人工智能原理及MATLAB实现 教案 第1、2章 概述、机器学习.docx

《人工智能算法》课程教案

教学目的、要求：

1.掌握人工智能的定义，了解人工智能的发展史

2.掌握人工智能的技术特征

3.了解计算模拟、研究与应用领域

4.掌握人工智能的知识获取

教学重点及难点：

重点：人工智能的技术特征

难点：人工智能的知识获取

教学基本内容

教学过程设计

§1概述

§1.1人工智能的定义与发展

由于不同科学或学科背景的学者对人工智能有不同的理解，所以提出了许多不同的观点。

1978年帕特里克·温斯顿（P.Winston）：“人工智能是研究使计算机更灵活有用，了解使智能的实现成为可能的原理。因此，人工智能研究结果不仅是使计算机模拟智能，而且是了解如何帮助人们变得更有智能”。

1981年巴尔（A.Barr）和爱德华·费根鲍姆（E.Feihenbum）：“人工智能是计算机科学的一个分支，它关心的是设计智能计算机系统，该系统具有通常与人的行为相联系的智能特征，如了解语言、学习、推理、问题求解等。”

1983年伊莱恩·里奇（ElaineRich）：“人工智能是研究怎样让计算机模拟人脑从事推理、规划、设计、思考、学习等思维活动，解决至今认为需要由专家才能处理的复杂问题。”

1987年迈克尔·杰纳西雷斯（M.Genesereth）和约翰·尼尔森（J.Nilsson）：“人工智能是研究智能行为的科学，它的最终目的是建立关于自然智能实体行为的理论和指导创建具有智能行为的人工制品。这样一来，人工智能有两个分支，一个为科学人工智能，另一个为工程人工智能。”

近年来，许多人工智能和智能系统研究者认为：人工智能（学科）是智能科学中涉及研究、设计及应用智能机器和智能系统的一个分支，而智能科学是一门与计算机科学并行的学科。

知识表示、知识利用和知识获取是人工智能的三个基本问题。

§1.2人工智能的技术特征

人工智能作为一门科学，具有其独特的技术特征，主要表现以下几个方面。利用有哪些信誉好的足球投注网站、利用知识、利用抽象、利用推理、利用学习、遵循有限合理性原则。

§1.3人类智能的计算机模拟

计算机对人脑的模拟是先从数值计算开始。然而人类最主要的智力活动并不是在数值计算，而是在逻辑推理。由于逻辑推理与人类智能都是物理符号系统，所以可以编写计算机程序去模拟人的许多智能功能，如下棋、证明定理、翻译语言等。

§1.4人工智能的研究与应用领域

人工智能在自然语言处理、自动定理证明、智能检索、机器学习、专家系统、计算智能、人工智能方法、模式识别、视觉系统等领域都有广泛的研究与应用。

§1.5人工智能之知识获取

机器获取知识的方法和途径可分为三类。

人工移植。人工移植是依靠人工智能系统的设计师、知识工程师、程序员、专家或用户，通过系统设计、程序编制及人机交互或辅助工具，将人的知识移植到机器的知识库中，使机器获取知识。

机器学习。机器学习就是人工智能系统在运行过程中，机器通过学习，获取知识，进行知识积累，对知识库进行增删、修改、扩充与更新。

机器感知。所谓机器感知是人工智能系统在调试或运行过程中，通过机器视觉、机器听觉、机器触觉等途径，直接感知外部世界，输入自然信息，获取感性和理性知识。

3min

引入：通过对现实生活人工智能应用实例引入。

内容设计思路：对课堂内容进行分析，引导学生了解内容之间的相互联系，并指出本节课的重点难点以及教学目的。

核心是给学员讲清楚技术特征

10min

强调：引导学生思考模拟的原理，触类旁通。

分析：技术特征与应用领域的关系。

注意过渡：

动画演示：

课堂互动：对先修的基础知识进行提问、回顾、引导。

20min

举例分析：

分析要点：。对人工智能知识获取的原则进行分析。

让学生进行总结：深刻理解人工智能

作业、讨论题、思考题：

机器学习结合你的研究领域有何种应用？

教学反思：

《人工智能算法》课程教案

教学目的、要求：

1.了解机器学习的概述

2.掌握机器学习的主要策略和基本结构

3.了解机器学习算法

4.掌握贝叶斯网络算法

教学重点及难点：

重点：机器学习的主要策略和基本结构

难点：机器学习算法的原理

教学基本内容

教学过程设计

§2机器学习

§2.1机器学习概述

学习是人类具有的一种重要智能行为。通过学习人类不断取得科学与工程上的突破，同时也不断提高自身的智力水平。人类一直试图让机器具有智能，也就是人工智能。当机器具备了学习能力（机器学习），能自动获取知识时就完全与人类似。

§2.2人工智能的技术特征

不同的分类标准对机器学习方法有不同的分类。

（1）按任务类型机器学习模型可以分为回归模型、分类模型和结构化学习模型。

（2）按方法的角度分机器学习可以分为线性模型和非线性模型。

（3）按学习理论分机器学习模型可以分为有监督学习、半监督学习、无监督学习、迁移学习和强化学习。

§2.3机器学习的主要策略与基本结构

§2.3.1机