计算智能与深度学习教学大纲、计划、教案.docx

编号：22307010课程名称：计算智能英文名称:COmPUtatiOnaIInteIIigence一、课内学时：32学分：32开课学期：二、预修课程：高等数学、模糊数学、人工智能、数据结构三、教学目的：计算智能是计算机科学、模式识别与智能系统、电子信息工程等专业的一门专业技术课。计算智能是指上世纪80年代以来迅速发展的以神经网络（ANN）、进化计算、模糊逻辑、agent等为主要代表的新一代计算技术。它为传统人工智能知识获取瓶颈的突破带来了希望，也为构建具有较强的知识获取能力、具有容错性与知识自增长能力的智能制造系统提供了基础。通过本课程学习，使学生系统地掌握计算智能的基本内容，包括计算智能的有关理论、技术和方法，了解计算智能的主要应用领域、研究的前沿领域与最新进展。充分认识到计算智能与传统人工智能技术的区别，并能以模型（计算模型、数学模型）为基底，以分布式知识存储与并行计算为特征的模拟人的智能求解问题理论和方法，将计算智能的理论和方法应用于工程技术中解决实际问题。四、教学内容：1计算智能概论术语介绍计算智能的主要内容主要应用领域2人工神经网络人工神经元与感知器模型前向多层网络径向基函数网络反馈神经网络SOM网络及竞争网络3模糊集与模糊信息处理模糊数学基础模糊逻辑与模糊推理模糊控制系统的分析和设计模糊模式聚类与识别4遗传笄法遗传进化的基本原理遗传算法及其数学基础遗传算法的改进5蚁群算法6粒子群算法7模拟退火算法8禁忌笄法9人工免疫模型与算法10粗糙集理论与应用11深度学习五、课时分配:序号教学环节主要教学内容学时小计1计算智能概论术语介绍0.52计算智能的主要内容0.5主要应用领域12-5人工神经网络人工神经元与感知器模型18前向多层网络1径向基函数网络1反馈神经网络2SOM网络及竞争网络2对传网络和波耳兹曼机16-8模糊系统模糊数学基础16模糊逻辑与模糊推理1模糊控制系统的分析和设计2模糊模式聚类与识别29遗传算法遗传进化的基本原理及应用2210蚁群算法蚁群算法的基本原理及应用2211粒子群算法粒子群算法的基本原理及应用2212模拟退火算法模拟退火算法基本原理及应用2213禁忌算法禁忌算法的基本原理及应用2214人工免疫系统人工免疫系统基本原理及应用2215粗糙集理论粗糙集理论的基本原理及应用2216深度学习深度学习的基本原理及应用22实验（穿插进行约8学时）计算智能主要算法设计合计3232六、课程考核及成绩评定1 .考核方式：考试2 .成绮评定：成绩评定采用五级分制。平时（含考勤、作业、课堂交流报告、表现等）占10%,实验成绩占20%,期末考试占70%。七、教材及主要参考书：1 .吴陈等.计算智能与深度学习.西安电子科技大学出版社，2021.2 .AndriesP.Angelbrecht.ComputationalIntelligence:AnIntroduction.JohnWiley&Sons.2009.3.4.5.6.崔明义.计算智能.清华大学出版社，2013.杨淑莹.模式识别与智能计算.电子工业出版社，2013.徐宗本.计算智能.高等教育出版社，2004.丁永生.计算智能一理论、技术与应用.科学出版社，2004.研究生课程授课计划（2021/2022学年第1学期）课程名称COnlPUtatiOnaIIntelligence（计算智能）主讲教师吴陈职称教授系主任编订日期2021年9月6日审定日期年月日江苏科技大学课程教学基本情况课程名称ComputationalIntelligence（计算智能）总学时32学分2课程性质口学位回选修考核方式回考试口考查年级（培养点）2019级主要面向专业（领域）计算机科学与技术等教学大纲江苏科技大学研究生计算智能教学大纲授课学生类别工）全日制研究生W全日制工程硕士口在职工程硕士口农业推广使用教材教材名爵ComputationalIntelligence主编AndriesP.Angelbrecht出版社JohnWiley&Sons.2009主要参考书1.崔明义.计算智能.清华大学出版社，20132.杨淑莹.模式识别与智能计算.