《人工智能》详细教学大纲[定稿]

第一篇：《人工智能》详细教学大纲[定稿]

……………………………… ………………………………………………………………装……订……线……………………………………………………………………………………………………………

《人工智能》教学大纲

课程名称：人工智能 英语名称：Artificial Intelligence 课程代码：130234 课程性质：专业必修 学分学时数： 5/80 适用专业：计算机应用技术

修（制）订人： 修（制）订日期：2009年2月 审核人： 审核日期： 审定人： 审定日期：

一、课程的性质和目的

（一）课程性质

人工智能是计算机科学理论基础研究的重要组成部分，人工智能课程是计算机科学技术专业的专业拓展选修课。通过本课程的学习使学生了解人工智能的提出、几种智能观、重要研究领域，掌握人工智能求解方法的特点。掌握人工智能的基本概念、基本方法，会用知识表示方法、推理方法和机器学习等方法求解简单问题等。

（二）课程目的

1、基本理论要求：

课程介绍人工智能的主要思想和基本技术、方法以及有关问题的入门知识。要求学生了解人工智能的主要思想和方法。

2、基本技能要求：

学生在较坚实打好的人工智能数学基础（数理逻辑、概率论、模糊理论、数值分析）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；在理解Herbrand域概念和Horn子句的基础上，应用Robinson归结原理进行定理证明；应掌握问题求解（GPS）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（宽度优先、深度优先、有代价的搜索、A算法、A*算法、博弈数的极大—极小法、α―β剪枝技术）完成问题求解；并能熟悉几种重要的不确定推理方法，如确定因子法、主观Bayes方法、D—S证据理论等，利用数值分析中常用方法进行正确计算。

