智能信息处理教学大纲

《智能信息处理》教学大纲

一、课程基本信息

课程编号：

课程中文名称：智能信息处理

课程英文名称：

课程类型：信息处理专业方向选修课

总学时：理论学时：实验学时：

学分：

适用专业：信息工程

先修课程：高等数学、（信号与系统、）概率统计、线性代数、离散开课院系：信息科学与工程学院

二、课程性质和任务

智能信息处理是就是将不完全、不可靠、不精确、不一致和不确定的知识和信息逐步改变为完全、可靠、精确、一致和确定的知识和信息的方法。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，它涉及到信息科学的多个领域，是现代信号处理、人工神经网络、模糊理论、人工智能等理论和方法的综合应用。

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；能够阅读相关中外文献，了解其最新动态；培养学生分析、解决问题的能力，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、课程教学目标

在学完本课程之后，学生能够：

．了解人工智能的概念和应用、智能信息的处理方法综述；

．熟悉模型理论的基础，掌握模糊规则与推理；理解模糊推理系统，了解其在生活中的应用；

．掌握神经网络信息处理的基本原理及模型，了解其在生活中的应用；

．掌握粗糙集的基本理论及其应用，了解其应用；

．掌握遗传算法的基本算法及改进算法，了解其应用；

．掌握信息融合的模型与算法，了解其应用；

．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。

四、理论教学环节和基本要求

（一）人工智能导论

．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；

．理解知识和知识表示的概念，掌握四种表示法；

．了解常见的智能信息的处理方法及各个处理方法的应用

教学重点：

人工智能的基本原理，四种知识表示方法

教学难点：

四种知识表示方法

（二）模糊理论及其应用

．掌握模糊集合的基本概念、基本运算及隶属函数的确定方法；

．理解模糊逻辑系统的组成；

．掌握模糊信息处理方法：模糊熵方法、模糊聚类分析、模糊关联分析、模糊信息优化方法。

．了解模糊信息处理方法的应用。

教学重点：

隶属函数的确定方法；模糊信息的处理方法。

教学难点：

模糊信息的处理方法。

（三）神经网络信息处理

．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；掌握人工神经网络的结构、特点、学习方式和工作方式；

．掌握神经网络学习算法，及神经网络建模；

．掌握贝叶斯神经网络算法；

．了解网络模型及其算法，熟悉用神经网络优化方法求解；