电子工业出版社,2013学期授课学时分配课程教学周数16周学时2理论教学时数24其中多媒体教学时数32双语教学时数32实验时数8课程设计时数复习、习题课时数机动时数研究生课程授课计划表课程名称COmDUtationaIInteHiRenCe（计算智能）2021/2022学年第学期周次序弓主要教学内容学时授课方式课外作业备注1Chapter1Introduction1. 1Terminologyintroduction1.2 Maincontentsincomputationalintelligence1.3 MainApplicationfields2多媒体讲授作业2234Chapter2ArtificialNeuralNetworks2.1 Artificialneuronandperceptronmodel2.2 Forwardmultilayernetwork2.3 RBFfunctionnetwork2.4 Feedbackneuralnetwork2.5 SOMnetwork2.6 SimulatedAnnealingalgorithm222多媒体讲授作业1作业2作业2567Chapter3Fuzzysetandfuzzyinformationprocess3.1 Fuzzymathematicsfundamentals3.2 Fuzzylogicandfuzzyinference3.3 Fuzzycontrolprinciple3.4 Analysisanddesignoffuzzycontrolsystem3.5 Fuzzypatternclusteringandrecognition222多媒体讲授作业289Chapter4Geneiicalgorithm4.1 Basicprincipleingeneticevolution4.2 Geneticalgorithmanditsmathematicalfoundation4.3 Theoryandanalysisofevolutioncomputation4.4 Combinatorialoptimalandmulli-(argetoptimal22多媒体讲授作业210Chapter5Anlcolonyoptimization5.1 IntroductiontoIntelligenceComputation5.25.3 ParticleSwarmOptimization5.4 introductiontotypicalapplications20.5多媒体讲授作业1作业2Chapter6ParticleSwarmalgorithms11Chapter6Artificialimmunesystem6.1 Introductiontoimmunesystem6.2 Artificiallives6.3 Immunemodelsandalgorithms2多媒体讲授作业1作业212Chapter7Roughsettheory7.47.52.5多媒体讲授作业1作业21315171316MainalgorithmdesigninComputationalIntelligence8实验教学内容计算智能结论课时安排2学时教学目标（1） 了解计算智能的定义；（2） 了解计算智能的技术分支及适用范围；（3） 清楚计算智能的应用领域；目的要求（1） 理解计算智能的定义及其与人类智能的关系；（2） 了解计算智能的发展简史；（3） 理解计算智能的技术分支及各分支之间的关联关系；（4） 了解计算智能的应用范畴及应用场景。重点难点重点：计算智能发展简史，并从中了解计算智能技术发展的内外因素及时代特点。学程计教过设（包括导入语、主要讲课内容、时间安排、提问或举例等）教学方法与手段1、导入语（15分钟）计算智能带来的计算方式的影响。课程主要内容简介：人工神经网络、进化计算、群集智能、模糊系统、随机搜索算法、人工免疫系统、粗集理论等。课程考核方式：平时作业（10%）、实验（20%）、期末考试（70%）2、主要教学内容和时间安排（1）计算智能的概念（2）计算智能发展简史（3）计算智能研究的基本内容简介3、教学方法（I）PpT多媒体讲解；（2）通过生活中的例子讲解计算智能的技术特点及时代特征。（3）重点讲解讲解硬件发展及大数据给计算智能技术发展带来的影响，从而引入机器学习为代表的主流计算智能技术。