3、职业素质要求：结合实战，初步理解和掌握人工智能的相关技术。

二、教学内容、重（难）点、教学要求及学时分配 第一章：人工智能概述（2学时）

1、讲授内容：（1）人工智能的概念

（2）人工智能的研究途径和方法（3）人工智能的分之领域（4）人工智能的基本技术（5）人工智能的发展概况

2、教学要求：

了解：研究途径和方法、人工智能的分之领域、基本技术和发展概况。理解：人工智能的基本概念、基本技术

掌握：人工智能的发展概况，人工智能研究的课题种类

3、教学重点：人工智能概念

4、难点：人工智能的研究途径和方法

第二章：基于谓词逻辑的机器推理（2学时）

1、讲授内容：（1）一阶谓词逻辑（2）归结演绎推理

（3）应用归结原理求取问题答案（4）归结策略

（5）Horn子句归结与逻辑程序（6）非归结演绎推理

2、教学要求：

了解：一阶谓词逻辑的基本概念

理解：应用归结远力求取问题答案的方法和Horm自居归结于逻辑程序的方法以及非归结演绎原理的方法和途径

掌握：归结演绎推理

3、教学重点：归结演绎推理

4、难点：Horn子句归结与逻辑程序

第三章：图搜索技术（5学时）

1、讲授内容：（1）状态图搜索（2）状态图问题求解（3）与或图搜索（4）与或图问题求解（5）博弈树搜索

2、教学要求：

了解：常用的图搜索技术 理解：与或图搜索问题的原理 掌握：与或图的启发式搜索算法AO

3、教学重点：与或图的启发式搜索算法AO

4、难点：与或图搜索

第四章：产生式系统（2学时）

1、讲授内容：（1）产生式规则（2）产生式系统

（3）产生式系统与图搜索（4）产生式系统的应用

2、教学要求： 了解：产生式

理解：谓词逻辑归结原理 掌握：Herbrand定理

3、教学重点：谓词逻辑归结原理

4、难点：Herbrand定理

第五章：知识表示（2学时）

1、讲授内容：（1）知识及其表示（2）框架（3）语义网络

（4）面向对象知识表示

2、教学要求： 了解：知识表示的概述 理解：几种知识表示方式 掌握：产生式表示 语义网络表示

3、教学重点：产生式表示 语义网络表示

4、难点：框架表示

第六章：不确定性推理方法（6学时）

1、讲授内容：

（1）不确定性及其类型（2）不确定性知识的表示（3）不确定性推理的一般模式（4）确定性理论（5）证据理论（6）模糊推理

2、教学要求：

了解：不确定性推理方法的概述 理解：论证理论 模糊推理 掌握：论证理论

3、教学重点：论证理论 模糊推理

4、难点：证据理论(D-Stheory)第七章：专家系统（4学时）

1、讲授内容：（1）专家系统的概念（2）专家系统的结构（3）专家系统的应用与发展（4）专家系统设计与实现（5）专家系统开发与环境（6）新一代专家系统研究

2、教学要求：

了解：专家系统的概述、专家系统的组成结构与发展 理解：专家系统的设计与实现 掌握：专家系统的开发与使用

3、教学重点：专家系统的设计与实现

4、难点：新一代专家系统概述

第八章：机器学习（10学时）

1、讲授内容：（1）符号学习（2）神经网络学习

2、教学要求： 了解：机器学习的概述 理解：符号学习

掌握：常用的机器学习的方式

3、教学重点：神经网络学习

4、难点：遗传算法

三、各教学环节的基本要求

（一）课堂讲授

1、教学方法

（1）注重理论指导的作用，积极探究达到最佳视觉效果的典型做法。同时贯彻理论和实践相结合的原则，给学生出一定量的思考，并要求学生完成一定量的作业，以提高学生的理论水平，培养学生的动手能力和创新精神。

（2）把握课程的重难点，及时总结深化所学内容，并针对重难点布置适当的综合练习。以便达到良好的教学效果。

2、教学手段

（1）采用理论讲解、操作示范等多种方式，充分利用多媒体等现代化教学手段，整体优化教学过程和教学内容，调动学生学习积极性，进行启发式的教学。

（2）注重学生动手能力的培养，积极鼓励和引导学生对所学的知识、技能加以拓宽、深化。

3、教学辅助资料

CAI课件

（二）作业、答疑和质疑

1、作业

2、答疑和质疑

（三）考核方式

1、考核方式：考试

2、成绩评定：期末考试70%，平时成绩30%

四、与其他课程的联系与分工

本课是计算机及相关专业学生的专业选修课，选修本课须有比较全面的计算机知识。先行课程：《离散数学》、《高等数学》、《概率论》、《线性代数》、《C语言程序设计》、《数据结构》

五、建议教材及教学参考书

（一）建议教材

《人工智能及其应用》，蔡自兴，徐光祐。清华大学出版社，2000年5月。

（二）教学参考书

《人工智能（上、下册）》，陆汝钤，北京：科学出版社，1996年。

第二篇：《人工智能》教学大纲

人工智能原理及其应用

一、说明

（一）课程性质

随着信息社会和知识经济时代的来临，信息和知识已成为人们的一个热门话题。然而，在这个话题的背后还蕴含着另外一个更深层的问题——智能。一般来说，信息是由数据来表达的客观事物，知识是信息经过智能性加工后的产物，智能是用来对信息和知识进行加工的加工器。在信息社会，人类面对的信息将非常庞大，仅靠人脑表现出来的自然智能是远远不够的，必须开发那种由机器实现的人工智能。

《人工智能导论》是计算机科学与技术专业本科生的一门限选课程。

（二）教学目的

使学生掌握人工智能的基本原理、方法及研究应用领域。了解人工智能中常用的知识表示技术，启发式搜索策略，了解原理以及非确定性推理技术。通过对典型专家系统的分析、解剖、进一步深入掌握人工智能的主要技术，去解决人工智能的一些实际问题。增强学生的逻辑思维与实验能力，为人今后处理各门学科的智能奠定基础。

