智能信息处理课程教学大纲

《智能信息处理》课程教学大纲

一、课程基本信息

1、课程代码：IE426

2、课程名称：智能信息处理/Intelligent Signal Processing

3、学时/学分：36学时/2学分

4、先修课程：信号与系统，高等数学，计算机程序语言

5、面向对象：电子信息类各专业本科生

6、开课院（系）、教研室：电子信息与电气工程学院（电子工程系）、电路与系统教研室

7、教材、教学参考书：

《人工智能原理及其应用》，王万森，电子工业出版社，2000

《人工神经网络与模拟进化计算》，阎平凡，张长水，清华大学出版社，2000

《遗传算法原理及应用》，周明，孙树栋，国防工业出版社，1999

《人工免疫系统原理与应用》，莫宏伟，哈尔滨工业大学出版社，2002

二、本课程的性质和任务

智能信息处理是当前科学技术发展中的前沿学科，同时也是新思想、新观念、新理论、新技术不断出现并迅速发展的新兴学科，具有非常广泛的应用领域。该课程的主要任务是通过各个教学环节，运用各种教学手段和方法，使学生掌握智能信息处理的基本概念、基本原理、基本计算方法；培养学生分析、解决问题的能力和实验技能，为日后从事工程技术工作、科学研究以及开拓新技术领域，打下坚实的基础。

三、教学内容和要求

第一章人工智能导论（8）

要求：理解并掌握人工智能的基本概念和范畴、基本原理和研究方法；了解人工智能的发展历史、目前的实际状况、未来的发展前景和实际的应用领域；掌握人工智能中的知识和知识表示方法：演绎系统、产生式系统、框架结构、语义网络、过程性知识；掌握人工智能中采用的搜索策略：无变量盲目搜索算法、带变量盲目搜索算法、启发式搜索算法、博弈树搜索；理解非经典逻辑和非经典推理；理解自然语言理解：语法学、语义学、语用学。

第二章人工智能的应用（2）

要求：理解专家系统的基本概念；理解机器学习的基本概念和方法；理解模式识别的基本概念；理解智能决策支持系统的基本概念。

第三章人工神经网络（10）

要求：了解人工神经网络的发展历史；理解人工神经网络所借鉴的生物学上的人脑神经元的信息处理模式；掌握人工神经元和感知器的基本模型；掌握人工神经网络的结构、特点、学习方式和工作方式；掌握前向神经网络中的多层感知器模型和反向传播（BP）算法，理解径向基函数（RBF）网络模型；掌握反向神经网络中离散型和连续型的Hopfield网络模型，了解模拟退火算法和玻尔兹曼机；理解自组织神经网络的Hebb学习规则和ART模型；理解模糊神经网络。

第四章模糊数学基础（4）

要求：掌握模糊集合的概念；掌握模糊规则与推理；理解模糊推理系统。

第五章进化算法（4）

要求：了解进化算法的发展历史；理解进化算法的三个主要分支：遗传算法、进化规划、进化策略；理解这三个算法之间的主要区别和联系；掌握标准遗传算法的结构和步骤；理解进化算法同其他传统优化算法比较的优点和缺点；了解进化算法的应用领域。

第六章人工免疫系统（4）

要求：了解生物免疫学基础；理解反向选择算法和人工免疫系统模型；了解人工免疫系统在计算机安全中的应用；了解人工免疫系统其他的应用领域。

四、实验（上机）内容和基本要求

1、实验的学时数为4学时；

2、实验内容：神经网络系统的设计和应用

通过上机实验，使学生掌握利用计算机（Matlab语言）构造神经网络系统模型的基本方法，加深对神经网络系统及其工作方式的理解和认识，提高学生分析和解决实际问题的能力，并具有分析、整理实验数据和编写实验报告的能力。

五、对学生能力培养的要求

1、课内教学活动中能力培养的安排及要求

通过本课程的学习使学生理解智能信息处理所涉及的领域，并能利用计算机进行初步的现象分析和系统及算法的实现。在教学过程中，应注意逐步提高学生在教师课堂讲授的启发和指引下，独立钻研教材、参考资料，从而吸取知识的能力、自学的能力。

2、课外科技活动和社会实践等教学活动中能力培养的安排及要求

智能信息处理的内容和应用领域十分广泛，所涉及的部分内容难度较大。同时这也是一个飞速发展的领域，知识的老化和更新速度比较快。因此，应当鼓励学生参与这些相关领域的科研活动，引导他们阅读相关的大量文献，增强学生对理论课程的学习兴趣，学会利用所掌握的理论知识去分析和解决实际的问题。

六、其它说明

1、课程参考网站：中国期刊网和IEEE网站。

2、实验必须独立完成，不得相互拷贝。

3、本课程必须利用计算机技术，通过学生的上机实验，加强对所学理论知识的感性认识，提高分析和解决实际问题的能力。

4、课程结束时提交论文综述。

人工智能课程教学大纲

人工智能课程教学大纲 【课程编码】JSZX0300 【适用专业】计算机科学与技术 【课时】 72(理论)+28(实验) 【学分】 3 【课程性质、目标和要求】 人工智能是计算机科学的重要分支，是计算机科学与技术专业本科生的专业限选课之一。本课程介绍如何用计算机来模拟人类智能，即如何用计算机实现诸如问题求解、规划推理、模式识别、知识工程、自然语言处理、机器学习等只有人类才具备的"智能"，使得计算机更好得为人类服务． 作为本科生一个学期的课程，重点掌握人工智能的基础知识和基本技能，以及人工智能的一般应用．完成如下教学目标： （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）较详细地论述知识表示的各种主要方法。重点掌握状态空间法、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、了解不确定性推理、非单调推理的概念． （5）概括性地介绍人工智能的主要应用领域，如专家系统、机器学习、规划系统、自然语言理解和智能控制等． （6）简介人工智能程序设计的语言和工具． (7) 掌握Visual Prolog编程环境，会使用Prolog语言编写简单的智能程序。 要求学生已修过《数据结构》、《离散数据》和《编译原理》。 【教学时间安排】 本课程计 3 学分，理论课时72 ,实验课时28。学时分配如下表所示：

