您好,欢迎访问全国教育考试教材网
商品分类

湖北自考教材07844人工智能导论考试大纲下载

湖北省高等教育自学考试课程考试大纲
课程名称:人工智能导论 课程代码:07844
第一部分 课程性质与目标
一、课程性质与特点
人工智能导论是电子信息工程专业的必修核心课程。本课程系统阐述了人工智能的基本理论、基本方法和基本技术。本课程是人工智能方向的引导性课程,对后续在人工智能领域的进一步研究工作和软件实践奠定良好的基础。
二、课程目标与基本要求
人工智能导论是理论性较强,涉及知识面较广,方法和技术较复杂的一门学科。通过对本课程的学习,学生应掌握人工智能的一个问题和三大技术,即通用问题求解和知识表示技术、搜索技术、推理技术。学生在较坚实打好的人工智能数学基础上,能够利用这些数学手段对确定性和不确定性的知识完成推理;理解问题求解的状态空间法,能应用几种主要的盲目搜索和启发式搜索算法完成问题求解;熟悉几种重要的不确定推理方法,利用数值分析中常用方法进行正确计算。认识机器学习对于智能软件研制的重要性,掌握机器学习的相关概念,机器学习的方法及其相应的学习机制,几个典型的机器学习系统的学习方法、功能和领域应用。
三、与本专业其他课程的关系
与本课程相关的课程有:数字图像处理、计算机信息处理等专业课程。
第二部分 考核内容与考核目标
第1章 概述
一、学习目的与要求
本章包括人工智能研究目标、研究内容、研究的途径(方法)、研究的领域等内容。通过对本章的学习,学生应理解什么是智能、理解什么是人工智能、人工智能研究的目标、人工智能研究的内容、人工智能研究的途径,了解人工智能研究的历史和研究领域。
二、考核知识点与考核目标
(一)人工智能定义;人工智能的技术特征;(重点)
识记:(1)人工智能的定义;
理解:(1)人工智能的技术特征;
(二)专家系统和知识工程(次重点)
识记:(1)专家系统的定义;
理解:(1)知识工程的主要研究内容;
(三)人工智能应用系统(一般)
理解:(1)人工智能的研究领域和应用领域;
第2章 用搜索求解问题的基本原理
一、学习目的与要求
通过对本章的学习,了解搜索求解问题的基本思路,掌握实现搜索过程的三大要素,理解通过搜索求解问题的方法,理解问题特征分析方法。
二、考核知识点与考核目标
(一)搜索过程的三大要素(重点)
识记:(1)搜索过程的三大要素的概念;
理解:(1)搜索过程三大要素的具体内容;
(二)通过搜索求解问题(次重点)
理解:(1)通过搜索求解问题的基本思想;
应用:(1)通过搜索求解问题的基本步骤;
(三)问题特征分析(一般)
理解:(1)问题的关键指标或特征分析方法;
第3章 搜索的基本策略
一、学习目的与要求
通过本章学习,掌握盲目搜索的几种常见算法思路,了解启发式搜索的相关概念和算法步骤,了解随机搜索算法的基本思想。
二、考核知识点与考核目标
(一)盲目搜索方法;(重点)
识记:(1)盲目搜索的几种常见算法
理解:(1)宽度优先搜索算法的基本思路;(2)深度优先搜索算法的基本思路;(3)分支有界搜索算法思路;
(二)启发式搜索(次重点)
识记:(1)启发式信息的表示方法;
理解:(2)几种基本的搜索策略的算法步骤;
(三)随机搜索(一般)
识记:(1)模拟退火法的基本思想;
理解:(1)其他典型的随机搜索算法;
第4章 图搜索策略
一、学习目的与要求
通过本章学习,了解图搜索策略的通用算法思路和特点,理解与/或图搜索的一般过程,了解A算法、A*算法、AO*算法的优缺点。
二、考核知识点与考核目标
(一)图搜索策略的基本思想;(重点)
识记:(1)图搜索策略的优缺点;
理解:(1)通用或图搜索算法的思路;
应用:(1)A算法、A*算法的特点;
(二)与/或图搜索的一般过程;(次重点)
识记:(1)归约方法求解问题的三大要素;
理解:(1)与/或图搜索的一般过程;
应用:(1)AO*算法的步骤;
(三)A算法、A*算法、AO*算法(一般)
应用:A算法、A*算法、AO*算法的图解
第5章 博弈与搜索
一、学习目的与要求
通过本章学习,了解人机大战的现状,理解博弈与对策的规则,理解极小极大搜索算法的思路与特点。
二、考核知识点与考核目标
