人工智能概论课程报告

人工智能概论

姓名：学号：专业：老师：时间：

张礼均 200906040119

机械工程及自动化 朱江

2013年1月1

人工智能的原理及应用

1 早期的人工智能

20 世纪50~ 60 年代, 许多研究者试图从模仿人脑的结构或功能建立一个模拟人脑的智能机器。心理学家MCcolloch和数理逻辑学家Plits 于1943 年提出了第一个简化的神经元M- P 模型。PERCEPT ION 是一个早期的神经网络系统, 能进行简单的模式识别。当时的神经网络的实现技术还处于电子分立元件的时代, 结构过于简单, 与包含10 亿个神经细胞的人脑相差太远, 这个系统后来被证明是失败的。20 世纪60 年代中后期, 由于计算机技术的飞速发展,功能主义的人工智能方法兴盛起来。人们认为只要编制出聪明的软件, 就可以使计算机系统表现出应有的智能。人们设想假设以计算机的工作速度、运算精度、记忆容量、记忆准确度等能力, 再加上一个无所不包的程序库, 计算机将无所不能, 在不远的将来, 计算机将在总体上超过人类。由于无法建立万能的知识库, 这种想法是很不现实的, 也是很难甚至是不可能实现的。

2 专家系统 2. 1 专家系统

专家系统是以知识为基础的智能推

《人工智能》课程教案

第一章绪论

教学内容：本章首先介绍人工智能的定义、发展概况及相关学派和他们的认知观，接着讨论人工智能的研究和应用领域，最后简介本书的主要内容和编排。

教学重点：1．从不同科学或学科出发对人工智能进行的定义；

2．介绍人工智能的起源与发展过程；

3．讨论人工智能与人类智能的关系；

4．简介目前人工智能的主要学派；

5．简介人工智能所研究的范围与应用领域。

教学难点：1．怎么样理解人工智能；

2．人工智能作为一门学科有什么意义；

3．人工智能的主要学派与其争论焦点；

教学方法：课堂教学为主，充分利用网络课程中的多媒体素材来表示抽象概念。

教学要求：重点掌握人工智能的几种定义，掌握目前人工智能的三个主要学派及对人工智能的理解，一般了解人工智能的主要研究范围和应用领域。

1.1 人工智能的定义与发展

教学内容：本小节主要介绍目前对人工智能的几种定义，并对人工智能的起源和发展进行了总结和分析。

教学重点：几种人工智能的定义和人工智能发展的几个重要时期。

教学难点：理解人工智能的定义与本质。

教学方法：课堂讲授为主。

教学要求：从学科和能力的角度深刻理解人工智能的定义，初步了解人工智能的起源及其发展过程。

1.1.1 人工智能的定义

定义1智能机器

能够在各类环境中自主地或

人工智能课程论文

题目：人工智能：用科学解密生命与智慧

人工智能：用科学解密生命与智慧

姓 名： 学 号： 指导老师：

2

人工智能：用科学解密生命与智慧

摘要

本文是对人工智能及其应用的一个综述。首先介绍了人工智能的理论基础以其与人类智能的区别和联系。然后简要介绍了人工智能的发展现状以及未来趋势，并列举了一些人工智能在生活中的应用。对人工智能的一个热门分支——神经计算进行了着重介绍，人工神经网络通过模拟人脑的学习机制，将人工智能的重点从符号表示可靠的推理策略问题转化到学习和适应的问题，描述了其在字符识别问题上的实际应用。

3

人工智能：用科学解密生命与智慧

目录

一，人工智能与人类智能 .............................................................................................. 5

1， 什么是智能？ ................................................................................................. 5 2

《人工智能》课程教学大纲

（Artificial Intelligence）

课程性质：院公选课 适用专业：各专业

先修课程：离散数学、数据结构、操作系统原理 后续课程：

总 学 分：2学分

一、教学目的与要求

1．教学目的

人工智能主要研究解释和模拟人类智能、智能行为及其规律的一门学科，其主要任务是建立智能信息处理理论，进而设计可以展现某些近似于人类智能行为的计算机系统。本课程要求学生掌握人工智能的基本原理，了解人工智能中常用的基本技术，诸如：知识表示技术、搜索技术、自动推理技术以及专家系统等，同时学会运用Prolog语言求解人工智能的实际问题。 2．教学要求

学生必须具有离散数学、程序设计、数据结构、操作系统方面的知识。

二、课时安排

序号 1 2 3 4 5 6

人工智能概述 人工智能程序设计语言 基于谓词逻辑的机器推理 图搜索技术 产生式系统 知识表示 合 计 教学内容 讲课学时 4 6 6 8 4 4 32 实验学时 三、教学内容

1．人工智能概述（4学时） （1）教学基本要求 了解：人工智能的发展概况 理解：人工智能的概念

掌握：人工智能的研究途径

《人工智能》课程教学大纲

（Artificial Intelligence）

课程性质：院公选课 适用专业：各专业

先修课程：离散数学、数据结构、操作系统原理 后续课程：

总 学 分：2学分

一、教学目的与要求

1．教学目的

人工智能主要研究解释和模拟人类智能、智能行为及其规律的一门学科，其主要任务是建立智能信息处理理论，进而设计可以展现某些近似于人类智能行为的计算机系统。本课程要求学生掌握人工智能的基本原理，了解人工智能中常用的基本技术，诸如：知识表示技术、搜索技术、自动推理技术以及专家系统等，同时学会运用Prolog语言求解人工智能的实际问题。 2．教学要求

学生必须具有离散数学、程序设计、数据结构、操作系统方面的知识。

二、课时安排

序号 1 2 3 4 5 6

人工智能概述 人工智能程序设计语言 基于谓词逻辑的机器推理 图搜索技术 产生式系统 知识表示 合 计 教学内容 讲课学时 4 6 6 8 4 4 32 实验学时 三、教学内容