单片机课程设计报告——智能数字频率计汇总

单片机原理课程设计报告题目：智能数字频率计设计 专业：信息工程 班级：信息111 学号：*** 姓名：*** 指导教师：*** 北京工商大学计算机与信息工程学院

1、设计目的 （1）了解和掌握一个完整的电子线路设计方法和概念； （2）通过电子线路设计、仿真、安装和调试，了解和掌握电子系统研发产品的一个基本流程。 （3）了解和掌握一些常见的单元电路设计方法和在电子系统中的应用： 包括放大器、滤波器、比较器、计数和显示电路等。 （4）通过编写设计文档与报告，进一步提高学生撰写科技文档的能力。 2、设计要求 （1）基本要求 设计指标： 1.频率测量：0～250KHz； 2.周期测量：4mS～10S； 3.闸门时间：0.1S，1S； 4.测量分辨率：5位/0.1S，6位/1S； 5.用图形液晶显示状态、单位等。 充分利用单片机软、硬件资源,在其控制和管理下,完成数据的采集、处理和显示等工作,实现频率、周期的等精度测量方案。在方案设计中,要充分估计各种误差的影响,以获得较高的测量精度。 （2）扩展要求 用语音装置来实现频率、周期报数。 （3）误差测试 调试无误后，可用数字示波器与其进行比对，记录测量结果，进行误差分析。 （4）实际完成的要求及效果 1.测量范围：0.1Hz～4MHz，周期、频率测量可调； 2.闸门时间：0.05s～10s可调； 3.测量分辨率：5位/0.01S，6位/0.1S； 4.用图形液晶显示状态、单位（Hz/KHz/MHz）等。 3、硬件电路设计 （1）总体设计思路

本次设计的智能数字频率计可测量矩形波、锯齿波、三角波、方波等信号的频率。系统共设计包括五大模块: 主芯片控制模块、整形模块、分频模块、档位选择模块、和显示模块。设计的总的思想是以AT89S52单片机为核心，将被测信号送到以LM324N为核心的过零比较器，被测信号转化为方波信号，然后方波经过由74LS161构成的分频模块进行分频，再由74LS153构成的四选一选择电路控制档位，各部分的控制信号以及频率的测量主要由单片机计数及控制，最终将测得的信号频率经LCD1602显示。 各模块作用如下: 1.主芯片控制模块: 单片机AT89S52 内部具有2个16位定时/计数器T0、T1，定时/计数器的工作可以由编程来实现定时、计数和产生计数溢出时中断要求的功能。利用单片机的计数器和定时器的功能对被测信号进行计数。以AT89S52 单片机为控制核心，来完成对各种被测信号的精确计数、显示以及对分频比的控制。利用其内部的定时/计数器完成待测信号周期/频率的测量。 2.整形模块：整形电路是将一些不是方波的待测信号转化成方波信号，便于测量。本设计使用运放器LM324连接成过零比较器作为整形电路。 3.分频模块: 考虑单片机利用晶振计数，使用11.0592MHz 时钟时，最大计数速率将近500 kHz，因此需要外部分频。分频电路用于扩展单片机频率测量范围，并实现单片机频率测量使用统一信号，可使单片机测频更易于实现，而且也降低了系统的测频误差。本设计使用的分频芯片是74LS161实现4分频及16分频。 4.档位选择模块：控制74LS161不分频、4分频或者 16分频，控制芯片是74LS153。 5.显示模块：编写相应的程序可以使单片机自动调节测量的量程，并把测出的频率数据送到显示电路显示，本设计选用LCD1602。 (2)测频基本设计原理 所谓“频率”，就是周期性信号在单位时间（1s）内变化 的次数。若在一定时间间隔T内测得这个周期性信号的重复变 化次数N，则其频率可表示为f=N/T（右图3-1所示）。其中脉 冲形成电路的作用是将被测信号变成脉冲信号，其重复频率等 。利用单片机的定时/计数T0、T1的定时、计数 于被测频率f x 功能产生周期为1s的时间脉冲信号，则门控电路的输出信号持图3-1

数字信号处理课程设计报告

《数字信号处理》课程设计报告 设计题目： IIR滤波器的设计 专业： 班级： 姓名： 学号： 指导教师： 2010年月日

1、设计目的 1、掌握IIR 滤波器的参数选择及设计方法； 2、掌握IIR 滤波器的应用方法及应用效果； 3、提高Matlab 下的程序设计能力及综合应用能力。 4、了解语音信号的特点。 2、设计任务 1、学习并掌握课程设计实验平台的使用，了解实验平台的程序设计方法； 2、录制并观察一段语音信号的波形及频谱，确定滤波器的技术指标； 3、根据指标设计一个IIR 滤波器，得到该滤波器的系统响应和差分方程，并根据差分方程将所设计的滤波器应用于实验平台，编写相关的Matlab 程序； 4、使用实验平台处理语音信号，记录结果并进行分析。 3、设计内容 3.1设计步骤 1、学习使用实验平台，参见附录1。 2、使用录音机录制一段语音，保存为wav 格式，录音参数为：采样频率8000Hz、16bit、单声道、PCM 编码，如图1 所示。 图1 录音格式设置 在实验平台上打开此录音文件，观察并记录其波形及频谱（可以选择一段较为稳定的语音波形进行记录）。 3、根据信号的频谱确定滤波器的参数：通带截止频率Fp、通带衰减Rp、阻带截止频率Fs、阻带衰减Rs。 4、根据技术指标使用matlab 设计IIR 滤波器，得到系统函数及差分方程，并记录得到系统函数及差分方程，并记录其幅频响应图形和相频响应图形。要求设计 第 1页出的滤波器的阶数小于7，如果不能达到要求，需要调整技术指标。 5、记录滤波器的幅频响应和系统函数。在matlab 中，系统函数的表示公式为：

