智能决策与专家系统-王怀超课程教学大纲.docVIP

PAGE9

《智能决策与专家系统》教学大纲

课程英文名称

IntelligentDecisionandExpertSystem

开课院系

计算机科学与技术学院

课程类别

选修课

授课对象

1.学术型2.专业学位

授课方式

1.讲授类2.研讨类6.前沿类

课程总学时

36

课程总学分

2

开课学期

2

适用专业

计算机科学与技术、计算机技术

预修课程

高级人工智能、数据仓库与数据挖掘

主讲教师1

王怀超

职称

讲师

主讲教师2

杨慧

职称

教授

课程简介（500字以内）：

智能决策和专家系统是人工智能的重要分支。人工智能是研究如何利用计算机等现代工具设计模拟人类智能行为的系统。智能决策及专家系统是具有代表性的智能应用系统，它旨在研究如何设计基于知识的计算机程序系统来模拟人类专家求解专门问题的能力。本课程作为面向研究生的专业选修课，其作用是拓展学生对非结构性、专家依赖型问题及其解决方法的认知。启发学生对智能决策和专家系统的兴趣，培养知识创新和技术创新能力，为今后在相关领域的研究打下坚实的基础。

课程的主要内容包括：1）智能决策和专家系统的概念，专家系统的历史，发展背景，组成部分、研究方法及应用领域等；2）基于规则的专家系统：IF-THEN产生式规则，前向链接及后向链接推理，冲突解决等；3）不确定性规则的专家系统：贝叶斯方法、置信因子法等；4）模糊规则的专家系统：模糊集理论，Mamdani和Sugeno模糊推理技术；5）人工神经网络：感知机，BP神经网络，深度学习初步等；6）进化计算：进化计算、遗传算法、进化策略和遗传编程等；7）不同技术的混合智能系统：神经专家系统、神经模糊系统、自适应神经模糊推理系统ANFIS、进化神经网络和模糊进化系统等。

课程教学目标与基本要求：

本课程主要讲授和讨论利用人工智能技术，特别是专家系统的原理和技术所建立的辅助决策计算机软件系统,专家系统的功能引入了决策支持系统，通过将DDS与知识系统相结合，使决策支持系统既有模型分析能力，又有专家知识推理能力，从而扩大了处理问题的范围，提高了决策能力和水平。通过对本课程的学习，让学生掌握智能决策系统的基本理论和基本思想，能够运用专家系统提供各种实际应用中的决策支持。

课程考核方式和成绩计算评定：

1．考核方式：考试（）；考查（√）

2．成绩评定：

总评成绩构成：平时考核（50）％；中期考核（0）％；期末考核（50）％

平时成绩构成：考勤考纪（20）％；作业（30）％；读书报告（50）％

实践环节（0）％；其他（0）％

课程内容及详细教学计划：

授课内容（细化到章、节、目）

教学目标

授课模式（指传统讲授、讨论、多媒体教学等）

概论：专家系统和智能决策支持系统，决策支持系统和决策科学，决策支持系统的基本模式和分类，决策支持系统的组成，智能决策支持系统概述

了解智能决策支持系统研究内容。

传统讲授

决策支持系统体系结构：决策支持系统的基本体系结构，决策支持系统的基本结构，决策支持系统中模型库系统的结构，传统决策支持系统中模型在计算机内的存储方式，模型库管理系统，决策支持系统中数据库的组成和数据析取问题

掌握决策支持系统的基本体系结构。

传统讲授

基于规则的专家系统，用IF-THEN形式表示的语句称为产生式规则或判断规则，规则是人工智能中知识表达最常用的形式，用来描述如何解决问题。

理解并掌握给予规则的专家系统中的知识表示方法和推理机的构造。

传统讲授、讨论

基于规则的专家系统的不确定管理，主要用于解决信息不完备如：脆弱的暗示、不精确的语言、不知道的数据、结合不同专家观点有一定难度的问题，讲授贝叶斯理论、证据理论等不确定系统推理方法。

掌握给予规则的不确定管理在专家系统中的应用和决策方法。

传统讲授、讨论

介绍模糊逻辑并探讨其背后的哲学思想，模糊集的概念以及如何在计算机中表示模糊集，并讲解模糊操作，定义语言变量和模糊限制语主要讲解两种模糊推理技术Mamdani和Sugeno，以及适用情况。

掌握模糊专家系统在智能决策支持系统中的设计与实现技术。使用模糊专家系统开发的知识处理语言和不确定推理技术，设计一个中小型专家系统。

传统讲授、讨论

介绍人工神经网络，并讨论有关机器学习的基本概念。讲授多层神经网络和如何提高后向传送学习算法的计算效率。介绍了循环神经网络、Hopfield神经网络算法的和双向相关记忆BAM

掌握人工神经网络在智能决策支持系统中的应用方法。使用神经网络技术，设计、开发一个中小型模式识别系统。

传统讲授、讨论

介绍进化计算、遗传算法、进化策略和遗传编程。主要讲授开发遗传算法的主要步骤、讨论遗传算法的工作机制，并通过实际应用解释遗传算法的理论。

掌握遗传算法