教学环节及学时 知识模块 教学内容 习 讨 课 课 豫 实验（实践） 合 2.8过程表示法 2 2 2.9状态空间表示法 2.10与/或树表示法 3.1推理概述 2 2 3.2命题逻辑 第3章确定 3.3谓词逻辑 性推理方法 3.4 自然演绎推理方法 2 2 3.5归结推理方法 3.6归结过程的控制策略 4.1不确定推理概述 2 2 第4章不确 4.2可信度方法 4.3主观Bayes方法 定推理方法 4.4证据理论 2 2 4.5模糊推理 5.1搜索的概念及种类 2 2 5.2盲目搜索策略 第5章搜索 5.3启发式搜索策略 策略 5.4与/或树的盲目搜索 2 5.5与/或树的有序搜索 5.6博弈树的启发式搜索 6.1概述 2 2 6.2机器学习系统的基本模型 6.3机械学习 6.4传授式学习 第6章机器 6.5类比学习 2 2 学习 6.6归纳学习 6.7基于解释的学习 6.8D3判定树算法 2 6 6.9深度机器学习 习题 2 2 7.1自然语言及其理解 2 7.2词法分析 第7章自然 7.3句法分析 语言理解 7.4语义分析 2 6 7.5大规模真实文本的处理 7.6基于语料库的自然语言建模方法知识模块 教学内容 教学环节及学时 讲 授 课 习 题 课 讨 论 课 实 验 （ 实 践 ） 合 计 2.8 过程表示法 2.9 状态空间表示法 2.10 与/或树表示法 2 2 第 3 章 确定 性推理方法 3.1 推理概述 3.2 命题逻辑 3.3 谓词逻辑 2 2 3.4 自然演绎推理方法 3.5 归结推理方法 3.6 归结过程的控制策略 2 2 第 4 章 不确 定推理方法 4.1 不确定推理概述 4.2 可信度方法 4.3 主观 Bayes 方法 2 2 4.4 证据理论 4.5 模糊推理 2 2 第 5 章 搜索 策略 5.1 搜索的概念及种类 5.2 盲目搜索策略 5.3 启发式搜索策略 2 2 5.4 与/或树的盲目搜索 5.5 与/或树的有序搜索 5.6 博弈树的启发式搜索 2 2 第 6 章 机器 学习 6.1 概述 6.2 机器学习系统的基本模型 6.3 机械学习 6.4 传授式学习 2 2 6.5 类比学习 6.6 归纳学习 6.7 基于解释的学习 2 2 6.8 ID3 判定树算法 6.9 深度机器学习 2 4 6 习题 2 2 第 7 章 自然 语言理解 7.1 自然语言及其理解 7.2 词法分析 7.3 句法分析 2 2 7.4 语义分析 7.5 大规模真实文本的处理 7.6 基于语料库的自然语言建模方法 2 4 6