因此，必须记录系数向量a 和b。系数向量a 和b 的可以在Matlab 的工作空间（WorkSpace）中查看。 6、根据滤波器的系统函数推导出滤波器的差分方程。 7、将设计的滤波器应用到实验平台上。根据设计的滤波器的差分方程在实验平台下编写信号处理程序。根据运行结果记录处理前后的幅频响应的变化情况，并试听处理前后声音的变化，将结果记录，写入设计报告。 3.2实验程序 （1）Rs=40; Fs=1400; Rp=0.7; Fp=450; fs=8000; Wp=2*pi*Fp;Ws=2*pi*Fs; [N,Wn]=buttord(Wp,Ws,Rp,Rs,'s'); [b1,a1]=butter(N,Wn,'s'); [b,a]=bilinear(b1,a1,fs); [H,W]=freqz(b,a); figure; subplot(2,1,1);plot(W*fs/(2*pi),abs(H));grid on;title('频率响应'); xlabel('频率');ylabel('幅值');、 subplot(2,1,2); plot(W,angle(H));grid on;title('频率响应'); xlabel('相位(rad)');ylabel('相频特性'); 3.3实验结果（如图）： N =5 Wn=6.2987e+003 第 2页

《人工智能》教学大纲

附件1 广东财经大学华商学院课程教学大纲模板 一、课程简介 人工智能是计算机与自动化学科的一门分支学科。它研究如何用机器来模仿人脑所从事的推理、证明、识别、理解、学习、规划、诊断等智能活动。人工智能是当前科学技术中正在迅速发展，新思想、新观点、新技术不断涌现的一个学科，也是一门涉及数学、计算机科学、控制论、信息论、心理学、哲学等学科的交叉和边缘学科。人工智能原理是计算机科学技术类专业的应用学科。前修课程包括：离散数学、数据结构、算法分析与设计等，后续课程：专家系统，知识工程。 二、教学目标 （1）熟练掌握图搜索策略，熟练掌握回溯策略、图搜索策略的过程以及算法（BACKTRACK 以及AI算法），掌握一些典型问题的启发式函数； （2）掌握用命题逻辑、一阶逻辑表示知识的方法，并在此基础上进行推理，熟练掌握归结方法以及归结反驳过程，熟练掌握利用归结反驳方法进行推理。 （3）掌握基于贝叶斯规则的不确定性推理，掌握条件概率、独立、条件独立及贝叶斯公式；掌握利用贝叶斯定理检测垃圾邮件的基本方法。 三、主要教学模式和教学手段 1．本课程的教学包括课堂讲授、课外作业、辅导答疑、上机实验和期末考试等教学环节。

2．课堂教学采用启发式教学方法，理例结合，多媒体并用，引导学生加深对课程内容的理解，提高学生的学习兴趣和效果。 3．理论联系实际，通过本课程的教学，力争使学生在理解和掌握大纲所要求的知识内容的基础上，能正确地运用这些知识解决有关实际问题。 四、教学内容（要求编写所有章节的主要内容） 第一章人工智能概述 基本内容和要求： 1．人工智能的概念与目标； 2．人工智能的研究内容与方法； 3．人工智能的分支领域； 4．人工智能的发展概况。 第二章逻辑程序设计语言Prolog 基本内容和要求： 1．掌握Prolog语言的语句特点、程序结构和运行机理； 2．能编写简单的Prolog程序，能读懂一般的Prolog程序。 教学重点： Prolog程序设计。 教学难点： 表与递归，回溯控制 第三章基于图搜索的问题求解 基本内容和要求： 1．掌握状态图的基本概念、状态图搜索基本技术和状态图问题求解的一般方法，包括穷举式搜索、启发式搜索、加权状态图搜索和A算法、A*算法等； 2．掌握与或图的基本概念、与或图搜索基本技术和或图问题求解的一般方法； 3．理解一些经典规划调度问题（如迷宫、八数码、梵塔、旅行商、八皇后等问题）的求解方法； 教学重点：

《智能信息处理》实验

《智能信息处理》实验指导书 实验一 Python语言编程基础实验 一、实验目的 本课程的主要内容《机器学习》中的代码均使用Python语言编写，而且Python语言具有编写效率高、使用简便、大量科学函数运算支持等等的优点，非常适合作为科学计算的编程语言。因此，本实验的目的是让学生熟悉Python 语言的基本操作。 二、实验内容及要求 本实验的内容请参照附件电子书《Python编程入门经典》，并按下面步骤要求完成： 1、安装Python2.7和numpy工具包。 2、阅读第1~3章的基本Python语言部分，注意与C++语言和java语言对比区 别。 3、完成第3章的课后作业，Page45，第3、5、7、9小题。 4、阅读第4章，完成Page65，第3、4小题。 5、阅读第5章函数，完成Page84，第3小题。 三、实验报告要求 由于本实验为编程基础训练，因此实验报告无需给出整个完整程序的代码，只需写出关键的核心语句或者函数即可。 实验二 k近邻算法和决策树算法实验 一、实验目的 （1）熟练掌握K-近邻算法和决策树算法； （2）能使用K-近邻算法和决策树算法解决实际问题。 二、实验内容及要求 按下面步骤要求完成实验： 1、阅读课本第2章“使用k近邻算法改进约会网站的配对效果”和“手写识别 系统”两个k近邻算法实例，要求对每一条Python语句均清楚了解其语法和用法。 2、阅读课本第3章“海洋生物分类”和“预测隐形眼镜类型”两个决策树算法 实例，要求对每一条Python语句均清楚了解其语法和用法。 3、每人独立为一组，设计一个k-近邻算法的应用实例。其实分类的实例遍布我 们的日常生活，同学们只需要动动脑筋就可以发现很多可以应用k近邻算法来解决分类的问题。实例所需的数据可以从网络下载，如果下载有困难也可