（三）教学内容

人工智能的基本原理和方法，人工智能的三个重要研究领域（机器学习、神经网络学习和自然语言理解），人工智能的两个重要应用领域（专家系统和智能决策支持系统）。

（四）教学时数

36学时

（五）教学方式

课堂讲授和上机实验相结合。

二、本文

第1章 人工智能概述

教学要点

讨论人工智能的定义、形成过程、研究内容、研究方法、技术特点、应用领域、学派之争及发展趋势。教学时数

3学时 教学内容

1.1 人工智能及其研究目标（0.5学时）

了解人工智能的定义及其研究目标。

1.2 人工智能的产生与发展（0.5学时）

了解人工智能产生与发展的四个阶段。

1.3 人工智能研究的基本内容及其特点（0.5学时）

了解人工智能研究的基本内容及特点。

1.4 人工智能的研究和应用领域（0.5学时）

了解人工智能研究和应用领域。

1.5 人工智能研究的不同学派及其争论（0.5学时）

了解三大学派及其理论的争论和研究方法的争论。1.6 人工智能的近期发展分析

（0.5学时）

了解更新的理论框架研究，更好的技术集成研究，更成熟的应用方法研究。（0.5学时）考核要求

了解人工智能研究的基本内容和应用领域。

第2章

知识表示

教学要点

知识表示的基本概念和各种确定性知识表示方法。教学时数

6学时 教学内容

2.1 知识与知识表示概念

（0.5学时）

了解知识表示的概念和表示形式； 理解知识的定义。

2.2 一阶谓词逻辑表示法

（0.5学时）

理解一阶谓词逻辑表示的逻辑基础； 掌握谓词逻辑表示方法及其应用。2.3 产生式表示法（0.5学时）

了解产生式系统的基本过程、控制策略及其类型和特点； 掌握产生式表示的基本方法、基本结构。2.4 语义网络表示法（1学时）

理解语义网络的基本概念；

会应用语义网络表示事实和进行推理。2.5 框架表示法（2学时）

了解框架系统的问题求解过程和框架表示法的特点； 掌握框架结构和实例框架； 理解框架理论。2.6 脚本表示法

掌握脚本的结构及其推理。（0.5学时）2.7 过程表示法（0.5学时）

了解过程表示的特性；

掌握过程表示的问题求解过程； 理解表示知识的方法。

2.8 面向对象表示法

（0.5学时）

了解面向对象的特征；

理解面向对象的基本概念； 掌握知识的面向对象表示。考核要求

掌握逻辑词谓表示法及其应用，会用框架去描述一些具体问题，能用脚本来描述特定范围内的一些事件的发生顺序。

第3章 确定性推理

教学要点

推理的基本概念及归结、演绎等确定性推理方法。教学时数

5学时 教学内容

3.1 推理的基本概念（0.5学时）

了解正向推理、逆向推理、混合推理及其推理的冲突消解策略； 掌握推理的方法、推理的控制策略； 理解推理的概念。

3.2 推理的逻辑基础（1学时）

掌握谓词公式的各种特性和置换与合一的过程。3.3 自然演绎推理（0.5学时）

了解自然演绎推理的概念及其三段论推理规则。3.4 归结演绎推理（2学时）

掌握子句集及其化简，鲁宾逊归结原理；

会应用谓词逻辑归结证明问题，会用归结演绎推理的归结策略证明问题，会用归结反演求取问题的答案。

3.5 基于规则的演绎推理（1学时）

会应用规则正向演绎推理和规则逆向演绎推理。3.6 规则演绎推理的剪枝策略（0.5学时）

了解剪枝策略的基本思想。考核要求

理解确定性推理的思维过程，会应用谓词逻辑归结去求证问题，会应用规则正向演绎推理和规则逆向演绎推理。

第4章 不确定与非单调推理

教学要点

不确定性推理的有关概念及各种不确定性的表示和推理方法。教学时数

4学时 教学内容

4.1 不确定性推理的基本概念（0.5学时）

了解不确定推理的基本问题； 理解不确定推理的含义。

4.2 不确定性推理的概率论基础（0.5学时）

了解全概率公式与Bayes公式；

理解样本空间与随机事件，事件的概率。

4.3 确定性理论（0.5学时）

理解可信度的概念，C-F模型； 掌握带加权因子的可信度推理。

4.4 主观Bayes方法（0.5学时）

了解组合不确定性计算；

掌握知识不确定性表示，证据不确定性表示，结论不确定性的合成。4.5 证据理论（1学时）

掌握D-S理论的形式描述，证据理论的推理模型，推理实例。4.6 可能性理论和模糊推理（0.5学时）掌握模糊知识表示，模糊概念的匹配，模糊推理。4.7 非单调推理（0.5学时）

了解非单调推理的概念及起具有代表性的理论。考核要求

理解不确定性推理的含义、非单调推理的概念、确定性理论，掌握主观Bayes方法，能用D-S理论从不同角度刻划命题的不确定性，能在模糊集的基础上，实现对模糊命题和模糊知识的表示。