(一)人机大战的趋势;(重点)
理解:(1)人机大战的意义;(2)人机大战的现状与发展趋势;
(二)博弈与对策问题;(次重点)
识记:(1)博弈的本质;
理解:(1)提高博弈问题求解效率的方法;(2)典型的对策问题;
(三)极小极大搜索算法;(一般)
识记:(1)极小极大搜索算法的基本策略;
理解:(1)极小极大搜索算法的执行过程;
应用:α-β剪枝算法
第6章 演化搜索算法
一、学习目的与要求
通过本章学习,掌握遗传算法的基本概念,了解遗传编码方法,理解遗传算法的基本理论与应用领域。掌握免疫算法的基本思路,了解免疫算法设计分析方法,了解免疫算法与遗传算法的不同点。
二、考核知识点与考核目标
(一)遗传算法的基本概念;(重点)
识记:(1)个体、适应性、群体、遗传操作的定义;(2)遗传算法涉及的5大要素;
理解:(1)遗传算法的基本步骤;(2)遗传编码方法;(3)遗传操作类型;
应用:(1)遗传算法的应用领域
(二)免疫算法的基本思路;(次重点)
识记:(1)免疫系统的基本概念;(2)免疫系统的组成;(3)免疫系统的功能;
理解:(1)免疫算法的基本类型;(2)免疫算法的基本步骤;
应用:(1)典型免疫算法分析
(三)免疫算法与遗传算法的比较(一般)
理解:免疫算法与遗传算法的对比分析

第7章 群集智能算法
一、学习目的与要求
通过本章学习,了解群集智能算法的基本思路,了解现有集智系统研究的现状、意义和价值,理解群集智能的优缺点。
二、考核知识点与考核目标
(一)群集智能的基本算法;(重点)
理解:(1)蚁群算法的集智规则;(2)粒子群优化算法的原理;
(二)集智系统介绍;(次重点)
理解:(1)人工鱼系统的意义与价值;
(三)群集智能的优缺点;(一般)
理解:群集智能的优缺点;
第8章 记忆型搜索算法
一、学习目的与要求
通过本章学习,理解禁忌搜索算法、和声搜索算法的基本步骤,了解禁忌搜索算法、和声搜索算法的特点和区别。
二、考核知识点与考核目标
(一)禁忌搜索算法;(重点)
理解:(1)禁忌搜索算法的基本流程;(2)禁忌搜索算法的基本要素;(3)禁忌搜索算法的特点;
(二)和声搜索算法(次重点)
理解:(1)和声搜索算法的基本步骤;
应用:和声搜索算法的应用
第9章 基于Agent的搜索
一、学习目的与要求
通过本章学习,了解DAI的基本概念,理解分布式人工智能的特点,理解分布式问题求解一般过程,掌握Agent的定义与分类,了解Agent通信技术的结构和特点。
二、考核知识点与考核目标
(一)分布式问题求解(重点)
识记:(1)分布式人工智能的特点;
理解:(1)分布式问题求解一般过程;
(二)Agent的定义与分类(次重点)
识记:(1)Agent的定义;(2)Agent的分类
(三)Agent通信技术(一般)
识记:(1)Agent通信研究的基本内容;
理解:(1)移动Agent系统的一般结构;(2)移动Agent的优点与技术难点;
应用:目前流行的Agent平台技术;
第10章 知识表示与处理方法
一、学习目的与要求
通过本章学习,掌握人们社会活动和科学研究中的知识表示的形态,知识的特征与知识的分类。理解逻辑表示法、产生式系统的知识表示、框架的知识表示法、语义网络的知识表示法。
二、考核知识点与考核目标
(一)知识表示概念;逻辑表示法;(重点)
识记:(1)知识的定义;(2)知识表示的定义;(3)知识表示方法的分类;
理解:(1)逻辑表示法的特点;
(二)产生式表示法;(次重点)
识记:(1)产生式系统的组成;
理解:(1)产生式系统的知识表示方法;(2)产生式系统的推理方式;(3)产生式表示法的特点;
(三)语义网络表示法;框架表示法;(一般)
识记:(1)语义网络表示的组成;(2)框架结构的表示方法;
理解:(1)语义网络三元组结构;(2)语义网络的特点;
应用:运用框架表示法
第11章 谓词逻辑的归结原理及其应用
一、学习目的与要求
通过本章学习,掌握命题演算的归结方法的基本概念,理解谓语演算的归结方法,理解归结过程的控制策略的基本思路,了解归约在逻辑电路设计中的应用。
二、考核知识点与考核目标
(一)命题演算的归结方法;谓语演算的归结(重点)