数字信号处理课程设计

数字信号处理 课 程 设 计 院系：电子信息与电气工程学院 专业：电子信息工程专业 班级：电信班 姓名： 学号： 组员：

摘要 滤波器设计在数字信号处理中占有极其重要的地位，FIR数字滤波器和IIR 滤波器是滤波器设计的重要组成部分。利用MATLAB信号处理工具箱可以快速有效地设计各种数字滤波器。课题基于MATLAB有噪音语音信号处理的设计与实现，综合运用数字信号处理的理论知识对加噪声语音信号进行时域、频域分析和滤波。通过理论推导得出相应结论，再利用 MATLAB 作为编程工具进行计算机实现。在设计实现的过程中，使用窗函数法来设计FIR数字滤波器，用巴特沃斯、切比雪夫和双线性变法设计IIR数字滤波器，并利用MATLAB 作为辅助工具完成设计中的计算与图形的绘制。通过对对所设计滤波器的仿真和频率特性分析，可知利用MATLAB信号处理工具箱可以有效快捷地设计FIR和IIR数字滤波器，过程简单方便，结果的各项性能指标均达到指定要求。 关键词数字滤波器 MATLAB 窗函数法巴特沃斯

目录 摘要 (1) 1 引言 (1) 1.1课程设计目的 (1) 1.2 课程设计内容及要求 (1) 1.3课程设计设备及平台 (1) 1.3.1 数字滤波器的简介及发展 (1) 1.3.2 MATLAB软件简介 (2) 2 课程设计原理及流程 (4) 3.课程设计原理过程 (4) 3.1 语音信号的采集 (4) 3.2 语音信号的时频分析 (5) 3.3合成后语音加噪声处理 (7) 3.3.1 噪声信号的时频分析 (7) 3.3.2 混合信号的时频分析 (8) 3.4滤波器设计及消噪处理 (10) 3.4.1 设计IIR和FIR数字滤波器 (10) 3.4.2 合成后语音信号的消噪处理 (13) 3.4.3 比较滤波前后语音信号的波形及频谱 (13) 3.4.4回放语音信号 (15) 3.5结果分析 (15) 4 结束语 (15) 5 参考文献 (16)

人工智能教学大纲

《人工智能》教学大纲 一、课程概述 1. 课程研究对象和研究内容 人工智能是计算机与自动化学科的一门分支学科。它研究如何用机器来模仿人脑所从事的推理、证明、识别、理解、学习、规划、诊断等智能活动。人工智能是当前科学技术中正在迅速发展，新思想、新观点、新技术不断涌现的一个学科，也是一门涉及数学、计算机科学、控制论、信息论、心理学、哲学等学科的交叉和边缘学科。 《人工智能》（双语）课程的主要目标是为大学本科高年级学生提供有关人工智能理论以及应用所必需的知识和技能；掌握人工智能的基本原理；掌握设计开发智能系统的基本方法。 2. 课程在整个课程体系中的地位 人工智能原理是计算机科学技术类专业的应用学科。前修课程包括：离散数学、数据结构、算法分析与设计等，后续课程：专家系统，知识工程，该课程可以在大学三、四年级开设。 二、课程目标 1．熟练掌握图搜索策略，熟练掌握回溯策略、图搜索策略的过程以及算法（BACKTRACK 以及A*算法），掌握一些典型问题的启发式函数。 2．掌握用命题逻辑、一阶逻辑表示知识的方法，并在此基础上进行推理，熟练掌握归结方法以及归结反驳过程，熟练掌握利用归结反驳方法进行推理。 3．掌握基于贝叶斯规则的不确定性推理，掌握条件概率、独立、条件独立及贝叶斯公式；掌握利用贝叶斯定理检测垃圾邮件的基本方法。 三、课程内容和要求 这门学科的知识与技能要求分为知道、理解、掌握、学会四个层次。这四个层次的一般涵义表述如下： 知道———是指对这门学科和教学现象的认知。 理解———是指对这门学科涉及到的概念、原理、策略与技术的说明和解释，能提示所涉及到的教学现象演变过程的特征、形成原因以及教学要素之间的相互关系。 掌握———是指运用已理解的教学概念和原理说明、解释、类推同类教学事件和现象。

智能信息处理实验室建设申请书

【项目一：智能信息处理实验室规划申请立项时间：2013年】 1.项目建设的总体目标： （1）总体建设目标： 根据国家对高校教学和科研的要求以及我系的现状，拟建设智能信息处理实验室。通过该实验室的建设，为我系教师提供一个科研平台，凝聚我系科研骨干的力量，带动我系其他教师积极参与科学研究，推动我系科研工作的开展，使得我系科研整体水平有较大的提高。同时，该实验室的建设，也为我系学生提供一个实验教学平台，有助于推动本科教学的改革，有助于培养出符合地方经济和社会发展的应用型和实用型人才，更好地为地方经济建设服务，促进地方经济和社会发展。 （2）项目建设的意义和可行性分析： ①项目建设的意义： 智能信息处理实验的研究方向很多，主要包括：互联网科学(Web science)、智能计算(Intelligentcomputing)、搜索引擎(Search engine)、数据挖掘(Data mining)、优化算法(Optimizationalgorithm)、机器学习(Machine learing)等研究方向。各大高校和研究机构都成立了以智能信息为研究方向的智能信息处理实验室。 我们建设的智能信息处理实验室准备以基础研究、应用基础研究为主，集学术研究、工程应用、人才培养于一体。研究方向主要定位于为多目标优化、智能视频处理、智能控制，神经网络理论、数据挖掘等方向。拟安排具有丰富实际项目研究经验的研究人员带领优秀本科生在以上几个方向组成开发团队，以此培养学生较强的项目设计开发能力，提高学生在算法分析和思维创新方面的能力和一定的科研能力。另外实验室还准备通过建立完善的人才培养机制，吸引我系教师、优秀的本科生依托实验室研究平台积极参加国内国际的各种竞赛。 本实验室建设的意义，并不在于只是简单的给教师、学生提供一个研究、实验、学习的场所和条件，而是要把各种积极的力量凝聚起来，不断的推动我院的科学研究水平。通过实验室的建设，推动建设一支年龄与知识结构合理、勇于创新的优秀研究团队，形成良好的科研传统和学术氛围。通过实验室的建设，也能为安顺市的师资培训、科研创新提供一个平台，有利于推动产学研相结合，使科学研究真正服务于社会、服务于生产实践。