第5章 搜索策略

教学要点

搜索的基本概念和状态空间、与或树的各种搜索算法。教学时数

6学时 教学内容

5.1 搜索的基本概念（1学时）

了解搜索的含义；

掌握状态空间法，问题归约。

5.2 状态空间的盲目搜索（2学时）

了解一般图搜索过程；

掌握广度优先搜索，深度优先搜索，代价树搜索。5.3 状态空间的启发式搜索（0.5学时）

了解A算法；

理解启发性信息和估价函数。

5.4 与/或树的盲目搜索（0.5学时）

了解与/或树的一般搜索；

掌握与/或树的的广度优先搜索，与/或树的深度优先搜索。5.5 与/或树的启发式搜索（0.5学时）

了解与/或树的启发式搜索过程； 理解解树的代价与希望。

5.6 博弈树的启发式搜索（0.5学时）

了解极大极小过程，α-β剪枝。考核要求

了解搜索概念，博弈树的启发式搜索；掌握状态空间的盲目搜索和与/或树的盲目搜索。

第6章 机器学习

教学要点

机器学习的基本概念和各种符号学习方法。教学时数

4学时 教学内容

6.1 机器学习的基本概念（0.5学时）

了解机器学习的发展过程，学习系统，机器学习的分类； 理解学习和机器学习的概念。

6.2 机械式学习（0.5学时）

了解机械学习的过程及其设计要考虑的三个问题。6.3 指导式学习（0.5学时）

了解指导式学习的学习过程。

6.4 归纳学习（0.5学时）

了解归纳学习的类型。

6.5 基于类比的学习（0.5学时）

了解属性类比学习、转换类比学习； 理解类比学习的概念。

6.6 基于解释的学习（0.5学时）

了解解释学习的空间描述及学习模型； 理解解释学习的概念；

掌握解释学习的基本原理及基本过程。考核要求

了解机器学习的概念，机械式学习，指导式学习，归纳学习；掌握基于解释学习的基本原理及其基本过程。

第7章 神经网络及连接学习

教学要点

人工神经网络的概念和各种连接学习方法。教学时数

2学时 教学内容

7.1 人工神经网络概述（0.5学时）

了解人工神经元及人工神经网络人工神经网络的发展过程，人工神经网络的局限性； 理解生物神经元及脑神经系统的结构及特征。

7.2 人工神经网络的互连结构及其学习机理（0.5学时）

了解人工神经网络学习和记忆的心理学基础； 理解人工神经网络的互连结构； 掌握人工神经网络的学习算法。

7.3 感知器模型及其学习（0.5学时）

了解有关感知器XOR问题求解的讨论； 理解感知器模型，感知器学习。

7.4 误差反向传播网络及其学习（0.25学时）

理解B-P网络结构；

掌握B-P网络学习的传播公式，B-P网络的学习算法。7.5 Hopfield网络及其学习

（0.25学时）

了解Hopfield模型的稳定性

理解Hopfield网络的结构； 掌握Hopfield网络的学习算法。考核要求

了解人工神经网络及其结构和学习机理；理解感知器、B-P网络、Hopfield网络及其B-P网络；掌握Hopfield网络的算法。

第8章 自然语言理解

教学要点

自然语言理解的基本概念和分析方法。教学时数

2学时 教学内容

8.1 语言及其理解的基本概念（0.25学时）

了解自然语言与自然语言理解，自然语言理解的研究任务，自然语言理解的发展，自然语言理解的层次。

8.2 语法规则的表示方法（0.25学时）

掌握句子结构的表示，上下文无关文法，变换文法。8.3 语法分析（0.5学时）

掌握自顶向下与自底向上分析； 理解扩充转移网络分析。

8.4 语义的分析（0.5学时）

理解语义文法； 掌握格文法。

8.5 自然语言的生成（0.25学时）

了解自然语言生成的概念及生成步骤。

8.6 自然语言理解系统的层次模型（0.25学时）

了解语言理解的层次模型。考核要求

了解自然语言理解的概念，会用语法分析和语义的分析，了解自然语言理解系统的层次模型。

第9章 专家系统

教学要点

专家系统是人工智能的一个重要应用领域,它目前正在从集中、封闭模式向分布、开放模式发展。教学时数

3学时 教学内容

9.1 专家系统的基本概念（0.5学时）

了解专家系统的概念、分类及特点。

9.2 专家系统的基本结构（0.5学时）

了解用户界面；

理解知识库、数据库、推理机、解释机构、知识获取机构。9.3 知识获取（0.5学时）

了解知识获取方法的分类； 理解知识获取的任务；

掌握非自动知识获取，自动知识获取。

9.4 专家系统的开发与评价（0.5学时）

了解专家系统的开发条件，生命期概念，专家系统开发过程的各个阶段。9.5 专家系统开发工具与环境（0.5学时）

了解程专家系统的开发工具与开发环境。9.6 专家系统的进一步发展

（0.5学时）

了解新一代专家系统。考核要求

了解专家系统的概念、基本结构及其开发工具与环境；掌握非自动知识获取和自动知识获取。

第10章 智能决策支持系统

