人工智能导论
课程概述人工智能是迅速发展的新兴学科，已经成为许多高新技术产品的核心技术。人工智能模拟人类智能解决问题，几乎在所有领域都有非常广泛的应用。
本课程为入门级人工智能课程，适合初学者，可以帮助初学者实现“零基础”学习人工智能。本课程采用浙江工业大学王万良教授编著的专业教材《人工智能导论》（第5版），紧紧围绕人工智能的基本思想、基本理论、基本方法及其应用展开，并融合了人工智能的一些前沿内容。
通过本课程的学习，可以掌握知识表示、确定性和不确定性推理、搜索、进化计算、群智能、人工神经网络、专家系统、机器学习等基本理论与实用方法，了解深度学习、知识图谱等人工智能研究前沿内容，通过人工智能应用实例及虚拟仿真实验，可以提高应用人工智能理论解决工程问题的能力。
证书要求为积极响应国家低碳环保政策，2021年秋季学期开始，中国大学MOOC平台将取消纸质版的认证证书，仅提供电子版的认证证书服务，证书申请方式和流程不变。
电子版认证证书支持查询验证，可通过扫描证书上的二维码进行有效性查询，或者访问https://www.icourse163.org/verify，通过证书编号进行查询。学生可在“个人中心-证书-查看证书”页面自行下载、打印电子版认证证书。
完成课程教学内容学习和考核，成绩达到课程考核标准的学生（每门课程的考核标准不同，详见课程内的评分标准），具备申请认证证书资格，可在证书申请开放期间（以申请页面显示的时间为准），完成在线付费申请。
认证证书申请注意事项：
1. 根据国家相关法律法规要求，认证证书申请时要求进行实名认证，请保证所提交的实名认证信息真实完整有效。
2. 完成实名认证并支付后，系统将自动生成并发送电子版认证证书。电子版认证证书生成后不支持退费。
预备知识学习者具备一定的计算思维及程序设计基础，以及线性代数、概率论等数学知识即可。
授课大纲
第一讲人工智能概述
1.1简介
1.2人工智能的概念
1.3人工智能的发展简史
1.4人工智能研究的基本内容
第一讲人工智能概述单元测试
第二讲一阶谓词逻辑知识表示法
2.1命题逻辑
2.2谓词逻辑
2.3一阶谓词逻辑知识表示法
第二讲 一阶谓词逻辑知识表示法单元测试
第三讲产生式表示法和框架表示法
3.1产生式表示法
3.2框架表示法
第三讲 产生式表示法和框架表示法单元测试
第四讲基于谓词逻辑的推理方法
4.1推理方式及其分类
4.2归结演绎推理
4.3鲁滨逊归结原理
4.4归结反演
4.5应用归结原理求问题
第四讲基于谓词逻辑的推理方法单元测试
第四讲基于谓词逻辑的推理方法作业
第五讲可信度方法和证据理论
5.1不确定推理
5.2可信度方法
5.3证据理论
第五讲可信度方法和证据理论单元测试
第六讲模糊推理方法
6.1模糊逻辑提出
6.2 模糊集合与隶属函数
6.3模糊关系及其合成
6.4模糊推理与模糊决策
6.5模糊推理的应用
第六讲模糊推理方法单元测试
第七讲搜索求解策略
7.1搜索的概念
7.2状态空间知识表示法
7.3启发式图搜索策略
A*算法虚拟实验操作说明
第七讲搜索求解策略单元测试
第七讲A星算法虚拟仿真实验
第八讲遗传算法及其应用
8.1智能计算——基本遗传算法
8.2遗传算法的基本操作
8.3遗传算法的一般步骤
8.4遗传算法的特点
遗传算法虚拟实验操作说明
第八讲遗传算法虚拟仿真实验
第八讲遗传算法及其应用单元测试
第九讲群智能算法及其应用
9.1粒子群优化算法及应用
9.2蚁群算法及应用
第九讲群智能算法及其应用单元测试
第十讲专家系统及知识图谱
10.1专家系统
10.2知识图谱
第十讲专家系统及知识图谱单元测试
第十一讲机器学习
11.1机器学习发展
11.2机器学习方法
11.3机器学习技术
第十一讲机器学习单元测试
第十二讲BP神经网络和Hopfield神经网络
12.1神经元与神经网络
12.2 BP神经网络
12.3BP神经网络在模式识别中的应用
12.4离散型Hopfield神经网络
12.5连续型Hopfield神经网络
12.6 Hopfield神经网络的应用
第十二讲BP神经网络和Hopfield神经网络单元测试
第十三讲深度神经网络及其应用
13.1卷积神经网络
13.2胶囊网络
13.3生成对抗网络
神经网络深度学习虚拟仿真实验操作说明
第十三讲深度神经网络及其应用单元测试
第十三讲神经网络深度学习虚拟仿真实验
第十四讲智能体系统
14.1智能体的概念
14.2智能体结构
第十四讲智能体系统单元测试
参考资料[1]王万良.人工智能导论（第5版），高等教育出版社，2020年11月
[2]李德毅，人工智能导论，中国科学技术出版社，2018
[3]王万良.人工智能及其应用（第四版），高等教育出版社，2020年6月（教材官网）
[4]StuartRussellandPeterNorvig,“ArtificialIntelligence–AModernApproach(3rded)”,.PrenticeHall,Dec.11,2009.
[5]StuartRussell等著，殷建平等译：《人工智能：一种现代的方法 (第3版)》，清华大学出版社，2013年11月1日。
注：这本书是上述参考书籍[4]的中译本
人工智能导论
人工智能是迅速发展的新兴学科，已经成为许多高新技术产品的核心技术。人工智能模拟人类智能解决问题，几乎在所有领域都有非常广泛的应用。
本课程为入门级人工智能课程，适合初学者，可以帮助初学者实现“零基础”学习人工智能。本课程采用浙江工业大学王万良教授编著的专业教材《人工智能导论》（第4版），紧紧围绕人工智能的基本思想、基本理论、基本方法及其应用展开，并融合了人工智能的一些前沿内容。
通过本课程的学习，可以掌握知识表示、确定性和不确定性推理、搜索、进化计算、群智能、人工神经网络、专家系统、机器学习等基本理论与实用方法，了解深度学习、知识图谱等人工智能研究前沿内容，通过人工智能应用实例及虚拟仿真实验，可以提高应用人工智能理论解决工程问题的能力。
人工智能导论第 5 版 思考题 第四章
4.1什么是不确定性推理？有哪几类不确定性推理方法？不确定性推理中需要解决的基本问题有哪些？
不确定性推理：从不确定性的初始证据出发，通过运用不确定性的知识，最终推出具有一定程度的不确定性但却是合理或者近乎合理的结论的思维过程。
不确定性推理方法有：可信度方法、证据理论、模糊推理方法
基本问题有：不确定性的表示与量度、不确定性匹配算法与阈值的选择、组合证据不确定性的算法、不确定性的传递算法、结论不确定性的合成
4.2什么是可信度？由可信度因子CF(H,E)的定义说明它的含义。
所谓可信度就是人们在实际生活中根据自己的经验或观察对某一事件或现象为真的相信程度。
可信度因子CF(H,E)用来表示一条知识的可信度或规则强度。它的含义就是表示由于证据E的出现使结论H为真的可信度是增加了还是减少了如果是增加了则CF(H,E)>0并且CF(H,E)的值越大说明结论为真的可信度越大；相反如果证据E的出现使结论H为假的可信度增加了则使CF(H,E)