智能信息处理课程设计报告

智能信息处理课程设计报告 班级：11电科2 姓名：张俊为 学号： Xb11640218 浙江理工大学科技与艺术学院

1． 课程设计目的 1． 提高分析问题、解决问题的能力，进一步巩固智能信息处理算法的基本原理与方法。 2． 熟悉掌握一门计算机语言，可以进行智能信息处理的应用开发设计。 2． 课程设计内容及实现 1． 掌握BP 网络的基本原理，能利用BP 网络解决Hermit 多项式的逼近问题，具体内 容如下： 考虑Hermit 多项式的逼近问题，该问题由Mackay 提出： ()()22 1.112exp 2x F x x x ?? =-+- ??? ，式中，x ∈R 。 训练样本产生方式如下：样本数N=100，其中样本输入x i 服从区间[-4, 4]内的均匀分布，样本输出为F(x i )+e i ， e i 为添加的噪声，服从均值为0，标准差为0.1的正态分布。 对于该函数逼近问题，可以用一个单输入单输出的3层BP 网络对样本进行拟合，网络的隐节点数选为10。 其它学习参数设定如下：神经网络采用标准Sigmoid 激活函数，输出层采用线性激活函数，即：()f u u =。 学习率η=0.003，目标误差ε=0.5，最大学习次数20000，初始权值和偏移取[-0.1, 0.1]内的随机数。 2． 掌握模糊C 均值聚类算法的基本原理，并用该算法实现彩色图像分割。 2.1、BP 网络解决函数逼近 2.1.1、BP 神经网络设计 图 1创建BP 神经网络 2.1.2、BP 神经网络训练

图 2训练图2.1.3、BP神经网络测试及结果分析 图 3仿真结果图 P=linspace(-4,4,100);%均匀产生随机数 T=1.1.*(1-P+2.*P.^2).*exp(-P.^2/2)+sqrt(0.1)*rand n(1); %样本输出fx+ei t net=newff(P,T,10); %产生bp网络，10个神经元net.trainParam.show = 50;%显示周期 net.trainParam.lr = 0.003; %学习率 net.trainParam.epochs = 20000;%最大学习次数 net.trainParam.goal = 0.001; %目标误差 net.IW{1,1}=rand(10,1)*0.2-0.1;%初始权值 net.b{1,1}=rand(10,1)*0.2-0.1; net.b{2,1}=rand(1)*0.2-0.1;%初始偏移量 [net,tr]=train(net,P,T); p=8.*rand(1,100)-4; A = sim(net,P); %仿真figure; plot(P,T,'o',P,A,'x'); 2.2、基于模糊C均值聚类的彩色图像分割 2.2.1、基本原理及实现流程 在数字图像由于存在混合像素的原因，也就是说一个像素中不仅存在一类地物，因而采用硬分类方式往往不合适，而模糊C均值就是引入模糊集对每个像素的划分概率不单单是

《人工智能》详细教学大纲.doc

《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） …… ………………………………………………………………装……订……线…………………………………………………………………………………………………………… …………………………

DX3004模式识别与人工智能--教学大纲

《模式识别与人工智能》课程教学大纲 一、课程基本信息 课程代码：DX3004 课程名称：模式识别与人工智能 课程性质：选修课 课程类别：专业与专业方向课程 适用专业：电气信息类专业 总学时： 64 学时 总学分： 4 学分 先修课程：MATLAB程序设计；数据结构；数字信号处理；概率论与数理统计 后续课程：语音处理技术；数字图像处理 课程简介： 模式识别与人工智能是60年代迅速发展起来的一门学科，属于信息，控制和系统科学的范畴。模式识别就是利用计算机对某些物理现象进行分类，在错误概率最小的条件下，使识别的结果尽量与事物相符。模式识别技术主要分为两大类：基于决策理论的统计模式识别和基于形式语言理论的句法模式识别。模式识别的原理和方法在医学、军事等众多领域应用十分广泛。本课程着重讲述模式识别的基本概念，基本方法和算法原理，注重理论与实践紧密结合，通过大量实例讲述如何将所学知识运用到实际应用之中去，避免引用过多的、繁琐的数学推导。这门课的教学目的是让学生掌握统计模式识别基本原理和方法，使学生具有初步综合利用数学知识深入研究有关信息领域问题的能力。 选用教材： 《模式识别》第二版，边肇祺，张学工等编著[M]，北京：清华大学出版社，1999； 参考书目： [1] 《模式识别导论》，齐敏，李大健，郝重阳编著[M]. 北京：清华大学出版社，2009； [2] 《人工智能基础》，蔡自兴，蒙祖强[M]. 北京：高等教育出版社，2005； [3] 《模式识别》，汪增福编著[M]. 安徽：中国科学技术大学出版社，2010； 二、课程总目标 本课程为计算机应用技术专业本科生的专业选修课。通过本课程的学习，要求重点掌握统计模式识别的基本理论和应用。掌握统计模式识别方法中的特征提取和分类决策。掌握特征提取和选择的准则和算法，掌握监督学习的原理以及分类器的设计方法。基本掌握非监督模式识别方法。了解应用人工神经网络和模糊理论的模式识别方法。了解模式识别的应用和系统设计。要求学生掌握本课程的基本理论和方法并能在解决实际问题时得到有效地运用，同时为开发研究新的模式识别的理论和方法打下基础。 三、课程教学内容与基本要求 1、教学内容： （1）模式识别与人工智能基本知识； （2）贝叶斯决策理论； （3）概率密度函数的估计； （4）线性判别函数； （5）非线性胖别函数；