教学要点

智能决策支持系统是人工智能的另一重要应用领域,它是目前迅速兴起的网络商务中的一项重要技术,有着广阔的应用前景 教学时数

2学时 教学内容

10.1 智能决策支持系统的基本概念（0.5学时）

了解智能决策支持系统；

理解决策与决策过程，决策支持系统。

10.2 决策支持新技术（1学时）

理解数据仓库、数据开发及其它们的结合。

10.3 智能决策支持系统的基本结构

（0.5学时）

掌握智能决策支持系统的基本结构。考核要求

了解智能决策支持系统及其新技术，知道智能决策支持系统的结构及新结构体系；理解决策与决策过程，决策支持系统；智能决策支持系统的基本结构。

三、参考书目

1、王万森，《人工智能原理及其应用》，电子工业出版社，2000年9月第一版。

2、林尧瑞、马少平，《人工智能导论》，清华大学出版社，1989年5月第一版。

3、陈世福、陈兆乾等编，《人工智能与知识工程》，南大出版社，1997年12月第一版。

4、何华灿，《人工智能导论》，西北工业大学出版社，1988。

5、陈汝铃，《人工智能》，科学出版社，1989。

第三篇：2014新版人工智能教学大纲

404131422《人工智能》

英文课名： Artificial Intelligence 学 时：32 学 分：2 先修课程：数据结构，编译原理，离散数学 适用专业：计算机科学与技术专业，软件工程专业

一、总论

（一）课程性质：

本课程是计算机科学与技术专业本科，软件工程专业本科的专业选修课

（二）开课目的与任务：

目的：使学生掌握人工智能的基本概念、基本原理、知识表示、推理机制和求解技术，以及相关研究领域的技术方法。启发学生对人工智能的兴趣，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。

任务：

1．了解人工智能的概念和人工智能的发展，了解国际人工智能的主要流派和路线，了解国内人工智能研究的基本情况，熟悉人工智能的研究领域。

2．掌握状态空间法、问题归约法和谓词逻辑法，熟悉语义网络法，了解知识表示的其他方法，如框架法、剧本法、过程法等。

3．掌握盲目搜索和启发式搜索的基本原理和算法，特别是宽度优先搜索、深度优先搜索、等代价搜索、启发式搜索、有序搜索、A*算法等．了解博弈树搜索、遗传算法和模拟退火算法的基本方法。

4．掌握消解原理、规则演绎系统和产生式系统的技术。

（三）课程教学重点、难点、手段等有关说明：

课程的重点：

1、状态空间法、问题归约法和谓词逻辑法知识表示方法。

2、盲目搜索和启发式搜索的基本原理和算法。

3、规则演绎系统和产生式系统。

课程的难点：

1、语义网络法，面向对象的知识表示方法。

2、代价搜索、启发式搜索、有序搜索、A*算法。

3、专家系统和机器学习。

教学手段及教学方法: 采用课堂讲授，课后自学，课堂讨论等教学手段和方法。

1、课堂讲授

在课堂上对人工智能的基本概念、原理和方法进行必要的讲授，并详细讲授每章的重点、难点内容；讲授中注意理论联系实际，通过必要的案例展示、讨论，启迪学生的思维，加深学生对有关概念、理论等内容的理解，并采用多媒体辅助教学，加大课堂授课的知识含量。

2、课后自学

为了培养学生整理归纳，综合分析和处理问题的能力，每章都安排一部分内容，课上教师只给出自学提纲，不作详细讲解，课后学生自学。

3、课堂讨论

课堂讨论的目的是活跃学习气氛，开拓思路。需认真组织，安排重点发言，充分调动每一名同学的学习积极性，做好总结。

4、习题课

习题课以典型例题分析为主，并适当安排开阔思路及综合性的练习及讨论。

5、课外作业

课外作业的内容选择基于对基本理论的理解和巩固，培养综合计算和分析、判断能力以及使用人工智能方法用于给定的问题，并能够选择适当的实现方法的能力。

二、课程内容及其学时分配、教学要求

（一）课程内容及学时分配：

章次 1 2 3 4 5 总计

（二）教学要求：

课程的教学要求大体上分为三个层次：了解、理解和认识。

1、了解是能正确判别有关概念和方法；

2、理解是能正确表达有关概念和方法的含义；

3、认识是在理解的基础上加以灵活应用。

三、实验

无

四、课程设计

无

五、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

课程内容 绪论 知识表示 搜索策略 确定性推理 机器学习

学时分配 4学时 8学时 8学时 6学时 6学时 32学时

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

六、考核办法

因为是考查课，所以采用平时+考试的方式进行考核。平时占50分，包括考勤、随堂小考、提问及课后思考设计题目等的完成状况；最后笔试试卷占50分，范围涵盖所有讲授及自学的内容。

