人工智能专业人才培养方案

目标1:道德修养。热爱祖国,拥护中国共产党的领导,树牢“四个意识”,坚定“四个自信”,坚决做到“两个拥护”,具有科学的世界观、人生观和价值观,具有责任心和社会责任感。热爱本专业,注重职业道德修养,具有强健体魄和良好的心理素质,能够积极服务人工智能区域产业发展。

目标4:团队合作、创新意识。具备以互联网、大数据及人工智能为核心的创造性思维能力,具备人工智能理论、技术、应用及交叉学科融合的科学研究能力以及对新知识、新技术的敏锐性;具有较强的表达能力和人际交往能力,以及团队协作意识。

二、毕业要求

1思想道德与政治认同

1.1热爱祖国,具有为国家富强、民族昌盛奋斗的志向和责任感;践行“博闻强志、正道直行”的校训,具有敬业爱岗、艰苦奋斗、乐于奉献、遵纪守法、团结合作的品质;

1.2能够树立正确的世界观、人生观和价值观,增进对中国特色社会主义的思想认同、政治认同、理论认同和感情认同,具有良好的思想品德和社会公德。

3.1能够运用数学、自然工程科学、人工智能专业知识对实际工程问题进行识别和有效分解,提出合理的解决方案;

4.1能够根据特定条件或需求的工程问题,能够运用数理知识对实际问题进行建模,能够结合电子技术和智能系统等多学科理论知识进行方案设计;

4.3能够应用程序语言解决科学计算问题;并熟练使用决策树、朴素贝叶斯、人工神经网络、Boosting

与Bagging等主流算法,设计算法实现流程应用到模式识别各种技术当中,解决实际工程问题。

5.研究

5.2能够针对智能系统软硬件设计、模式识别技术等复杂的工程问题设计实验方案、构建实验系统和测试平台。

5.3能够对实验结果进行合理分析、解释,通过实验数据分析、信息综合等手段得到合理有效的结论。

6.使用现代工具

6.2掌握基本的计算机操作与应用,至少掌握一种软件开发语言,并能够运用到集成开发环境进行程序设计。

6.3掌握智能控制系统专业仪器、设备的基本原理、操作方法,能够在综合型工程中合理选择和使用仪器、设备。

7.工程与社会

8.环境和可持续发展

9.沟通与交流能力

13.1具有人文及科学素养,注重职业道德修养,能够在人工智能领域工程实践中自觉遵守职业道德。

毕业要求与培养目标的对应关系矩阵

培养目标1

培养目标2

培养目标3

培养目标4

培养目标5

毕业要求1

毕业要求2

毕业要求3

毕业要求4

毕业要求5

毕业要求6

毕业要求7

毕业要求8

毕业要求9

毕业要求10

毕业要求11

毕业要求12

毕业要求13

三、学制与学位

学制:4年。

毕业条件:修满课程设置与教学计划规定的所有课程(含实践教学环节),考试合格;参加课外创新创业训练活动,最低获得6学分。

学位:符合《商洛学院学士学位授予工作细则》要求,授予工学学士学位。

四、主干学科

智能科学与技术、电子科学与技术、控制科学与工程

五、主要课程

Python语言程序设计、电路理论、算法与数据结构、电子技术基础、自动控制原理、机器学习、模式识别、神经网络与深度学习、人工智能导论、自然语言处理、计算机图形学、智能控制理论、数字图像处理、智能数据挖掘等。

六、课程体系结构及学时学分比例构成

课程

公共基础课

专业基础课

专业主干课

合计

模块

必修课

选修课

理论学时

718

96

672

128

1710

实践学时

280

0

224

48

32

584

总学时

998

896

144

160

2294

理论学分

43.5

6

42

8

105.5

(比例)

24.10%

3.30%

23.40%

4.50%

58.60%

实践学分

23.5

28

21

2

74.5

13.10%

0.00%

15.50%

11.70%

1.10%

41.40%

总学分

67

70

27

10

180

37.20%

38.90%

15.00%

5.60%

100.00%

七、毕业要求的实现矩阵(课程设置与毕业要求指标点关联度)