1．人工智能概述（4学时） （1）教学基本要求 了解：人工智能的发展概况 理解：人工智能的概念

掌握：人工智能的研究途径

404131422《人工智能》

1.英文课名：Artificial Intelligence 2.学 时：32 3.学 分：2

4.先修课程：数据结构，编译原理，离散数学 5.选课对象：计算机科学与技术专业，软件工程专业 6.教材及主要参考书： 教材:

人工智能 丁世飞著 清华大学出版社 2010.12 主要参考书:

1）《人工智能：一种现代的方法（第3版）》Stuart J. Russell, Peter Norvig 著 清华大学出版社 2014.5

2）《人工智能（第2版）》贲可荣，张彦铎著 清华大学出版社 2013.3 3）《人工智能基础教程（第二版）》 朱福喜著 清华大学出版社 2011.5

4）《人工智能及其应用（第4版）》蔡自兴，徐光祐 著 清华大学出版社 2014.6 5）《人工智能原理及其应用(第3版)》 王万森 著 电子工业出版社 2012.9 7.课程内容提要：

《人工智能》是计算机科学与技术专业及软件工程专业本科教学计划中一门专业选修课。课程

主要研究如何利用计算机来模拟人脑所从事的感知、推理、学习、思考、规划等人类

《人工智能》课程教学大纲

（Artificial Intelligence）

课程性质：院公选课 适用专业：各专业

先修课程：离散数学、数据结构、操作系统原理 后续课程：

总 学 分：2学分

一、教学目的与要求

1．教学目的

人工智能主要研究解释和模拟人类智能、智能行为及其规律的一门学科，其主要任务是建立智能信息处理理论，进而设计可以展现某些近似于人类智能行为的计算机系统。本课程要求学生掌握人工智能的基本原理，了解人工智能中常用的基本技术，诸如：知识表示技术、搜索技术、自动推理技术以及专家系统等，同时学会运用Prolog语言求解人工智能的实际问题。 2．教学要求

学生必须具有离散数学、程序设计、数据结构、操作系统方面的知识。

二、课时安排

序号 1 2 3 4 5 6

人工智能概述 人工智能程序设计语言 基于谓词逻辑的机器推理 图搜索技术 产生式系统 知识表示 合 计 教学内容 讲课学时 4 6 6 8 4 4 32 实验学时 三、教学内容

1．人工智能概述（4学时） （1）教学基本要求 了解：人工智能的发展概况 理解：人工智能的概念

掌握：人工智能的研究途径

课 程 实 验 报 告

学年学期课程名称实验名称实 验 室专业年级学生姓名学生学号提交时间成 绩任课教师 2015—2016年第一学期 人工智能原理与技术 PROLOG语言编程练习 无 电气134 赵倩 2013011989 2015.12.28 樊强

水利与建筑工程学院

1

第一章 PROLOG语言编程练习

1.1 实验目的

加深学生对逻辑程序运行机理的理解，使学生掌握PROLOG语言的特点、熟悉其编程环境，同时为后面的人工智能程序设计做好准备。

（1）熟悉PROLOG语言编程环境的使用；

（2）了解PROLOG语言中常量、变量的表示方法；

（3）了解利用PROLOG进行事实库、规则库的编写方法；

1.2

《 — 人工智能方向实习—》

实 习 报 告

专业： 计算机科学与技术 班级： 12419013 学号： 姓名：

江苏科技大学计算机学院

2016年 3 月

实验一 数据聚类分析

一、实验目的

编程实现数据聚类的算法。 二、实验内容

k-means聚类算法。 三、实验原理方法和手段

k-means算法接受参数k ；然后将事先输入的n个数据对象划分为k个聚类以便使得所

获得的聚类满足：同一聚类中的对象相似度较高.

四、实验条件

Matlab2014b

五、实验步骤

(1) 初始化k个聚类中心。

(2) 计算数据集各数据到中心的距离，选取到中心距离最短的为该数据所属类别。 (3) 计算(2)分类后，k个类别的中心（即求聚类平均距离）

(4) 继续执行(2)(3)直到k个聚类中心不再变化(或者数据集所属类别不再变化)

六、实验代码

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% main.m

% k-means algorithm % @author matcloud

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% clear; clos

人工智能课内实验报告

主观贝叶斯方法的研究

一、 实验题目

主观Bayes方法的研究。

二、 实验目的

在证据不确定的情况下，根据充分性量度LS、必要性量度LN、E的先验概率P(E)和H的先验概率P(H)作为前提条件，分析P(H/S)和P(E/S)的关系。

三、 实验原理

1、 证据不确定性的表示

1. 在主观Bayes方法中，证据的不确定性用概率表示。对于证据E，由

用户根据观察S给出P(E|S)，即动态强度。用P(E|S)描述证据的不确定性 （证据E不是可以直接观测的）。

2. 证据肯定存在时，P(E|S)=1；

3. 证据肯定不存在时， P(E|S)=0； 4. 证据具有不确定性时， 0

1．当证据E愈是支持H为真时，则应是使相应的LS值愈大。 若证据E对H愈是必要，则相应LN的值愈小。

2. 不能出现LS>1且LN>1的取值

因为： LS>1：表明证据E是对H有利的证据。

LN>1：表明证据?E是对H有利的证据。

3. 不能出现LS<1且LN<1的取值

因为：LS<1: 表明证据 E是对H不利的证据。

LN<1：表明证据?E是对H不利的证据。

4. 一般情况下，取LS>1， LN<1。 3、证据不确定的情况

在现实中，证据肯定存在和肯定不存在的极端情况是不多的，更多的是介于二者之间的不