第四篇：人工智能 2012年研究生课程教学大纲

武汉工程大学2012年《人工智能基础》考研考试

一、命题原则：

1、考察学生对基础知识（包括基本概念、基本内容、基本结论、基本计算）的掌握程度以及运用已掌握的知识分析和解决问题的能力。

2、考试对象为报考我校模式识别与智能系统专业各方向的研究生入学考试考生。

3、难易适度，难中易比例：容易：30%，中等：40%，偏难20%，难：10%。

4、考试知识点覆盖率达80%以上。

二、题型、分值及考试时间：

1、题型包括：填空题、对错题、名词解释、计算题、简答题

2、考试时间：180分钟

3、满分：150分

三、考试内容与要求

第一章绪论

1.1人工智能的定义和发展

1.2人类智能和人工智能

1.3人工智能各学派的认知观

1.4人工智能的研究与应用领域

第二章知识表示方法

2.1状态空间法

2.2问题规约法

2.3谓词逻辑法

2.4语义网络法

2.5框架表示

2.6剧本表示

2.7

第三章

3.1

3.2

3.4

3.5

3.6

3.7过程的表示 搜索推理技术 图搜索策略 盲目搜索 消解原理 规则演绎系统 产生式系统 系统组织技术 3.3启发式搜索

3.8不确定推理

3.9非单调推理

第四章神经计算 模糊计算

4.1 概述

4.2 神经计算

4.3 模糊计算

第五章专家系统

6.1专家系统概述

6.2基于规则的专家系统

6.3基于框架的专家系统

6.4基于模型的专家系统

6.5新型专家系统

6.6专家系统的设计

6.7专家系统开发工具

第六章机器学习

7.1机器学习的定义和发展历史

7.2机器学习的主要策略和基本结构

7.3机械学习

7.4归纳学习

7.5类比学习

7.6解释学习

7.7神经学习

7.8知识发现

第七章自动规划

8.1规划系统的定义与任务

8.2积木世界的机器人规划

8.3STRIPS规划系统

8.4

8.5 具有学习能力的规划系统 分层规划

8.6 基于专家系统的规划

第八章智能控制

12.1 智能控制的发展与定义

12.2 智能控制的结构理论与特点

12.3 智能控制系统

12.4 智能控制的应用领域

第九章人工智能的展望

13.1 人工智能的争论

13.2 人工智能对人类的影响

13.3 对人工智能的展望

四、主要参考书

推荐参考教材：

（1）人工智能及其应用（第三版）.蔡自兴，徐光祐主编.清华大学出版社.2003年

（2）人工智能原理及其应用(第2版).王万森 编著.电子工业出版社.2007.1

（3）人工智能（第一版）.张彦铎主编.清华大学出版社.2007年

（4）Artificial Intelligence: A New Synthesis.Morgan Kanfmann.N.J.Nilsson主编.机械工业出社.1999

第五篇：《3D_MAX动画设计》详细教学大纲

《3D MAX动画设计》教学大纲

课程名称：3D MAX动画设计 英语名称：

课程代码： 课程性质：专业必修 学分学时数：4学分 108学时 适用专业：图形图像制作

审核人： 审核日期： 审定人： 审定日期：

一、课程的性质和目的

（一）课程性质

3ds max是当今世界上应用领域最广，使用人数最多的三维动画制作软件，为各行业（建筑表现、场景漫游、影视动画、角色游戏、机械仿真等）提供了一个专业、易掌握和全面地解决方法。3ds max7支持大多数现有的3D软件，并又有大量第三方的内置程序。Discreet开发的character studio是一个为高级角色动画及群组动画提供理想扩展方案的插件。3ds max同时与Discreet的最新3D合成软件combustion完美结合，从而提供了理想的视觉效果。

（二）课程目的

根据课程特点、学生情况、专业特点以及教学大纲的规定，通过学习，让学生掌握3DS MAX建模、贴图、渲染等基本常识，了解相关理论知识和实际应用知识，并应用到实际生活中。了解3DS MAX的操作界面及其相关知识。了解3DS MAX的物体建模等基本常识。了解3DS MAX的材质一般贴图、玻璃、金属材质贴图的做法。了解3DS MAX透明材质贴图、多层材质贴图采用图文并茂的教学方法使其更形象的理解把3DS MAX设计的理论应用到实际生活中去，增加学生的课外知识，扩大学生的视野。