序号

课程名称

毕业

要求6

要求9

要求10

要求11

要求12

要求13

1.1

1.2

2.1

2.2

2.3

3.1

3.2

4.1

4.2

4.3

5.1

5.2

5.3

6.1

6.2

6.3

7.1

7.2

8.1

8.2

9.1

9.2

9.3

10.1

10.2

11.1

11.2

11.3

12.1

12.2

13.1

13.2

1

思想道德修养

与法律基础

H

M

中国近现代史

纲要

3

马克思主义

基本原理

4

毛泽东思想和中国特色社会主义理论体系概论

5

大学英语

大学体育

7

大学生心理健康教育

大学计算机基础

9

高等数学

大学物理

11

形势与政策

12

入学教育

13

军事理论

14

军事技能

15

大学生职业发展与就业指导

16

认知实习

17

创新创业教育

与训练

18

公益劳动

19

社会实践

20

C语言程序设计

电路理论

22

Python语言

程序设计

23

线性代数

24

离散数学

25

算法与数据

结构

26

人工智能导论

电子技术基础

概率论与

数理统计

29

自动控制理论

30

机器学习

31

模式识别

智能数据挖掘

33

人工智能

应用实践

34

神经网络

与深度学习

35

微机原理与

应用

36

数字图像处理

37

专业英语

38

金工实习

39

综合实习

40

自然语言处理

41

大数据原理

与应用

计算机视觉

43

机器人程序设计思维与实践

44

毕业论文

(设计)

45

毕业教育

46

人机交互学

47

智能控制理论

无线传感网络

49

语音信号处理

50

嵌入式系统

51

智能优化算法

及应用

52

机器人应用

技术

53

分布式结构

54

生物特征识别

55

计算机图形学

56

智慧城市导论

57

项目管理

与案例分析

八、课程设置及学时学分分配表

(一)公共基础课模块课程设置及学时学分分配表

编号

类别

学分分配

学时

(周数)

学时分配

开课

学期

考核

方式

20010001

必修

20020001

大学英语1

3.5

20110001

大学体育1

20030001

20030002

高等数学1

64

20120001

/

(2)

20120002

20120003

20010002

中国近现代史纲要

20020002

大学英语2

20110002

大学体育2

20030003

高等数学2

20040001

20040002

20010003

马克思主义基本原理

20020003

大学英语3

20110003

大学体育3

20120004

20010004

毛泽东思想和中国

特色社会主义理论

体系概论

80

20020004

大学英语4

20110004

大学体育4

20010005

1-8

20120005

大学生职业发展

与就业指导

1、3

5、6

20040003

创新创业教育与训练

20040004

0.5

20130002

1-7

20120401

公共选修课

选修

2-6

小计

73

49.5

1094

(10)

814

236

(二)专业基础课模块课程设置及学时学分分配表

课程编号

学分

考核方式

理论

实践

实验

20045101

20045102

20035101

20045103

20045104

算法与数据结构

20045105

20045106

20045107

程序设计*

20045108

20035102

20045109

自动控制原理

20045110

机器学习*

20045111

模式识别*

20045112

20045113

应用实践**

(校企合作课程)

20045114

神经网络与

深度学习*

20045115

微机原理与应用

20045116

20045117

20045118

896(14)

备注

1、课程名称上标“*”表示该门课程的实践部分为课程设计

2、课程名称上标“**”表示该门课程为实训课程

(三)专业主干课模块课程设置及学时学分分配表

课程类别

20045201

20045301

20045302

20045202

20045203

计算机视觉*

20045204

机器人程序设计思维与实践**

20045303

(方向1)

方向1

20045304

嵌入式系统*

(方向1-校企合作课程)

20045305

(方向2)

20045306

及应用*(方向2-

校企合作课程)

20045307

机器人应用技术*(方向1)

20045308

20045309

项目管理与案例分析(方向1)

20045310

生物特征识别*

20045311

20045312

20045205

毕业论文(设计)

(16)

20045206

304

(20)

