《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。