智能信息处理重点实验室

智能信息处理重点实验室 智能信息处理重点实验室以学科发展趋势和区域产业布局为指引，长期规划基础研究方向，积极适应区域产业需求，坚持资源开放与创新驱动，学科建设、人才培养与服务地方并举，拟在视觉信息处理、系统模拟与优化、大数据分析与挖掘、智能信息系统设计四个方向上开展学术研究与工程实践。通过建设，以视觉信息处理和系统模拟与优化两个方向为重点，在图像分析与模式识别、图像语义分割与标注、复杂系统模拟仿真与优化等方面形成一批有显著影响的学术研究成果，学科水平达到省内领先地位，力争跻身国家级平台。瞄准城市管理、智慧交通、智慧农业、工业制造和大数据五大应用领域，促进实验室科研成果转移转化，推进智能信息处理技术与实体经济深度融合，产研协作，实施一批有良好社会效益、经济效益的工程实践项目，创建本区域智能信息处理技术创新联盟，提供技术服务，培育领军企业，切实推动区域内社会治理智能化与企业智能化升级，助力区域内人工智能产业创新孵化，形成省内示范引领。 实验室在本区域内有效落实国家《新一代人工智能发展规划》的战略决策部署，促进我省在智能信息处理领域的学科发展水平；为本区域尤其是宝鸡市“新型智慧城市”建设与“两化深度融合”发展提供技术、人才等支持，有效提升宝鸡市城市管理能力和治理水平，显著推进区域内农业、高端装备制造、新材料、大数据等产业发展升级；将深度激活宝鸡文理学院学科发展与实践创新潜能，有利于学校依托智能信息处理实验室，加强校内计算机科学与技术、数学、物理学、心理学、经济学、法学、社会学等相关学科的交叉融合，极大助力学校学科建设、人才培养和服务地方的能力和水平的提升，促进学校可持续发展。 智能信息处理重点实验室占地面积510平米，其中实验用房占地400平米，管理用房占地80平米，资料室占地30平米。重点实验室配套设施包括计算机学院已建的云计算服务平台、智能信息处理实

《人工智能》课程教学大纲

人工智能》课程教学大纲 、课程基本信息 二、课程教学目标 《人工智能》是计算机科学与技术专业的一门专业拓展课，通过本课程的学习使本科生对人工智能的基本内容、基本原理和基本方法有一个比较初步的认识，掌握人工智能的基本概念、基本原理、知识的表示、推理机制和智能问题求解技术。启发学生开发软件的思路，培养学生对相关的智能问题的分析能力，提高学生开发应用软件的能力和水平。 三、教学学时分配

四、教学内容和教学要求 第一章人工智能概述（3 学时） （一）教学要求 1.掌握人工智能的基本概念； 2.理解人工智能的发展状况。 3.理解人工智能的基本技术； 4.了解人工智能的研究途径与方法； 5.了解人工智能的分支领域； （二）教学重点与难点教学重点：人工智能的基本技术。教学难点：三大学派的研究途径与方法。 （三）教学内容 第一节人工智能的基本概念 1.什么是人工智能 2.强人工智能与弱人工智能 3.脑智能和群智能 4.符号智能和计算智能 第二节人工智能发展概况 1.人工智能学科的产生

2.人工智能学科的发展 3.人工智能三大学派 第三节人工智能研究途径与方法 1.人工智能的研究目标 2.人工智能的研究方法 3.人工智能的研究内容 第四节人工智能基本技术 1.推理技术 2.搜索技术 3.知识库技术 4.归纳技术 5.联想技术第五节人工智能的应用 1.难题求解 2.机器定理证明 3.自动程序设计 4.模式识别 5.机器翻译 6.智能管控 7.智能决策 8.智能人机接口 第六节人工智能的影响 1.人工智能对人类的影响 2.人工智能对社会的影响 本章习题要点：对基本概念、技术、方法的理解。 第二章智能程序设计语言（5 学时）（一）教学要求 1．了解常见的几种人工智能程序设计语言；

智能信息处理实验报告

智能信息处理实验报告 一、实验目的 1)掌握遗传算法的基本原理和程序流程。 2)理解TSP问题的基本概念。 3)能利用遗传算法求解TSP问题。 二、实验环境与设备 实验由1个学生独立完成，实验环境：笔记本电脑（Eclipse /Android Studio IDE）。 三、预备知识 1、TSP问题基本概念 TSP问题即旅行商问题（Traveling Salesperson Problem）。该问题给定n个城市和两两城市之间的距离，要求确定一条经过各城市当且仅当一次的最短路线。其图论描述为：给定图G=(V, A)，其中V为顶点集，A为各顶点相互连接组成的边集，已知各顶点间的连接距离，要求确定一条长度最短的Hamilton回路，即遍历所有顶点当且仅当一次的最短回路。 2、遗传算法的基本原理 遗传算法是一类随机优化算法，但它不是简单的随机比较搜索，而是通过对染色体的评价和对染色体中基因的作用，有效地利用已有信息来指导搜索有希望改善优化质量的状态。 标准遗传算法主要步骤可描述如下： ①随机产生一组初始个体构成初始种群。 ②计算每一个体的适配值（fitness value，也称为适应度）。适应度值是对染色体(个体) 进行评价的一种指标，是GA进行优化所用的主要信息，它与个体的目标值存在一 种对应关系。 ③判断算法收敛准则是否满足，若满足，则输出搜索结果；否则执行以下步骤。 ④根据适应度值大小以一定方式执行复制操作（也称为选择操作）。 ⑤按交叉概率p c执行交叉操作。 ⑥按变异概率p m执行变异操作。 ⑦返回步骤②。 标准遗传算法流程图下图所示。