1、从第5学期起开始设置专业选修课,其中第5学期至少选修一门选修课,2学分。

2、第6学期起设选修方向,其中方向1为智能系统应用方向,方向2为机器学习与模式识别方向。第6、7学期每学期各方向至少定向选修两门选修课,4学分,三个学期共计至少选修10学分(其中至少包含2个实践学分)。

3、课程名称上标带“*”表示该门课程的实践部分为课程设计。

4、课程名称上标带“**”表示该门课程为实训课程。

九、专业教学进程表

学年

☆★

×

*

图例说明:入学教育☆军事训练★课堂教学√期末考试∷寒暑假期×公益劳动∧社会实践∨

认知实习⊙课程设计*综合实习◆金工实习◇课程实训﹟技能训练♂毕业教育〓

THE END
1.神经网络算法BP 神经网络算法在理论上可以逼近任意函数,基本的结构由非线性变化单元组成,具有很强的非线性映射能力。而且网络的中间层数、各层的处理单元数及网络的学习系数等参数可根据具体情况设定,灵活性很大,在优化、信号处理与模式识别、智能控制、故障诊断等许 多领域都有着广泛的应用前景。工作原理 人工神经元的研究起https://baike.baidu.com/item/%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E7%AE%97%E6%B3%95/1252235
2.人工神经网络是什么,其应用有哪些?人工神经网络应用人工神经网络是什么,其应用有哪些? 当你阅读这篇文章时,你身体的哪个器官正在考虑它?当然是大脑!但是你知道大脑是如何工作的吗?嗯,它有神经元或神经细胞,它们是大脑和神经系统的主要单位。这些神经元接收来自外部世界的感觉输入,它们对其进行处理,然后提供输出,这些输出可能充当下一个神经元的输入。 https://blog.csdn.net/2401_85782938/article/details/140009671
3.深度学习:从人工神经网络的基础原理到循环神经网络的先进技术本文将深入探讨深度学习中的三种主要神经网络架构:基础人工神经网络(ANN)、卷积神经网络(Convolutional Neural Network, CNN)和循环神经网络(Recurrent Neural Network, RNN)。我们将通过大量的Python代码示例,展示如何构建和训练这些模型,并应用于不同的任务,包括图像分类、文本生成和时间序列预测。https://cloud.tencent.com/developer/article/2471196
4.人工智能与深度学习科研项目:卷积神经网络算法及其在NLP等人工智能领域项目将首先回顾包含分类与回归的传统机器学习算法及初步神经网络,而后教授将会介绍用于优化神经网络的数学原理及代码技术。在确保学生具备扎实的理论及编程基础后,项目将进入到关于卷积神经网络原理、架构、优化及应用的核心阶段,学生将根据自身兴趣选择个性化研究课题进行深入研究,在项目结束时提交项目报告,进行成果展示。 https://www.eol.cn/waiyu/news/2022122099527.html
5.粒子群改进算法及在混合神经网络中的应用研究粒子群改进算法及在混合神经网络中的应用研究,粒子群,混合算法,模拟退火,人工神经网络,混沌自适应,外贸出口,随着学科间的相互交叉、相互渗透和相互促进,研究者开始将各类智能优化算法应用于人工神经网络(ANN)训练。其中,粒子群优化(PShttps://wap.cnki.net/lunwen-1014264041.html
6.基于人工鱼群BP神经网络算法的压力传感器温度补偿研究AET摘要:为实现压力传感器的温度补偿,采用BP神经网络作为压力传感器软件补偿系统的核心算法,但由于BP神经网络算法易陷入局部极值,因此采用具有全局搜索能力的算法—人工鱼群算法(AFSA)进行优化,得到的结果是压力传感器的线性度提升1个数量级,温度灵敏度系数降低2个数量级,得到了很好的补偿效果。 http://www.chinaaet.com/article/3000019793
7.进化算法在人工神经网络中的应用研究会议进化算法在人工神经网络中的应用研究 万琼姚望舒王金根陈世福谢俊元 南京大学计算机软件新技术国家重点实验室 210093 引用 收藏 分享 打印 摘要:本文综述了进化算法与人工神经络结合技术现状的研究,主要包括优化网络设计、输入数据预处理、网络集成等方面内容,并对研究过程中出现的主要问题及未来发展趋势进行了讨论。https://d.wanfangdata.com.cn/Conference/6737541