PPT讲授PPT讲授PPT讲授作业/思考题：作业L计算智能概念计算机学院一计算智能与深度学习课程教案教学内容神经网络课时安排8学时教学目标(1)掌握神经网络的基本概念、神经元模型、感知器神经网络、线性神经网络、BP神经网络。(2)理解径向基神经网络(RBF网络)、竞争神经网络如汉明神经网络和自组织映射特征神经网络、简单反馈神经网络、全反馈型HOPfiIed神经网络。(3)了解对传神经网络、波尔兹曼机。(4)学会神经网络设计和应用(包括手写体数字的BP神经网络识别等)。目的要求了解神经网络技术的发展及应用。重点难点神经网络模型学程计教过设(包括导入语、主要讲课内容、时间安排、提问或举例等)教学方法与手段1、主要教学内容和时间安排(1)神经网络基本概念与分类(2)神经元(3)神经网络的训练和连接(4)感知器神经网络(5)线性神经网络(6)BP神经网络PPT讲授（7）径向基神经网络（8）基本的竞争学习网络结构（9）汉明竞争神经网络（10）自组织特征映射神经网络（三）简单反馈型神经网络（12）全反馈型HOPfiekI神经网络（13）对传神经网络（14）玻尔兹曼机神经网络（15）神经网络的应用3、教学方法（1）PPT多媒体讲解；（2）教学内容的理解和案例分析。（3）课堂讨论。PPT讲授作业/思考题：作业2.神经网络章后习题计算机学院计算智能与深度学习课程教案教学内容模糊系统课时安排6学时教学目标（1） 掌握模糊集的基本概念、运算和性质，模糊隶属度函数。（2） 理解模糊关系与模糊矩阵；模糊分类和聚类（含模糊K-均值算法和模糊ISODATA算法）；模糊逻辑和模糊推理。（3） 分别理解和了解模糊推理应用系统，基于模糊神经网络的节水灌溉模型等。目的要求能够根据领域应用使用模糊数学不同的模型和方法解决应用问题。重点难点重点：模糊逻辑和模糊推理学程计教过设（包括导入语、主要讲课内容、时间安排、提问或举例等）教学方法与手段1、主要教学内容和时间安排（I）模糊集的定义、相关概念、隶属度函数、模糊集的运算（2）模糊集的扩展原理（3）模糊关系与模糊矩阵、模糊关系的隶属度函数、运算、特性归类方法：单元素归类、模糊集归类（4）模糊聚类分析法：基于模糊等价关系的聚类分析法、模糊相似关系的应用、模糊K-均值算法、模糊ISODATA算法（5）模糊逻辑和模糊推理（6）模糊推理应用系统（7）基于模糊神经网络的节水灌溉模型2、教学方法（1）PPT多媒体讲解；（2）例题讲解。PPT讲授PPT讲授作业/思考题：作业3.模糊系统章后习题教学内容遗传算法课时安排2学时教学目标（I）理解遗传算法的基本概念、构成要素、遗传操作（包1变异等重组操作）。（2）用遗传算法解聚类问题和TSP问题等。（3）能对遗传算法选取对应的数据结构并编程实现。话选择、交叉、目的要求（1）理解遗传算法的思想并加以应用。重点难点遗传算法求解问题涉及的算法思想和数据结构表示O（包括导入语、主要讲课内容、时间安排、提问或举例等）教学方法与手段学程计教过设1、主要教学内容和时间安排（1）遗传算法的基本概念（2）遗传算法的构成要素（3）分组选优交叉与概率接受差解模拟退火遗传算法（4）遗传算法的应用（5）遗传算法用于解聚类问题（6）遗传算法用于解TSP问题2、教学方法（I）PPT多媒体讲解；（2）案例讲解。PPT讲授PpT讲授作业/思考题:作业4.遗传算法章后习题教学内容蚁群算法课时安排2学时教学目标(1) 掌握蚁群优化算法仿生物行为的机制、蚂蚁系统模为(2) 理解蚁群优化算法在聚类问题和TSP问题求解中的I、2和算法。?用等。目的要求能使用蚁群优化算法解决实际问题。重点难点蚁群优化算法仿生物行为的机制、蚂蚁系统模型学程计教过设(包括导入语、主要讲课内容、时间安排、提问或举例等)教学方法与手段1、主要教学内容和时间安排(1)蚁群优化算法的起源(2)蚂蚁系统的模型与实现(3)蚁群优化算法的应用(4)用蚁群优化算法解聚类问题(5)用蚁群优化算法解TSP问题2、教学方法(1)PPT多媒体讲解；(2)例题讲解。PPT讲授PPT讲授作业/思考题:作业5.蚁群算法章后习题教学内容粒子群算法课时安排2学时教学目标(1) 掌握粒子群算法的原理、搜索机制。(2) 理解粒子群算法机器在聚类问题和TSP问题求解中的应用。