主要内容：人工智能的定义，树搜索算法，无信息搜索策略，启发式搜索策略，约束满足问题求解，博弈算法，贝叶斯网络，隐马尔可夫模型，卡尔曼滤波器。

特色：人工智能课程在学校的讲授时间为32个学时，面对计算机科学与技术硕士研究生，是一门专业必修课。由于人工智能基础理论涉及到智能搜索，推理，机器学习等，是现在信息类研究生各研究方向的必备理论基础，能为学生深入各方向的研究打下良好的基础。其中的思想可以应用于模式识别，图像视频智能分析处理，数据挖掘及各种信息的智能处理应用中。由于课程讲授侧重于算法的描述，所以学生并不会觉得枯燥，在结合编程的实践练习下能很好掌握智能思想。

• 课时1：人工智能概念 (12分25秒)
• 课时2：什么是理性智能体 (12分7秒)
• 课时3：问题求解智能体 (8分15秒)
• 课时4：问题形式化 (9分55秒)
• 课时5：树搜索算法 (9分23秒)
• 课时6：树搜索算法的实现 (14分1秒)
• 课时7：搜索策略 (8分57秒)
• 课时8：宽度优先搜索 (15分11秒)
• 课时9：一致代价搜索 (7分19秒)
• 课时10：深度优先搜索 (15分45秒)
• 课时11：有限深度搜索 (17分38秒)
• 课时12：迭代深入搜索 (15分11秒)
• 课时13：迭代深入深度搜索性能分析 (9分26秒)
• 课时14：无信息搜索策略小结 (14分35秒)
• 课时15：贪婪搜索算法 (17分49秒)
• 课时16：星搜索算法 (10分41秒)
• 课时17：星搜索算法的最优性 (11分40秒)
• 课时18：可采纳的启发式函数 (15分6秒)
• 课时19：爬山搜索算法 (16分51秒)
• 课时20：模拟退火搜索算法 (11分19秒)
• 课时21：遗传算法 (17分55秒)
• 课时22：什么是约束满足问题 (15分27秒)
• 课时23：约束满足问题的标准搜索形式化 (12分43秒)
• 课时24：回溯搜索算法 (17分13秒)
• 课时25：回溯搜索的变量赋值顺序策略 (16分12秒)
• 课时26：回溯搜索的前向检查及约束传播 (15分33秒)
• 课时27：AC-3弧相容算法 (12分52秒)
• 课时28：约束满足问题的局部搜索方法 (12分16秒)
• 课时29：博弈及极小极大值概念 (16分22秒)
• 课时30：极小极大值决策算法 (15分13秒)
• 课时31：剪枝的概念 (10分27秒)
• 课时32：alpha-beta算法 (14分23秒)
• 课时33：alpha-beta剪枝示例 (14分42秒)
• 课时34：不完美的实时决策 (14分38秒)
• 课时35：不确定性量化 (10分8秒)
• 课时36：使用完全联合分布进行推理 (9分46秒)
• 课时37：贝叶斯规则及其应用 (11分27秒)
• 课时38：贝叶斯网络推理 (13分33秒)
• 课时39：隐马尔可夫模型 (16分27秒)
• 课时40：卡尔曼滤波器 (6分29秒)

展开↓