二、教学内容、重（难）点、教学要求及学时分配 第一章：初识3ds max 7（8学时）

1、讲授内容：（1）3ds max7介绍（2）3ds max7的硬件要求（3）3ds max 7 操作界面（4）3ds max7的新增功能

2、教学要求： 了解：3ds max7的概念，三大要素，新增功能

理解：3ds max的工作界面中各个模块的功能和使用方法 掌握：3ds max的工具栏中经常使用的基本工具

3、教学重点：3ds max的工作界面中各个模块的功能和使用方法

4、难点：3ds max的工作界面中各个模块的功能和使用方法

第二章：基础建模（16学时）

1、讲授内容：（1）建模基础

（2）二维基本样条线建模（3）三维基本造型建模（4）创建扩展基本体

2、教学要求：

了解：各种建模方法的特点

理解：“次物体”的概念, 3ds max命令面板中的二维造型的使用方法

掌握：建模过程中经常使用的工具, 熟练二维基本样条线建模、三维基本造型建模

3、教学重点：二维基本样条线建模、三维基本造型建模

4、难点：二维基本样条线建模、三维基本造型建模

第三章：常用修改器（20学时）

1、讲授内容：

（1）认识修改器命令面板（2）常用的编辑修改器

2、教学要求： 了解：修改器命令面板

理解：修改器堆栈、编辑修改器的顺序和修改器堆栈的塌陷

掌握： Bend、Taper、Twist、Skew、Noise、Stretch、XForm等修改器的使用

3、教学重点：

（1）修改器堆栈、编辑修改器的顺序和修改器堆栈的塌陷。

（2）Bend(弯曲)、Taper(渐变)、Twist(扭曲)、Noise(噪声)、Stretch(拉伸)、Squeeze(压榨)、Push(推动)、Relax(松弛)、Ripple(涟漪)、Wave(波浪)、Skew(倾斜)、Slice(切片)、Spherify(球体化)、Affect Region(起伏)、Lattice(网格化)的操作方法。

（3）使用Edit Mesh和Edit Spline修改器，对三维几何体模型和二维图形的次物体进行修改和编辑。

4、教学难点：（1）Bend、Taper、Twist、Skew、Noise、Stretch修改器。（2）Extrude、Lathe、Bevel修改器。

第四章：复合对象（10学时）

1、讲授内容：（1）变形（2）散布（3）一致（4）连接（5）水滴网格（6）ShapeMeyge（7）布尔（8）地形（9）放样

2、教学要求： 了解：复合对象简介

理解：放样物体的五种变形的方法，注意区别和比较使用

掌握：Morph、Boolean和Loft工具来创建复合物体，并创建复合物体进行编辑和修改

3、教学重点：

（1）复合物体的基本概念及其创建方法分类。（2）Morph、Boolean和Loft工具的使用。

4、难点：

Morph、Scatter、Conform、Connect、Shape Merge、Boolean和Terrain 9种复合方法。

第五章：高级建模（20学时）

1、讲授内容：（1）网格建模（2）面片建模（3）多边形建模（4）NURBS建模

2、教学要求：

了解：网格建模、面片建模、多边形建模、NURBS建模的概念 掌握：4种建模的方法

3、教学重点：

网格建模、面片建模、多边形建模、NURBS建模方法

4、难点：

网格建模、面片建模、多边形建模、NURBS建模4种建模方法的应用

第六章：材质与贴图（16学时）

1、讲授内容：（1）材质编辑器（2）材质（3）贴图

2、教学要求：

了解：一些材质的相关概念，熟悉材质编辑器和给物体赋予材质的方法；Checken Bricks、Gradient Swirl、3D map、Compositors其他几种子层贴图类型。

理解：同步材质和异步材质基本概念，熟悉材质/贴图测览器并能从材质库中获取材质；熟练设置材质的基本参数设置，能够制作霓虹、自发光、透明等材质效果。

掌握：基本贴图方法，学会设置内建式和UVW Map贴图贴图坐标使用；Self-Illumination、Opacity、Filter Color、Bump、Relection几种主要的贴图类型。

3、教学重点：

（1）材质、贴图的基本概念及其各自特点。

（2）材质编辑器的组成，对材质进行编辑，将某种材质赋予物体。（3）贴图坐标的概念，贴图参数调整方法，将某种贴图赋予物体。

（4）使用Bitmap、Checker、Gradient、Cellular、Marble、Noise几种类型的贴图。

4、难点：

（1）对材质进行编辑，将某种材质赋予物体。（2）贴图参数调整方法。

（3）Self-Illumination、Opacity、Filter Color、Bump、Relection几种主要的贴图类型。（4）设置内建式和UVW Map贴图贴图坐标使用。

