3.3与或图搜索 2 讲授 习题三 3.3.1与或图 3.3.2与或图搜索 书面：12， 3.3.3启发式与或树搜索 15 3.4与或图搜索问题求解 思考：1， 3.4.1问题的与或图表示 13,14 3.4.2与或图问题求解程序举例 第4章基于遗传算法的随机优化搜索 2 讲授 习题四 4.1基本概念 3 4.2基本遗传算法 (可选) 书面：2 4.3遗传算法应用举例 思考：1 4.4遗传算法的特点与优势 第5章知识表示与推理 2 讲授 习题五 5.1基于谓词逻辑的归结演绎推理 书面： 3 5.1.1子句集 1:(3),(4) 5.1.2命题逻辑中的归结原理 4:(2),(3), 5.1.3替换与合一 (4) 5.1.4谓词逻辑中的归结原理 6 思考：2,5 5.2基于产生式规则的机器推理 2 讲授 习题六 5.2.1产生式规则 3 5.2.2基于产生式规则的推理模式 书面：3 5.2.3产生式系统 思考：1， 5.2.4产生式系统的程序实现 2,4 5.3几种结构化知识表示及其推理 2 讲授 习题七 5.3.1框架 书面：4,6 4 5.3.2语义网络 思考：1， 5.3.3类与对象 2,3,8 第2页共4页 周次 星期 授课内容（章节主要内容） 教学时数 教学形式 课外作业 4 三 5.4不确定性知识的表示与推理 2 讲授 习题八 5.4.1不确定性及其类型 书面：2,7 5.4.2不确定性知识的表示及推理 思考：1， 5.4.3确定性理论简介 5,6 4 五 5.4.4不确切性知识的表示及推理 习题八 2 讲授 书面：3,4 5.4.5模糊集合与模糊逻辑简介 思考：10 第6章机器学习与知识发现 2 讲授 习题九 6.1机器学习概述 5 6.2符号学习 (可选) 书面：1,6 6.2.1记忆学习 思考：2,5 6.2.2示例学习 6.2.3决策树学习 6.3神经网络学习 2 讲授 习题九 6.3.1生物神经元2 3.3与或图搜索 3.3.1 与或图 3.3.2 与或图搜索 3.3.3 启发式与或树搜索 3.4与或图搜索问题求解 3.4.1 问题的与或图表示 3.4.2 与或图问题求解程序举例 2 讲授 习题三 书面：12， 15 思考：1， 13，14 3 第4章 基于遗传算法的随机优化搜索 4.1 基本概念 4.2 基本遗传算法 4.3 遗传算法应用举例 4.4 遗传算法的特点与优势 2 讲授 （可选） 习题四 书面：2 思考：1 3 第5章 知识表示与推理 5.1基于谓词逻辑的归结演绎推理 5.1.1 子句集 5.1.2 命题逻辑中的归结原理 5.1.3 替换与合一 5.1.4 谓词逻辑中的归结原理 2 讲授 习题五 书面： 1:(3),(4) 4:(2),(3), (4) 6 思考：2,5 3 5.2 基于产生式规则的机器推理 5.2.1 产生式规则 5.2.2 基于产生式规则的推理模式 5.2.3 产生式系统 5.2.4 产生式系统的程序实现 2 讲授 习题六 书面：3 思考：1， 2，4 4 5.3 几种结构化知识表示及其推理 5.3.1 框架 5.3.2 语义网络 5.3.3 类与对象 2 讲授 习题七 书面：4，6 思考：1， 2，3，8 第 2 页 共 4 页 周次 星期 授课内容（章节主要内容） 教学时数 教学形式 课外作业 4 三 5.4 不确定性知识的表示与推理 5.4.1 不确定性及其类型 5.4.2 不确定性知识的表示及推理 5.4.3 确定性理论简介 2 讲授 习题八 书面：2，7 思考：1， 5，6 4 五 5.4.4 不确切性知识的表示及推理 5.4.5 模糊集合与模糊逻辑简介 2 讲授 习题八 书面：3，4 思考：10 5 一 第6章 机器学习与知识发现 6.1 机器学习概述 6.2符号学习 6.2.1 记忆学习 6.2.2 示例学习 6.2.3决策树学习 2 讲授 （可选） 习题九 书面：1，6 思考：2，5 6.3神经网络学习 6.3.1 生物神经元 2 讲授 习题九