人工智能原理：模型与算法

课程编码：180234081200P1007H 英文名称：Principle of Artificial Intelligence：Models and Algorithms 课时：60 学分：3.00 课程属性：学科核心课 主讲教师：缪青海

本课程是关于人工智能领域的综合性课程，目的是介绍人工智能的知识体系，使学生了解人工智能重点研究领域的最新研究进展，突出“点-面”结合，理论方法讲解与案例动手实践并重，激发学生学习人工智能兴趣、为进一步研究和应用奠定基础。

概率论与数理统计

第一章 绪论 缪青海
第1节 人工智能前沿热点 1.0学时
第2节 人工智能知识体系 1.0学时
第3节 人工智能的学科基础 1.0学时
第4节 人工智能的发展历史 1.0学时
第二章 问题求解与搜索 缪青海
第1节 搜索算法基础 2.0学时
第2节 启发式搜索与A*算法 2.0学时
第3节 局部搜索--模拟退火算法 1.0学时
第4节 局部搜索--遗传算法 1.0学时
第5节 对抗搜索与α-β剪枝算法 1.0学时
第6节 蒙特卡洛树搜索MCTS（实验一） 2.0学时
第三章 知识表示与推理 缪青海
第1节 命题逻辑与一阶逻辑 2.0学时
第2节 不确定性推理与贝叶斯网络 2.0学时
第3节 模糊逻辑与模糊推理 2.0学时
第4节 基于案例的推理 1.0学时
第5节 图表示与知识图谱 1.0学时
第四章 神经网络与学习 缪青海
第1节 机器学习基础 1.0学时
第2节 人工神经元网络要素 1.0学时
第3节 MP模型与感知机Perceptron 1.5学时
第4节 多层感知机MLP 1.0学时
第5节 反向传播算法BP 1.5学时
第五章 深度学习与大模型 缪青海
第1节 卷积神经网络CNN（实验二） 3.0学时
第2节 循环神经网络RNN 1.0学时
第3节 注意力机制与Transformer 2.0学时
第4节 大语言模型 2.0学时
第5节 多模态大模型 2.0学时
第六章 深度生成模型 缪青海
第1节 玻尔兹曼机 2.0学时
第2节 流模型 1.0学时
第3节 生成对抗网络 1.0学时
第4节 变分自编码器 1.0学时
第5节 扩散模型 2.0学时
第七章 强化学习 缪青海
第1节 强化学习基础 2.0学时
第2节 强化学习经典求解方法 2.0学时
第3节 深度强化学习算法 2.0学时
第4节 强化学习的应用（实验三） 2.0学时
第八章 AI4Science 缪青海
第1节 AI4S中的AI方法 1.0学时
第2节 AI4S案例分析 1.0学时

缪青海，博士，中国科学院大学人工智能学院副教授。主要从事机器学习、智能系统、数字孪生等研究与应用。2007年于中国科学院自动化研究所获博士学位，2017-2018年英国爱丁堡大学访问学者，IEEE高级会员。先后主持自然科学基金、国家科技重大专项等课题多项。在国际知名期刊和会议上发表论文50余篇，出版英文专著一部。2021年获朱李月华优秀教师奖，2021-2023年获教育部-华为“智能基座”栋梁之师称号。