第七章：场景（8学时）

1、讲授内容：（1）设置灯光（2）环境（3）摄像机

2、教学要求：

了解：在场景中建立和设置环境光、泛光灯和目标聚光灯 理解：在场景中建立火焰特效、雾、质量雾和质量光。掌握：建立和使用质量雾和质量光，了解它们的特性。

3、教学重点：

（1）灯光与摄像机的基本概念及其分类。

（2）Target Spot(目标聚光灯)、Free Spot(自由聚光灯)的创建与参数调整。

（3）Target Camera（目标式摄像机）和Free Camera（自由式摄像机）的创建与参数调整。（4）四种大气特效的设置。

4、难点：

（1）Target Spot(目标聚光灯)、Free Spot(自由聚光灯)的创建与参数调整。

（2）Target Camera（目标式摄像机）和Free Camera（自由式摄像机）的创建与参数调整。（3）边界盒的选择。（4）大气特效的参数设置。

第八章：动画（6学时）

1、讲授内容：

（1）动画制作基础理论（2）轨迹视图（3）动画控制器

2、教学要求：

了解：3ds max中的时间设置。

理解：Motion面板，学会使用Motion面板中常用的动画控制器制来制作和调整计算机三维动画。掌握：熟悉轨迹视图与功能曲线建立和调整，能利用轨迹视图来创建和调整计算机三维动画；用轨迹窗和动画控制器制作动画。

3、教学重点：

（1）使用Animation动画按钮建立基本动画。（2）用轨迹窗和动画控制器制作动画。

（3）使用喧染动画及视频合成对动画或图像进行合成处理。

4、难点：

（1）轨迹窗和动画控制器。（2）喧染动画及视频合成。

第九章：粒子系统与空间扭曲（4学时）

1、讲授内容：（1）粒子系统（2）轨迹视图

2、教学要求：

了解：基本空间扭曲的使用，了解它与一般修改器的区别。理解：常用粒子系统的创建。

掌握：高级粒子系统的创建和空间扭曲对粒子系统的影响。

3、教学重点：

（1）基本空间扭曲的使用。（2）常用粒子系统的创建。

4、难点：

⑴常用粒子系统的创建。

三、各教学环节的基本要求

（一）课堂讲授

1、教学方法

（1）课堂讲授：教师充分利用多媒体手段备课，讲授时力争讲清讲透课程的重点和难点，让学生能基本掌握本课程设计基本理论和设计基本技术。

（2）教师演示:教师直接在机房进行设计操作示范，并利用多媒体网络教学软件，实现教师机与学生机同屏显示教学内容，使授课与学生上机练习随机进行，做到了真正的互动式教学。

（3）上机实训：有选择性地布置一些思考题和实训题，强化学生加强课内外上机练习，掌握基本操作技能。

（4）网络辅助教学：利用网络，开设论坛，回答学生提出的问题，学生通过网络提交作业，教师通过网络将批阅后的作业返回给学生。这样不仅使学生对本课程的内容有了更进一步的了解，而且加深了学生对电脑网络知识应用的兴趣。

（5）案例教学：在教案中准备不同的教学案例，将这些案例让学生分析、讨论或课外思考，使学生更多地了解实际，扩大视野。

2、教学手段

利用多媒体教学系统，边讲边演示，使学生即时看到操作效果；利用网络将课堂教学延伸到课外，学生根据需要通过网络学习有关内容。

3、教学辅助资料 三维动画

（二）作业、答疑和质疑

1、作业

本课程以上机实验为主，在每章中穿插写实验报告1～2次，以巩固学生学习成果。期中安排一次复习练习，用来总结、评测这半学期学习的效果，同时加深学生对该课程学习的印象，提高综合动手能力。

2、答疑和质疑

通过学生作业的情况了解学生对知识点的掌握情况，要求把每次作业的程序文本和运行结果存入到本人的用户目录下或其它方式供老师检查。通过学生作业的情况进行讲解和复习巩固所学的知识。

（三）考核方式

考查

四、与其他课程的联系与分工

本课程的预修课程是信息文化基础，Flash动画制作，Photoshop图片处理，CorelDraw图形处理。

五、建议教材及教学参考书

（一）建议教材

《3ds max7动画教程》西安电子科技大学出版社 2005年10月

（二）教学参考书

《3ds max7 基础与实例全科教程》航空工业出版社 2005年 5月。《中文版3ds max7轻松课堂实录》北京希望电子出版社 2006年8月。