图2.1 标准遗传算法流程图 四、实验内容 1、设计算法的编码方式 路径编码是描述TSP 解的最常用的一种策略。所谓路径编码，即直接采用城市在路径中的位置来构造用于优化的状态。 例如：设九城市TSP 问题的路径为5-4-1-7-9-8-6-2-3， 对应的路径编码为：(5 4 1 7 9 8 6 2 3)。 这种编码形式自然直观，易于加入启发式信息，也有利于优化操作的设计。 2、设计遗传算法的适应度函数 对个体i ，计算与路径编码相对应的距离，设为d i 。显然距离值d i 越大，适应度值应越小。因此，适应度函数可定义为：1 i Fit d 。这里我们在算法程序中个体适应度函数定义为：tempf[k] = 10.0 / fitness[k]。 3、设计遗传算法的选择操作 选择是用来确定交叉个体，以及被选个体将产生多少个子代个体。它是基于适应度值计算基础上进行的。在实现算法的程序中，挑选种群中适应度最高的个体。挑选函数为

医院信息管理系统--数据库课程设计

东北大学秦皇岛分校 数据库原理课程设计报告 医院信息管理系统 学院数学与统计学院 专业信息与计算科学 学号7110117 姓名王启 指导教师张建波崔向南 成绩 教师评语： 指导教师签字： 2014年1月4日

1绪论 1、背景 随着社会化大生产的不断扩大和社会对产品多样化的需求，人们越来越重视信息在生产经营及企业管理中的作用，并把它当做企业的一种极其重要的资源，人们称之为“信息资源”，信息资源的处理已经成为当今世界上一项主要的社会活动。同样，在医疗系统中也不例外，其中加强对门诊信息的管理，一方面能更好为病人服务，另一方面能加强对医院效益的监控。 当前，医院作为病人就诊的地方，有许多信息需要处理和管理。现今，有很多门诊信息都是初步开始使用，甚至尚未使用计算机进行信息处理。根据调查得知，他们以前对信息管理的主要方式是基于文本、表格等纸介质的手工处理，对于医历等很多信息都是用人工计算、手抄进行。数据信息处理工作量大，容易出错；由于数据繁多，容易丢失，且不易查找。总的来说，缺乏系统，规范的信息管理手段。 数据处理手工操作，工作量大，出错率高，出错后不易更改。基于这此问题，我认为有必要建立一个医院管理系统，使医院管理工作规范化，系统化，程序化，避免医院管理的随意性，提高信息处理的速度和准确性，能够及时、准确、有效的查询和修改医院情况。 本系统运用了Microsoft SQL Server2005为后台数据库，以Eclipse为代码开发工具，实现了医生信息管理模块、病人信息管理模块、药物信息管理模块、收费信息管理模块等功能，本系统操作简单、界面友好、灵活、稳定，适合医院信息管理。 2、Eclipse及SQL Sever 2005简介 Eclipse 是一个开放源代码的、基于Eclipse的可扩展开发平台。就其本身而言，它只是一个框架和一组服务，用于通过插件组件构建开发环境。幸运的是，Eclipse 附带了一个标准的插件集，包括Eclipse开发工具（Eclipse Development Kit，JDK）。 虽然大多数用户很乐于将Eclipse 当作Eclipse 集成开发环境（IDE）来使用，但Eclipse 的目标却不仅限于此。Eclipse 还包括插件开发环境（Plug-in Development Environment，PDE），这个组件主要针对希望扩展Eclipse 的软件开发人员，因为它允许他们构建与Eclipse 环境无缝集成的工具。由于Eclipse 中的每样东西都是插件，对于给Eclipse 提供插件，以及给用户提供一致和统一的集成开发环境而言，所有工具开发人员都具有同等的发挥场所。 SQL Server 2005 通过在可伸缩性、数据集成、开发工具和强大的分析等方面的革新更好的确立了微软在BI领域的领导地位。SQL Server 2005 能够把关键的信息及时的传递到

《人工智能导论》教学大纲

人工智能导论》教学大纲 大纲说明 课程代码： 3235042 总学时： 32 学时（讲课 32 学时） 总学分： 2 学分 课程类别：限制性选修 适用专业：计算机科学与技术，以及有关专业 预修要求： C 程序设计语言，数据结构 课程的性质、目的、任务： 人工智能是计算机科 学中涉及研究、 科学与技术， 以及有关专业重要的专业方向与特色模块课程之一。 生对人工智能的发展概况、 基本原理和应用领域有初步了解， 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。 课程教学的基本要求： 人工智能的研究论题包括计算机视觉、规划与行动、多 言理解、专家系统和机器学习等。 这些研究论题的基础是通用和专用的知 识表示和推理机制、 问题求解和搜索算法，以及计算智能技术等。要求学生掌握这些研究论题的基础知识。 人工智能还提供一套工具以解决那些用其它方法难以解决， 甚至无法解决的问题。 这些 工具包括启发式搜索和规划算法， 知识表示和推理形式， 机器学习技术， 语音和语言理解方 法，计算机视觉和机器人学等。 要求学生掌握利用其中的重要工具解决给定问题的基本方法。 大纲的使用说明： 通过适当调节教学内容和学时安排，减少有关章节学时和增加专家系统这一章的学时， 本大纲亦可作为《人工智能与专家系统》的课程教学大纲。 大纲正文 第一章 绪论 学时： 2 学时（讲课 2学时） 了解人类智能与人工智能的含义，人工智能的发展和应用领域；理解人工智能的内涵。 本章讲授要点 ：在介绍人工智能概念的基础上， 使学生了解本课程所涉知识的重要意义， 以及人工智能的应用现状和应用前景。 设计和应用智能机器的一个分支。 本课程是计算机 通过本课程的开设， 使学 对主要技术及应用有一定掌握， Agent 系统、 语音识别、自动语

