该部分重点考核学生对搜索策略的理解，以及根据实际问题进 行搜索策略规划和实现的能力。 第四知识单元计算智能 学时分配 课堂讲授，ppt电子课 2学时 教学方式 件，板书 教学内容 重点难点 1计算智能的概念和概述。 2 进化计算的概念。 3遗传优化算法，概念、原理和实现方法。 業握计算智能、进化计算和遗传优化算法的概念。 考核要点 此部分重点考核遗传优化算法的原理和实现方法。 第五知识单元符号学习和联合学习 学时分配 1.5学时 教学方式 课堂讲授，ppt电子课 件，板书 教学内容 重点难点 1符号学习、联结学习和机器学习的概念。 2人工神经网络的概念。 3 感知器学习的原理。 4BP神经网络的原理。 VV 学握符号学习、联结学习、机器学习、人工神经网络的概念。 考核要点 此部分重点考核BP神经网络的原理，应用BP神经网络解决实 际问题的能力。 第六知识单元智能应用简介 课堂讲授，ppt电子课 学时分配 2学时 教学方式 件，板书 教学内容 重点难点 自然语言处理的基本概念、研究内容、研究难点、应用领域利 研究现状。 2深度学习的基本概念和研究现状。 掌握自然语言处理和深度学习的相关基本概念。 考核要点 此部分重点考核学生对基本概念的理解。 4、实验教学(8学时) 1)产生式知识表示和推理(2时)该部分重点考核学生对搜索策略的理解，以及根据实际问题进 行搜索策略规划和实现的能力。 第四知识单元 计算智能 学时分配 2 学时 教学方式 课堂讲授，ppt 电子课 件，板书 教学内容 重点 难点 1 计算智能的概念和概述。 √ 2 进化计算的概念。 √ 3 遗传优化算法，概念、原理和实现方法。 √ √ 考核要点 掌握计算智能、进化计算和遗传优化算法的概念。 此部分重点考核遗传优化算法的原理和实现方法。 第五知识单元 符号学习和联合学习 学时分配 1.5 学时 教学方式 课堂讲授，ppt 电子课 件，板书 教学内容 重点 难点 1 符号学习、联结学习和机器学习的概念。 √ 2 人工神经网络的概念。 √ 3 感知器学习的原理。 4 BP 神经网络的原理。 √ √ 考核要点 掌握符号学习、联结学习、机器学习、人工神经网络的概念。 此部分重点考核 BP 神经网络的原理，应用 BP 神经网络解决实 际问题的能力。 第六知识单元 智能应用简介 学时分配 2 学时 教学方式 课堂讲授，ppt 电子课 件，板书 教学内容 重点 难点 1 自然语言处理的基本概念、研究内容、研究难点、应用领域和 研究现状。 √ 2 深度学习的基本概念和研究现状。 √ 考核要点 掌握自然语言处理和深度学习的相关基本概念。 此部分重点考核学生对基本概念的理解。 4、实验教学（8 学时） 1）产生式知识表示和推理（2 时）