识记:(1)归结的基本概念;(2)谓词演算的基本概念;
理解:(1)谓词演算需解决的问题;
(二)归结过程的控制策略(次重点)
理解:(1)简化策略;(2)支撑集策略;(3)线性输入策略;
(三)归约在逻辑电路设计中的应用;(一般)
应用:归约在逻辑电路设计中的应用;
第12章 非经典逻辑的推理
一、学习目的与要求
通过本章学习,掌握单调推理与非单调推理的基本概念,归纳法的基本定义,理解不确定性推理模型,了解D-S证据理论的基本思路和特点,了解归纳法推理、基于案例推理系统的基本构成和特点。
二、考核知识点与考核目标
(一)非单调推理的概念;不确定性推理;(重点)
识记:(1)单调推理与非单调推理的概念;
理解:(1)不确定性推理模型;
(二) D-S证据理论;归纳法推理(次重点)
识记:(1)归纳法的基本定义;
理解:(1)D-S证据理论的基本思路;(2)D-S证据理论的特点;(3)归纳法推理中的主要难点;
应用:归纳法推理的应用案例;
(三)基于案例的推理;(一般)
识记:(1)案例的组织方法;(2)基于案例推理系统的基本构成;
理解:(1)基于案例推理系统的特点;
第13章 次协调逻辑推理
一、学习目的与要求
通过本章学习,掌握次协调逻辑推理的定义,了解次协调逻辑的特点,理解次协调逻辑解决的主要问题,掌握格的定义,理解注解谓语公式,了解注解逻辑的归结原理。
二、考核知识点与考核目标
(一)次协调逻辑推理(重点)
识记:(1)次协调逻辑的两个特点;
理解:(1)次协调归结的控制策略;(2)次协调逻辑解决的主要问题;
(二)注解谓语演算(次重点)
识记:(1)格的定义;
理解:(1)注解谓语公式的语义;
(三)注解逻辑的归结原理(一般)
理解:(1)注解逻辑的归结原理
第14章 机器学习
一、学习目的与要求
通过本章学习,掌握机器学习的定义,理解机器学习与人类学习的区别、智能程序与一般程序的区别,深刻理解机器学习主要方法的机制以及它们之间的区别。
二、考核知识点与考核目标
(一)机器学习概述(重点)
识记:(1)机器学习的定义;(2)机器学习方法的分类;
理解:(1)机器学习的推理方法;
(二)归纳学习(次重点)
识记:(1)归纳学习的定义;
理解:(1)归纳学习算法的一般步骤;(2)归纳学习的基本技术;
(三)基于解释的学习;基于类比的学习;(一般)
理解:(1)基于解释学习的一般框架;(2)基于解释的学习过程;(3)类比学习的步骤;
第三部分 有关说明与实施要求
一、考核的能力层次表述
本大纲在考核目标中,按照“识记”、“理解”、“应用”三个能力层次规定其应达到的能力层次要求。各能力层次为递进等级关系,后者必须建立在前者的基础上,其含义是:
识记:能知道有关的名词、概念、知识的含义,并能正确认识和表述,是低层次的要求。
理解:在识记的基础上,能全面把握基本概念、基本原理、基本方法,能掌握有关概念、原理、方法的区别与联系,是较高层次的要求。
应用:在理解的基础上,能运用基本概念、基本原理、基本方法联系学过的多个知识点分析和解决有关的理论问题和实际问题,是最高层次的要求。
二、教材
1、指定教材
人工智能(第3版),朱福喜主编,北京:清华大学出版社
2、 参考教材
人工智能原理及其应用(第3版),蔡自兴、徐光佑主编,北京:清华大学出版社
三、自学方法指导
1、在开始阅读指定教材某一章之前,先翻阅大纲中有关这一章的考核知识点及对知识点的能力层次要求和考核目标,以便在阅读教材时做到心中有数,有的放矢。
2、阅读教材时,要逐段细读,逐句推敲,集中精力,吃透每一个知识点,对基本概念必须深刻理解,对基本理论必须彻底弄清,对基本方法必须牢固掌握。
3、在自学过程中,既要思考问题,也要做好阅读笔记,把教材中的基本概念、原理、方法等加以整理,这可从中加深对问题的认知、理解和记忆,以利于突出重点,并涵盖整个内容,可以不断提高自学能力。
4、完成书后作业和适当的辅导练习是理解、消化和巩固所学知识,培养分析问题、解决问题及提高能力的重要环节,在做练习之前,应认真阅读教材,按考核目标所要求的不同层次,掌握教材内容,在练习过程中对所学知识进行合理的回顾与发挥,注重理论联系实际和具体问题具体分析,解题时应注意培养逻辑性,针对问题围绕相关知识点进行层次(步骤)分明的论述或推导,明确各层次(步骤)间的逻辑关系。
