上海交通大学：材料科学与工程学院《知识工程及其在塑性成形中的应用》研究生课程教学大纲.pdf_大学文库

上海交通大学研究生专业课程信息收集表InformationFormfor SJTUGraduateProfessionCourses课程基本信息BasicInformation（中文Chinese）知识工程及其在塑性成形中的应用（英文English）Knowledgebased engineering and its application in plastic forming*学分学时232（1学分=16课时）CreditsTeaching Hours*开课学期*是否跨学期个学期跨Spanningover否No春季学期SpringSemesters（含夏季学期）。SemesterCross-semester?*课程类型*课程分类专业选修课ProgramElective全日制课程Forfull-timestudentsCourseCourse TypeCourse Type*课程性质课程层次专业课SpecializedCourse硕博共用AllgraduatesCourse CategoryTargeting Students*授课语言主要授课方式中文Chinese课堂教学InclassteachingInstructionTeaching MethodLanguage*成绩类型主要考核方式论文Essay等第制LettergradingGradeExam Method*开课院系050材料科学与工程学院SchoolofMaterial ScienceandEngineeringSchool所属学科材料科学与工程MaterialScienceandEngineeringSubject负责教师工号ID姓名Name单位School联系方式E-mailPerson in charge赵震材料科学与工程学院zzhao@sjtu.edu.cn课程扩展信息ExtendedInformation（分段概述课程定位、教学目标、主要教学内容、先修课程等：不少于200字。）课程定位：是面向塑性成形方向研究生的专业选修课。教学目标：让学生掌握智能化是材料塑性成形最重要的发展趋势之一，基于知识的工程是实现塑性成形工艺与模具智能设计制造的重要途径。*课程简介主要教学内容：围绕知识工程的基本概念及系统组成架构，介绍知识表示与推理、知(中文)识获取与数据挖掘（包括分类规则法、决策分析法、多元线性回归分析、自学习型神Course Description经网络等）、数据仓库建模等知识工程关键技术。在此基础上，以案例形式讲解知识工程在材料塑性成形工艺与模具设计中的应用。先修课程：无1/32020.04

1 / 3 2020.04 上海交通大学研究生专业课程信息收集表 Information Form for SJTU Graduate Profession Courses 课程基本信息 Basic Information （中文 Chinese）知识工程及其在塑性成形中的应用（英文 English）Knowledge based engineering and its application in plastic forming *学分 Credits 2 *学时 Teaching Hours 32（1 学分=16 课时） *开课学期 Semester 春季学期 Spring *是否跨学期 Cross-semester? 否 No 跨 Spanning over 个学期 Semesters（含夏季学期）。 *课程类型 Course Type 专业选修课 Program Elective Course *课程分类 Course Type 全日制课程 For full-time students *课程性质 Course Category 专业课 Specialized Course 课程层次 Targeting Students 硕博共用 All graduates *授课语言 Instruction Language 中文 Chinese 主要授课方式 Teaching Method 课堂教学 In class teaching *成绩类型 Grade 等第制 Letter grading 主要考核方式 Exam Method 论文 Essay *开课院系 School 050 材料科学与工程学院 School of Material Science and Engineering 所属学科 Subject 材料科学与工程 Material Science and Engineering 负责教师 Person in charge 姓名Name 工号 ID 单位 School 联系方式E-mail 赵震材料科学与工程学院 zzhao@sjtu.edu.cn 课程扩展信息 Extended Information *课程简介 (中文) Course Description （分段概述课程定位、教学目标、主要教学内容、先修课程等；不少于 200 字。）课程定位：是面向塑性成形方向研究生的专业选修课。教学目标：让学生掌握智能化是材料塑性成形最重要的发展趋势之一，基于知识的工程是实现塑性成形工艺与模具智能设计制造的重要途径。主要教学内容：围绕知识工程的基本概念及系统组成架构，介绍知识表示与推理、知识获取与数据挖掘（包括分类规则法、决策分析法、多元线性回归分析、自学习型神经网络等）、数据仓库建模等知识工程关键技术。在此基础上，以案例形式讲解知识工程在材料塑性成形工艺与模具设计中的应用。先修课程：无

