考试内容及要点
《人工智能导论》课程是培养学生对人工智能的整体认识性,使学生在具备数学与编程基本能力的基础上,对人工智能的多个分支有较全面的了解,具备一定的人工智能算法实现能力。
(一)绪论
1. 智能与人工智能的基本概念;
2. 人工智能研究的基本内容和方法;
3. 人工智能主要应用领域介绍。
(二)知识表示
1. 知识与知识表示的基本概念;
2. 谓词逻辑表示法;
3. 知识图谱及应用。
(三)确定性推理方法
1. 推理的概念、分类与基本策略;
2. 命题逻辑与谓词逻辑支持的基本推理方法;
3. 自然演绎推理与应用;
4. 归结原理与应用。
(四)不确定性推理方法
1. 不确定性的表示与不确定性推理的概念、分类;
2. 概率推理与主观贝叶斯推理方法;
3. 基于可信度的不确定性表示与推理方法;
4. 基于证据理论的不确定性表示与推理方法;
5. 模糊逻辑、模糊集、模糊关系及合成、模糊推理及其应用。
(五)搜索求解策略
1. 搜索的概念、分类与评价标准;
2. 状态空间的表示与启发式搜索应用;
3. 与或树的表示与启发式搜索应用;
4. 博弈树的概念、极大极小过程以及 a-b剪枝。
(六)智能计算基础
1. 智能计算的概念;
2. 进化算法的概念、框架与设计准则;
3. 遗传算法的基本概念及其应用;
4. 群智能算法的概念及典型的群智能算法。
(七)人工神经网络与深度人工神经网络
1. 神经元数学模型与人工神经网络基本原理;
2. 人工神经网络基本学习算法
3. BP神经网络结构与学习算法;
4. 卷积神经网络与深度学习。
(八)专家系统与机器学习
1. 专家系统概述;
2. 专家系统的工作原理;
3. 专家系统的建立;
4. 知识获取的主要过程与模式;
5. 机器学习的发展与基本概念;
6. 机器学习分类:监督学习、无监督学习、半监督学习与强化学习。
(九)自然语言处理及其应用
1. 自然语言处理与理解概述;
2. 语言处理过程的层次;
3. 机器翻译、自然语言人机交互、智能问答原理及应用;
4. 语音增强、识别、合成和转换处理技术及应用。
(十)计算机视觉
1. 计算机视觉概述;
2. 计算机视觉基本处理流程:图像预处理与图像分析理解;
3. 图像分类、目标检测、图像分割、人脸识别等主要计算机视觉技术方法。
(十一)智能机器人
1. 智能机器人概述;
2. 人工智能技术在机器人中的应用;
3. 智能机器人发展展望。
您填的信息已提交,老师会在24小时之内与您联系
如果还有其他疑问请拨打以下电话