Artificial Intelligence Concepts

课程简介

• 搜索策略与游戏：与问题空间、空间图、实例、初始状态和目标状态、广度优先搜索、深度优先搜索、双向搜索、均匀成本搜索、启发式搜索、贪婪最佳优先搜索、爬山搜索、局部束搜索、A*搜索、游戏与搜索的区别、不同类型的游戏、Minimax算法、αβ剪枝算法和确定性与非确定性游戏。 • 知识表示、推理与规划：谓词逻辑、一阶逻辑、推理、语义网络、框架和脚本、多重继承、生产规则、推理、正向和反向链式推理、冲突解决。 • 基于知识的专家系统：知识获取、专家系统壳、专家系统架构、推理引擎、解释功能。 • 不确定性管理与推理：贝叶斯概率、贝叶斯网络、MYCIN不确定性因子、Dempster-Shafer证据理论、模糊逻辑。 • 学习：监督学习、无监督学习、半监督学习和强化学习、符号方法与连接主义方法、决策树、k-均值聚类、神经元与人工神经网络、多层感知器、卷积神经网络和循环神经网络概念。 • 选修高级主题：自然语言处理、大型语言模型、计算机视觉与语音识别、机器人技术。

学习目标

1. 介绍人工智能（AI）的主要概念、思想和技术； 2. 促进一些基本AI技术的实现。

先修要求

先修课程/排除课程 无

教学模式

39小时的课堂活动，包括讲授、辅导、实验室、工作坊和研讨会（如适用）；讲授辅以视频课程；提供指导性阅读；使用Prolog和专家系统壳进行编程练习和项目。