人工智能特别是近几年深度学习的飞速发展，深刻的影响着军事领域，并赋予现代战争智能性、交叉性和破坏性的新特点。要想在军事对抗中取胜，不仅需要机器智能，同样需要人类智慧，能在军事作战中达到人机高度协同，是实现人与机器取长补短的重要途径，也是在愈发复杂的战争形势中取得胜利的关键。本文将军事对抗中人工智能的应用作为切入点，罗列了代表性国家在军事领域对人工智能的重视程度，从对抗策略和物联网三层架构两大角度对发展现状进行总结，同时指出在目前军事领域使用人工智能存在的不足，对人机融合智能在军事对抗中的发展趋势进行分析，并给出可能实现的技术方案，对未来的研究方向作出展望。如何实现高度的人机融合，从而获得“1+1>2”的良好效果，是人工智能在军事对抗中的下一步研究工作

1 人工神经网络发展概况 2 神经网络基本概念 3 前馈神经网络 4 其他神经网络简介 5 神经网络模式识别

《人工智能导论》为计算机科学技术专业和软件工程专业的一门选修课，其目的是使学生初步了解人工智能的基本原理，初步学习和掌握人工智能的基本技术，以便拓宽知识面，并为进一步学习和应用奠定基础。本课程的具体要求为： 1. 了解人工智能的基本概念、分支领域及其发展概况； 2. 理解知识表示及其推理的基本原理，掌握其基本技术； 3. 理解基于搜索的问题求解基本原理，掌握其基本技术； 4. 理解机器学习、知识发现的基本原理；初步掌握其基本方法； 5. 学会一种人工智能程序语言，掌握简单的智能程序设计方法； 6. 能综合运用所学知识，设计实现一个小型专家系统。 教学重点、难点： 1. 搜索与问题求解； 2. 知识表示及其推理； 3. 机器学习与知识发现； 4. 专家系统原理与设计

公共基础课 《马克思主义基本原理》 毛泽东思想和中国特色社会主义理论体系概论 习近平新时代中国特色社会主义思想概论 中国近现代史纲要 思想道德与法治 形势与政策 体育 大学英语 高等数学 线性代数 概率论与数理统计 人工智能基础 大学物理 大学物理实验 大学生国防教育 大学生劳动教育理论与实践 国家安全与校园安全 大学生心理健康教育 思政限选课 交通大国史话 中华民族共同体概论 中国共产党与中国道路 马克思主义哲学视野中的党史 解码交通强国 学科基础课 人工智能专业导论 电工学 电子技术实验 高级语言程序设计（C） 离散数学 数据结构与算法 专业必修课 Python 程序设计 模式识别与机器学习 深度学习 单片机原理及应用 Linux 操作系统 计算机视觉 数字信号处理 专业（方向）限选课 信号与系统 嵌入式系统开发 通信原理 高频电路 物联网技术及应用 物联网系统开发 传感器与检测技术 计算机网络 专业任选课 计算机仿真 电子设计自动化 Java 程序设计 专业英语 数据库原理与应用 创新创业必修课 大学生职业生涯规划 就业指导 创业指导 创新创业选修课 科技论文与专利撰写 人工智能前沿技术 美育必修课 音乐鉴赏 影视鉴赏 实践课 入学教育及军训实践 C 语言课程设计实践 电子技术课程设计（含电子工艺实习）实践 Python 课程设计实践 竞赛实训实践 机器学习课程设计实践 深度学习课程设计实践 嵌入式系统开发课程设计实践 物联网技术及应用课程设计实践 嵌入式人工智能项目实训实践 毕业实习（专业实训）实践 毕业设计（论文）

7.1 机器人规划的作用与任务 7.2 积木机器的机器人规划 7.3 STRIPS规划系统 7.4 具有学习能力的规划系统 7.5 分层规划 7.6 基于专家系统的机器人规划 7.7 太空构件装配顺序规划 7.8 小结

1 统计学习的定义 2 统计模式识别的应用案例 3 统计模式识别系统框架与设计周期 统计模式识别系统框架 统计模式识别设计周期 4 一个案例 5 基本概念 6 机器学习在人工智能中的位置

本文从生物视觉采样模型、神经形态视觉传感器的采样模型及类型、视觉信号处理与特征表达、视觉任务应用等视角进行了系统性的回顾与综述,展望了该领域未来研究的技术挑战与可能发展方向,同时探讨了其对未来机器视觉和人工智能领域的潜在影响

将一种机器学习算法——支持向量机引入到软岩工程支护设计领域,并根据问题需要提出了一种支持向量机回归算法且编制了相应的计算程序.工程算例证明,这种算法在学习样本数量很少的情况下就可以得到很高的预测精度,且具有推广性能好的优点,避免了人工神经元由于存在过学习问题而带来的网络参数难以确定的弊病,为类似工程的支护设计提供了一种新的途径

一 人工神经网络 二 卷积网络、循环网络及自注意力机制 三 自然语言处理 四 深度学习代码实践 五 案例与论文

• 支持向量机 • 二元线性SVM • SVM用于非线性分类 • 机器学习方法 • 人工神经网络（Artificial Neural Network, ANN） • 深度学习（Deep Learning）现状 • 经典的深度学习模型/算法 • 卷积神经网络 Convolutional Neural Networks (CNN) • 多层反馈网络 Recurrent neural Network(RNN) • 自动编码器 AutoEncoder • 受限玻尔兹曼机 Restricted Boltzmann Machine, RBM • 深度置信网络 (Deep Belief Nets，DBN）