《人工智能》课程教学大纲.doc

《人工智能》课程教学大纲 课程代码：H0404X 课程名称：人工智能 适用专业：计算机科学与技术专业及有关专业 课程性质：本科生专业基础课﹙学位课﹚ 主讲教师：中南大学信息科学与工程学院智能系统与智能软件研究所蔡自兴教授 总学时：40学时﹙课堂讲授36学时，实验教学4学时﹚ 课程学分：2学分 预修课程：离散数学，数据结构 一.教学目的和要求： 通过本课程学习，使学生对人工智能的发展概况、基本原理和应用领域有初步了解，对主要技术及应用有一定掌握，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。 人工智能涉及自主智能系统的设计和分析，与软件系统、物理机器、传感器和驱动器有关，常以机器人或自主飞行器作为例子加以介绍。一个智能系统必须感知它的环境，与其它Agent和人类交互作用，并作用于环境，以完成指定的任务。 人工智能的研究论题包括计算机视觉、规划与行动、多Agent系统、语音识别、自动语言理解、专家系统和机器学习等。这些研究论题的基础是通用和专用的知识表示和推理机制、问题求解和搜索算法，以及计算智能技术等。 此外，人工智能还提供一套工具以解决那些用其它方法难以解决甚至无法解决的问题。这些工具包括启发式搜索和规划算法，知识表示和推理形式，机器学习技术，语音和语言理解方法，计算机视觉和机器人学等。通过学习，学生能够知道什么时候需要某种合适的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。 二.课程内容简介 人工智能的主要讲授内容如下： 1.叙述人工智能和智能系统的概况，列举出人工智能的研究与应用领域。 2.研究传统人工智能的知识表示方法和搜索推理技术，包括状态空间法、问题归约法谓词逻辑法、语义网络法、盲目搜索、启发式搜索、规则演绎算法和产生式系统等。 3.讨论高级知识推理，涉及非单调推理、时序推理、和各种不确定推理方法。 4.探讨人工智能的新研究领域，初步阐述计算智能的基本知识，包含神经计算、模糊计算、进化计算和人工生命诸内容。 5.比较详细地讨论了人工智能的主要应用，包括专家系统、机器学习、自动规划、Agent、自然语言理解、机器视觉和智能控制等。对于应用内容，根据学时，有选择地进行讲授。 6.评述近年来人工智能的争论，讨论人工智能对人类经济、社会和文化的影响，展望人工智能的发展。 以上内容反映了人工智能的最新进展，理论联系实际，具有很好的针对性。 三.教学内容和学时安排

物联网课程设计

《物联网技术》课程设计 物联网在校园一卡通中的应用研究 摘要 随着计算机应用技术及互联网的飞速发展，在互联网的基础之上扩展和延伸并形成了新一代的网络技术—物联网（internet of things ,IOT ）。近年来，物联网技术层出不穷，移动互联网也广泛被应用，云计算逐渐走进人们的生活，随之而来的教育信息化也逐步被推进。物联网牵手高校，会给高校信息化发展带来怎样的契机？ 其实，物联网在高校校园中的应用早已初见端倪，早在2008年，台湾就开始利用物联网技术支持学校安全管理；在国内高校中，使用RFID技术却已十分广泛，校园一卡通早已普及。然而，高校校园中的物联网实际应用往往只停留在基本层面上，更深层次的应用还有待进一步探索。 关键词物联网/一卡通/校园一卡通/RFID

目录 摘要 (1) 目录 (2) 1物联网 (3) 1.1物联网的概念 (3) 1.2物联网的发展及前景 (3) 1.3物联网的原理 (5) 1.4物联网的开展 (6) 1.5物联网存在的问题 (6) 1.6物联网的技术在实际中的应用 (7) 2一卡通技术 (9) 2.1一卡通的分类 (11) 2.2一卡通系统 (11) 2.3一卡通系统技术体系结构 (12) 3校园一卡通 (14) 3.1校园一卡通概念 (15) 3.2校园一卡通的功能 (16) 3.3校园一卡通系统 (17) 3.4校园一卡通的应用 (19) 3.5校园一卡通的目标 (22) 致谢 (23) 参考文献 (23)

1物联网 随着计算机应用技术及互联网的飞速发展，在互联网的基础之上扩展和延伸并形成了新一代的网络技术—物联网（internet of things ,IOT ）。物联网技术的和应用视为及计算机、互联网和移动通讯技术之后，计算机信息技术领域的有一次发展机遇，有着重大科学意义和应用价值。随着物联网技术的进步与广泛的应用，必将对本世纪人类的生产活动带来革命性的改革。 目前，世界上主要的发达国家都对物联网发展高度重视，特别在国际金融危机持续恶化，世界经济前景不明的情况下物联网技术被当做新的经济增长点，在国内外抛起了新一轮研究浪潮。包括美国、奥盟、日本等国家纷纷出台物联网发展计划，进行相关技术和产业布局。在我国温家宝总理在2009年视察无锡时提出尽快建立“感知中国”中心，并在2010年政府工作报告中明确将“加快物联网的研究应用”纳入重点产业。 据美国权威咨询机构弗雷斯特研究公司(Forrester Research)预测，到2020年，世界上务队伍互联的业务与人对人通讯的业务竟达到30比1，物联网常视为下一个万亿级的通讯业务。 1.1物联网的概念 物联网（The Internet of things）的定义是：通过射频识别（RFID）、红外感应器、全球定位系统、激光扫描器等信息传感设备，按约定的协议，把任何物品与互联网连接起来，进行信息交换和通讯，以实现智能化识别、定位、跟踪、监控和管理的一种网络。物联网的概念是在1999年提出的。物联网就是“物物相连的互联网”。这有两层意思：第一，物联网的核心和基础仍然是互联网，是在互联网基础上的延伸和扩展的网络；第二，其用户端延伸和扩展到了任何物品与物品之间，进行信息交换和通讯。 物联网的概念是在1999年提出的。1999年，在美国召开的移动计算和网络国际会议就提出，“传感网是下一个世纪人类面临的又一个发展机遇”。 1.2物联网的发展及前景