（须与中文一致，翻译请力求信达雅。）Courseorientation:Program ElectiveCourseforthegraduates majored inthefield ofplasticformingCourse target:To make the students clear that intelligentization is one of the most importantdevelopmenttrendsofmaterialsplasticforming.andtheknowledge-basedengineering(KBE)*课程简介is an important way to realize the intelligent design and manufacturing of plastic formingprocess and tooling.(English)Main content:This course focuses on the concept and system framework of KBE,and willCourseDescriptionintroduce thekey technologies of KBE such asknowledge representation and reasoningknowledge acquisition and data mining (e.g.classification rule method, decision analysismethod, multiple linear regression analysis, self-learning neural network, etc.), data warehousemodelling.Based on theknowledge introduced,the application of KBE in the process planningand tool design for materials plastic forming will be introduced by some cases.Prerequisites:none（建议列表形式，各列内容：章节、主要内容、课时数、教学方式等）1.概述，2课时，课堂教学2.知识表达与推理，2课时，课堂教学3.优化方法与灵敏度分析，4课时，课堂教学4.数据仓库建模，4课时，课堂教学*教学大纲5.数据挖掘技术1－分类规则法，4课时，课堂教学(中文)6.数据挖掘技术2－决策分析方法，2课时，课堂教学Syllabus7.数据挖掘技术3－多元线性回归分析，2课时，课堂教学8.数据挖掘技术4－自学习型神经网络，2课时，课堂教学9.应用－基于优化算法的力学模型构建，3课时，课堂教学10.应用－基于图表法的结构材料优选，3课时，课堂教学11.应用－精冲工艺设计系统建构技术，2课时，课堂教学12.课程作业汇报，2课时，课堂教学（须与中文一致，翻译请力求信达雅。）1.General introduction,2Hours,Teaching2.Knowledge representation and reasoning,2Hours，Teaching3.Optimization and sensitivity analysis,4Hours,Teaching*教学大纲4.DWmodelling,4Hours,Teaching(English)5.Data mining technology1-Classification,4Hours,TeachingSyllabus6.Data mining technology 2-Decision analysis,2Hours,Teaching7. Data mining technology 3-Multiple linear regression, 2Hours,Teaching8.Data mining technology4-Self learning neural network,2Hours,Teaching9.Sample application-Mechanical modellingbasedon optimization,3Hours,Teaching10.Sample application-Material selection with property charts,3Hours,Teaching2/32020.04

2 / 3 2020.04 *课程简介（English） Course Description （须与中文一致，翻译请力求信达雅。） Course orientation: Program Elective Course for the graduates majored in the field of plastic forming Course target: To make the students clear that intelligentization is one of the most important development trends of materials plastic forming, and the knowledge-based engineering (KBE) is an important way to realize the intelligent design and manufacturing of plastic forming process and tooling. Main content: This course focuses on the concept and system framework of KBE, and will introduce the key technologies of KBE such as knowledge representation and reasoning, knowledge acquisition and data mining (e.g. classification rule method, decision analysis method, multiple linear regression analysis, self-learning neural network, etc.), data warehouse modelling. Based on the knowledge introduced, the application of KBE in the process planning and tool design for materials plastic forming will be introduced by some cases. Prerequisites: none *教学大纲 (中文) Syllabus （建议列表形式，各列内容：章节、主要内容、课时数、教学方式等） 1. 概述，2 课时，课堂教学 2. 知识表达与推理，2 课时，课堂教学 3. 优化方法与灵敏度分析，4 课时，课堂教学 4. 数据仓库建模，4 课时，课堂教学 5. 数据挖掘技术 1 – 分类规则法，4 课时，课堂教学 6. 数据挖掘技术 2 – 决策分析方法，2 课时，课堂教学 7. 数据挖掘技术 3 – 多元线性回归分析，2 课时，课堂教学 8. 数据挖掘技术 4 – 自学习型神经网络，2 课时，课堂教学 9. 应用 – 基于优化算法的力学模型构建，3 课时，课堂教学 10. 应用 – 基于图表法的结构材料优选，3 课时，课堂教学 11. 应用 – 精冲工艺设计系统建构技术，2 课时，课堂教学 12. 课程作业汇报，2 课时，课堂教学 *教学大纲（English） Syllabus （须与中文一致，翻译请力求信达雅。） 1. General introduction，2 Hours，Teaching 2. Knowledge representation and reasoning，2 Hours，Teaching 3. Optimization and sensitivity analysis，4 Hours，Teaching 4. DW modelling，4 Hours，Teaching 5. Data mining technology 1 – Classification，4 Hours，Teaching 6. Data mining technology 2 – Decision analysis，2 Hours，Teaching 7. Data mining technology 3 – Multiple linear regression，2 Hours，Teaching 8. Data mining technology 4 – Self learning neural network，2 Hours，Teaching 9. Sample application – Mechanical modelling based on optimization，3 Hours，Teaching 10. Sample application – Material selection with property charts，3 Hours，Teaching