高级人工智能

课程编码：180086085404P2001Y 英文名称：Advanced Artificial Intelligence 课时：60 学分：3.00 课程属性：专业核心课 主讲教师：苏荔等

本课程为计算机应用技术专业硕士研究生的专业核心课，同时也可作为计算机其它专业及电子、自动化等学科研究生的专业普及课。模式识别是研究用机器代替人去识别、辨识客观事物的学科,而机器学习则研究如何构造算法从数据中学习或对数据做出预测。二者均具有系统的理论和方法,并有着千丝万缕的联系，也都在近年来得到了广泛的应用，成为人工智能领域最热门的学科方向之一。本课程将讲述模式识别与机器学习的基本概念、基本理论和方法、关键算法原理以及典型应用情况。预期通过理论讲授与应用案例分析，为本学科研究生今后从事相关方向的深入研究打下坚实的理论基础，为其他学科的研究生应用相关方法和技术提供理论和实践指导。要求学生不仅能够切实掌握本课程的基本理论和方法，并能在解决实际问题时灵活应用所学知识。

高等数学，线性代数，概率论与数理统计

第一章 人工智能概述
第1节 人工智能发展历程 2.0学时
第2节 人工智能的数学基础 1.0学时
第二章 搜索问题
第1节 搜索问题的定义 2.0学时
第2节 搜索算法基础 2.0学时
第3节 盲目搜索 2.0学时
第4节 启发式搜索 2.0学时
第5节 局部搜索 2.0学时
第6节 对抗搜索 2.0学时
第三章 知识计算
第1节 命题逻辑与谓词逻辑 2.0学时
第2节 不确定性知识表达 2.0学时
第3节 不确定性推理与贝叶斯网络 2.0学时
第四章 机器学习
第1节 有监督学习 2.0学时
第2节 无监督学习 2.0学时
第3节 半监督学习 2.0学时
第4节 图神经网络 2.0学时
第5节 集成学习 2.0学时
第五章 人工神经网络和深度学习
第1节 基本概念和原理 2.0学时
第2节 图像数据的经典模型 2.0学时
第3节 序列数据的经典模型 2.0学时
第4节 深度网络参数训练方法 2.0学时
第六章 群体智能
第1节 集群智能 3.0学时
第2节 博弈 3.0学时
第七章 交叉领域和应用
第1节 计算机视觉 3.0学时
第2节 自然语言处理 3.0学时
第3节 应用实践及讨论 6.0学时
第八章 课程考试
第1节 期末考试 3.0学时

1. 苏荔，中国科学院大学计算机科学与技术学院，教授，博士生导师，中国计算机学会多媒体专委会委员，中国图象图形学学会多媒体专委会委员，中国数字音视频编解码技术标准(AVS)工作组成员。主要研究方向为多媒体计算、模式识别与机器学习等。自2009年起先后主讲了我校“数字图像处理”、“模式识别‘、“模式识别与机器学习”、“多媒体技术”、“图像处理与计算机视觉”等研究生专业课程。

2.李国荣， 中国科学院大学计算机科学与技术学院，副教授，硕士生导师，中国科学院青促会会员。主要研究方向为图像与视频分析、多媒体内容分析与检索、模式识别等，已在CVPR、ECCV、ICCV、AAAI、ICDM、ACM Multimedia等相关国际权威会议和期刊上发表论文40余篇。作为项目负责人或研究骨干，参与了包括国家973课题、国家自然基金重点项目、国家自然科学基金国际合作；作为项目负责人，承担了国家自然基金面上和青年项目、中国博士后基金特等多项国家和省部级项目的研究。