四、对社会助学的要求
1、应熟知考试大纲对课程提出的总要求和各章的知识点。
2、应掌握各知识点要求达到的能力层次,并深刻理解对各知识点的考核目标。
3、辅导时,应以考试大纲为依据,指定的教材为基础,不要随意增删内容,以免与大纲脱节。
4、辅导时,应对学习方法进行指导,宜提倡”认真阅读教材,刻苦钻研教材,主动争取帮助,依靠自己学通”的方法。
5、辅导时,要注意突出重点,对考生提出的问题,不要有问即答,要积极启发引导。
6、注意对应考者能力的培养,特别是自学能力的培养,要引导考生逐步学会独立学习,在自学过程中善于提出问题,分析问题,做出判断,解决问题。
7、要使考生了解试题的难易与能力层次高低两者不完全是一回事,在各个能力层次中会存在着不同难度的试题。
8、助学学时:本课程共4学分,建议总课时72学时,其中助学课时分配如下:
章 次
内 容
学 时
第1章
1. 人工智能概述
2. 人工智能、专家系统和知识工程
3. 人工智能应用系统
4. 人工智能的技术特征
4
第2章
1. 搜索求解问题的基本思路
2. 实现搜索过程的三大要素
3. 通过搜索求解问题
4. 问题特征分析
4
第3章
1. 盲目搜索方法
2. 启发式搜索
3. 随机搜索
6
第4章
1. 或图搜索策略
2. 与或图搜索
4
第5章
1. 人机大战
2. 博弈与对策
3. 极小极大搜索算法
6
第6章
1. 遗传算法的基本概念
2. 遗传编码
3. 遗传算法的基本理论与应用领域
4. 免疫算法
5. 免疫算法设计分析
6. 免疫算法与遗传算法的比较
6
第7章
1. 群集智能算法简介
2. 集智系统介绍
4
第8章
1. 禁忌搜索算法
2. 和声搜索算法
4
第9章
1. DAI概述
2. 分布式问题求解
3. Agent的定义与分类
4. Agent通信技术
6
第10章
1. 知识表示概述
2. 逻辑表示法
3. 产生式表示法
4. 语义网络表示法
5. 框架表示法
6
第11章
1. 命题演算的归结方法
2. 谓语演算的归结
3. 归结过程的控制策略
6
第12章
1. 非单调推理的概念
2. D-S证据理论
3. 不确定性推理
4. 模糊推理
5. 基于案例的推理
6. 归纳法推理
6
第13章
1. 次协调逻辑推理的定义
2. 注解谓语演算
4
第14章
1. 机器学习概述
2. 归纳学习
3. 基于解释的学习
4. 基于类比的学习
6
合 计
72

五、关于命题考试的若干规定
(包括能力层次比例、难易度比例、内容程度比例、题型、考试方法和考试时间等)
1、本大纲各章所提到的内容和考核目标都是考试内容。试题覆盖到章,适当突出重点。
2、试卷中对不同能力层次的试题比例大致是:”识记”为 40 %、”理解”为 50 %、”应用”为 10 %。
3、试题难易程度应合理:易、较易、较难、难比例为2:3:3:2。
4、每份试卷中,各类考核点所占比例约为:重点占65%,次重点占25%,一般占10%。
5、试题类型一般分为:单项选择题、填空题、名词解释题、简答题、计算题、设计题等。
6、考试采用闭卷笔试,考试时间150分钟,采用百分制评分,60分合格。
六、题型示例(样题)
1. 单项选择题:
(1) 人工智能研究的对象是 。
   A. 数据库    B. 知识     C. 文本     D. 图象
2. 填空题:
(1) 一阶谓词逻辑可以使用的连接词有5个,它们是___________ _________。
3. 名词解释题:
(1) 类比学习
4. 简答题:
(1) 举例说明宽度优先搜索与深度优先搜索方法的相同点和不同点。
5. 计算题:
(1)设U={a, b, c},其基本概率赋值函数m为 m({Æ}, {a}, {b}, {a, b, c}) = ( 0, 0.3, 0.5, 0.1, 0.1 )
且设A = {a, b},求A的类概率函数f ( A )。
6. 设计题:
(1) 试用C语言写出盲目搜索的宽度优先算法程序。