辩论, 讨论议题包括人工智能的哲学、人工智能的应用前景等有争议的问题, 以激发学生的学习潜能, 明确学习目的。

3.3 考核方式的选择

人工智能作为公选课其考核方式不能沿用以往的方式, 应采用能反映学生能力、知识面的一些方法, 如采用课程论文的形式, 既可以避免死背书的弊端, 又可以培养学生钻研问题的兴趣, 还能培养学生撰写科技论文的能力;或者采用考试方式, 但考试题目以理解应用的题型为主, 在这种方式下, 学生不需要记忆枯燥的概念, 而是学会应用他们解题。无论什么方法, 都应以提高学生能力为目的。

4. 结束语

本文对《人工智能导论》作为公选课的意义及一些相关问题进行了探讨。但针对一些具体的教学过程的设计, 由于会随选课学生的不同而不同, 没有进一步细化。相信随着教学过程的延续, 这些问题会得到逐步解决。通过这一过程将使大学生具备最基本的科研素质, 培养一定的应用能力, 达到人才培养的要求。

参考文献

[1]史忠植人工智能[M]北京国防工业出版社, 2007年2月

[2]李德毅网络时代人工智能研究与发展, 智能系统学报[J]2009年2月, 第4卷第1期:1-6

[3]陈明仁高校院系学科创新教育与新课程设置手册[M]北京:中国教育出版社, 2007.156

[4]金聪。刘金安人工智能教育在能力培养中的作用及改革设想[J].计算机时代, 2006 (9)