(3) 了解用自适应权重粒子群优化SVM参数的算法等。(4) 能设计粒子群算法的数据结构并编程实现。目的要求能使用粒子群算法解决实际问题。重点难点评价函数的设计、算法的数据结构表示学程计教过设(包括导入语、主要讲课内容、时间安排、提问或举例等)教学方法与手段1、主要教学内容和时间安排(1)粒子群算法的原理描述(2)粒子群算法的应用(3)粒子群算法实现聚类分析(4)粒子群算法在求解TSP问题(5)自适应权重粒子群优化SVM参数2、教学方法(1)PPT多媒体讲解；(2)安全讲解。PPT讲授PPT讲授作业/思考题:作业6.粒子群算法章后习题教学内容模拟退火算法课时安排2学时教学目标（I）掌握模拟退火算法的物理背景、搜索机制。（2）理解模拟退火算法在聚类问题求解中的应用。（3）了解用模拟退火算法优化粒子群算法的方法。目的要求（1）掌握模拟退火算法及其应用。重点难点模拟退火算法中的转移概率函数和参数的设计学程计教过设（包括导入语、主要讲课内容、时间安排、提问或举例等）教学方法与手段1、主要教学内容和时间安排（1）模拟退火算法的描述（2）模拟退火算法及其模型（3）模拟退火算法关键参数和操作设计（4）用模拟退火算法求解给定类数为k的聚类问题（5）用模拟退火算法优化粒子群算法2、教学方法（1）PPT多媒体讲解；（2）例题讲解。PPT讲授PPT讲授作业/思考题：作业7.模拟退火算法章后习题教学内容禁忌算法课时安排2学时教学目标(I)理解禁忌搜索算法的搜索算法、应用特点、设计要点。(2)了解禁忌搜索算法的在TSP问题求解中的应用。目的要求禁忌搜索算法的搜索策略重点难点禁忌表和搜素算法的设计学程计教过设(包括导入语、主要讲课内容、时间安排、提问或举例等)教学方法与手段1、主要教学内容和时间安排(1)禁忌搜索算法的描述(2)禁忌搜索算法的应用(3)禁忌搜索算法设计的要点2、教学方法(1)PPT多媒体讲解；(2)案例讲解。PPT讲授PPT讲授作业/思考题:作业8.禁忌算法章后习题教学内容人工免疫算法课时安排2学时教学目标(1) 理解人工免疫系统的基本概念和模型、度量标准、免，(2) 了解人工免疫系统的应用。度模型、算法。目的要求人工免疫系统的模型、算法和应用重点难点免疫机制、模型、算法(包括导入语、主要讲课内容、时间安排、提问或举例等)教学方法与手段学程计教过设1、主要教学内容和时间安排(1) 基本概念与特点(2) 基本人工免疫模型及其度量(3) 免疫算法(4) 免疫算法的应用2、教学方法(1)PPT多媒体讲解；(2)案例讲解。PPT讲授PPT讲授作业/思考题:作业9.人工免疫算法章后习题教学内容粗集处理方法课时安排2学时教学目标（1）理解信息系统和决策系统。（2）掌握粗集的基本概念、属性约简方法、规则提取方法、多粒度模型等。（3）理解粗集算法的设计。目的要求粗集算法重点难点基于粗集算法的分类器教学过程设计（包括导入语、主要讲课内容、时间安排、提问或举例等）教学方法与手段1、主要教学内容和时间安排（1） 信息系统和决策系统（2） 粗集的基本概念（3） 与约简相关的概念（4） 粗集的基本性质（5） 属性子集的依赖性错误!未定义书签。（6） 完备信息系统的属性约简:分辨矩阵约简法、基于依赖度的完备决策表约简方法、基于信息焙的完备决策表约简方法（7） 基于粗糙集的分类器设计（8） 不完备信息系统的粗集模型（9） 不完备信息系统的属性约简：利用分辨矩阵和分辨函数进行约简、利用属性重要度进行约简（10）极大相容类下多粒度粗集模型2、教学方法（1） PPT多媒体讲解；（2）习题讲解。PPT讲授PPT讲授作业/思考题：作业10.粗集处理方法章后习题教学内容深度学习课时安排2学时教学目标（1） 理解深度学习的基本概念、主要模型、主要算法。（2） /解深度学习的发展趋势。目的要求掌握深度学习概念、主要模型、主要算法重点难点深度学习的主要模型学程计教过设（包括导入语、主要讲课内容、时间安排、提问或举例等）教学方法与手段1、主要教学内容和时间安排（1） 什么是深度学习（2） 深度学习的主要模型（3） 深度学习算法（4） 深度学习的未来2、教学方法（1）PPT多媒体讲解；（2）习题讲解。PPT讲授PPT讲授作业/思考题:作业11.深度学习章后习题