慕课-英华学堂

人工智能导论

课程类型：选修课

发布时间：2020-12-30 08:30:32

主讲教师：

课程来源：

建议学分：0.00分

课程编码：mk000476

课程介绍

课程目录

教师团队

{1}--第一讲人工智能概述

s [1.1.1]--绪论简介（2分钟）

s [1.2.1]--1.2.1智能的概念（3分钟）

s [1.2.2]--1.2.2智能的特征（8分钟）

s [1.2.3]--1.2.3人工智能的定义（5分钟）

s [1.3.1]--人工智能的发展简史（11分钟）

s [1.4.1]--人工智能研究的基本内容（12分钟）

s "(1.4.1)--第一讲人工智能概述课件"

s "(1.4.2)--第一讲人工智能概述课件——人工智能的主要研究领域"

{2}--第二讲一阶谓词逻辑知识表示法

s [2.1.1]--命题逻辑（6分钟）

s [2.2.1]--谓词（9分钟）

s [2.2.2]--谓词公式（21分钟）

s [2.2.3]--谓词公式的性质（7分钟）

s [2.3.1]--一阶谓词逻辑知识表示法（2分钟）

s [2.3.2]--一阶谓词逻辑知识表示法特点（3分钟）

s "(2.3.1)--第二讲一阶谓词逻辑表示法课件"

{3}--第三讲产生式表示法和框架表示法

s [3.1.1]--产生式（12分钟）

s [3.1.2]--产生式系统（8分钟）

s [3.1.3]--产生式系统的例子（13分钟）

s [3.1.4]--产生式表示法的特点（4分钟）

s [3.2.1]--框架表示法（11分钟）

s "(3.2.1)--第三讲产生式表示法和框架表示法课件"

{4}--第四讲基于谓词逻辑的推理方法

s [4.1.1]--推理方式及其分类（2分钟）

s [4.2.1]--归结演绎推理（6分钟）

s [4.2.2]--谓词公式化为子句集1 （13分钟）

s [4.2.3]--谓词公式化为子句集2 （11分钟）

s [4.3.1]--鲁滨逊归结原理（14分钟）

s [4.4.1]--归结反演（12分钟）

s [4.5.1]--应用归结原理求问题（7分钟）

s "(4.5.1)--第四讲基于谓词逻辑的推理方法课件"

{5}--第五讲可信度方法和证据理论

s [5.1.1]--不确定推理（10分钟）

s [5.2.1]--可信度方法（15分钟）

s [5.3.1]--5.3.1概率分配函数（11分钟）

s [5.3.2]--5.3.2信任函数似然函数（6分钟）

s [5.3.3]--5.3.3基于证据理论的推理（12分钟）

s [5.3.4]--5.3.4基于证据理论的推理实例（9分钟）

s "(5.3.1)--第五讲可信度方法和证据理论课件"

{6}--第六讲模糊推理方法

s [6.1.1]--模糊逻辑提出（8分钟）

s [6.2.1]--模糊集合（5分钟）

s [6.2.2]--模糊集合的定义和表示方法（10分钟）

s [6.2.3]--隶属函数（7分钟）

s [6.3.1]--模糊关系及其合成（12分钟）

s [6.4.1]--模糊推理（5分钟）

s [6.4.2]--模糊决策（8分钟）

s [6.5.1]--模糊推理应用（7分钟）

s "(6.5.1)--第六讲模糊推理方法课件"

{7}--第七讲搜索求解策略

s [7.1.1]--搜索的概念（10分钟）

s [7.2.1]--状态空间知识表示方法（12分钟）

s [7.3.1]--1启发式图搜索策略—启发式策略（8分钟）

s [7.3.2]--2启发式图搜索策略—启发信息和估价函数（13分钟）

s [7.3.3]--3启发式图搜索策略—A搜索算法（5分钟）

s [7.3.4]--4启发式图搜索策略—A搜索算法及其特性（5分钟）

s "(7.3.1)--第七讲搜索求解策略课件"

{8}--第八讲遗传算法及其应用

s [8.1.1]--基本遗传算法（18分钟）

s [8.2.1]--适应度函数的尺度变换（6分钟）

s [8.2.2]--选择（8分钟）

s [8.2.3]--编码（7分钟）

s [8.2.4]--交叉、变异（16分钟）

s [8.3.1]--遗传算法的一般步骤（4分钟）

s [8.4.1]--遗传算法的特点（3分钟）

s "(8.4.1)--第八讲遗传算法及其应用课件"

{9}--第九讲蚁群算法及其应用

s [9.1.1]--蚁群算法基本思想（8分钟）

s [9.2.1]--基本蚁群算法模型（20分钟）

s [9.3.1]--蚁群算法参数选择（5分钟）

s [9.4.1]--蚁群算法的应用（6分钟）

s "(9.4.1)--第九讲蚁群算法及其应用课件"

{10}--第十讲专家系统与机器学习

s [10.1.1]--专家系统的基本概念（8分钟）

s [10.1.2]--专家系统的特点（7分钟）

s [10.1.3]--专家系统的工作原理（6分钟）

s [10.1.4]--知识获取的主要过程与模式（5分钟）

s [10.2.1]--机器学习（4分钟）

s [10.2.2]--学习系统的基本组成（11分钟）

s [10.2.3]--机器学习的分类（18分钟）

s "(10.2.1)--第十讲专家系统与机器学习课件"

{11}--第十一讲BP神经网络及其应用

s [11.1.1]--11.1BP神经网络的结构（5分钟）

s [11.2.1]--BP学习算法-两个问题（6分钟）

s [11.2.2]--BP学习算法-基本思想（11分钟）

s [11.2.3]--BP学习算法-学习算法（13分钟）

s [11.2.4]--BP算法的实现（8分钟）

s [11.3.1]--11.3BP神经网络在模式识别中的应用（14分钟）

s "(11.3.1)--第十一讲BP神经网络及其应用课件"

{12}--第十二讲Hopfield神经网络及其应用

s [12.1.1]--离散型Hopfield神经网络模型（8分钟）

s [12.1.2]--离散型Hopfield神经网络-工作方式和工作过程（9分钟）

s [12.1.3]--离散型Hopfield神经网络-网络的稳定性（7分钟）

s [12.2.1]--连续型Hopfield神经网络（12分钟）

s [12.3.1]--Hopfield神经网络在联想记忆中的应用（14分钟）

s [12.3.2]--Hopfield神经网络优化方法（23分钟）

s "(12.3.1)--第十二讲Hopfield神经网络及其应用课件"