8.人工神经网络:模型算法及应用PPT课件(全)(406页)人工神经网络:模型、算法及应用-PPT课件(全).pptx,人工神经网络: 模型、算法及应用;2;3;4;1.1 人工神经网络的概念 ;6;1.2 人工神经网络的发展 ;8;1.3 人脑;1.3 人脑;11;1.4 Hebb法则;13;1.5 神经元模型;15;1.6 神经网络的拓扑结构;1.6 神经网络的拓扑结构;18;1.7 知识表https://m.book118.com/html/2022/1222/6140135132005031.shtm
9.大数据在审计中的应用——基于人工神经网络的财务报告舞弊识别因此本文旨在利用大数据技术与人工神经网络算法捕获与目标企业舞弊相关的财务信息和非财务信息,梳理基于数据挖掘的舞弊识别框架,为资本市场注入信心。 1.2 研究意义 大数据在财务领域较多地应用于财务共享服务中心的构建、风险预警、管理决策等方面,并取得了较为丰富的研究成果,但是大数据在财务报告舞弊识别方面的应用研究还处https://www.fx361.com/page/2021/0624/11343477.shtml
10.人工智能心得体会(精选13篇)由于网络技术特别是国际互连网的技术发展,人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究。不仅研究基于同一目标的分布式问题求解,而且研究多个智能主体的多目标问题求解,将人工智能更面向实用。另外,由于hopfield多层神经网络模型的提出,使人工神经网络研究与应用出现了欣欣向荣的景象。人工智能已深入到https://www.oh100.com/a/202212/5696010.html
11.现代工学院郝玉峰课题组:利用人工神经网络算法识别和表征原子级厚度材料现代工学院郝玉峰教授课题组近期将人工神经网络算法与二维材料研究相结合,实现了仅通过光学显微镜照片即可对二维材料的类型、层数、异质结构、缺陷浓度进行快速识别和表征,为二维材料提供了一种高效、无损的检测分析技术。 二维材料是一类仅有原子级厚度的新型薄膜材料。目前二维材料成员已多达几百种,并且各种二维材料会组合https://www.nju.edu.cn/info/3201/116731.htm
12.人工智能论文人工智能;电气工程;自动化控制;应用 当前是一个科学技术时代,电气工程发展要与时俱进,跟上时代前进的脚步。电气工程行业要想有效实现电气自动化控制和管理,就必须充分发挥出人工智能技术的作用。人工智能的研究范围不仅涵盖了图像语言识别和自动化控制,还包括了专家系统和人工神经网络等内容。因此,电力企业必须通过合理利https://www.ruiwen.com/lunwen/6395408.html
13.JeffDean撰文:谷歌AI2018研究成果汇总我们也探讨了强化学习如何应用于神经网络架构搜索之外的其他问题,我们的研究证明它可用于1)自动生成图像变换序列,以提高各种图像模型的准确性。 以及寻找新的符号优化表达式,比常用的优化更新规则更有效。我们在AdaNet上的工作展示了如何得到具有学习能力的快速灵活的AutoML算法。 https://36kr.com/p/1723150434305
14.2022年度陕西省重点研发计划项目申报指南目录2.1 超大规模复数稠密矩阵方程直接求解算法库 2.2 超大规模复数稀疏矩阵方程直接求解算法库 2.3 工业仿真软件架构关键技术 2.4 三维几何建模技术研究 2.5 面网格生成技术 2.6 体网格生成技术 2.7 高性能三维图形渲染技术 2.8 航空大规模并行 CFD 计算技术及应用示范 http://www.kt180.com/html/sxs/9889.html
15.人工智能学习心得(通用28篇)在大多数数学科中存在着几个不同的研究领域,每个领域都有着特有的感兴趣的研究课题、研究技术和术语。在人工智能中,这样的领域包括自然语言处理、自动定理证明、自动程序设计、智能检索、智能调度、机器学习、专家系统、机器人学、智能控制、模式识别、视觉系统、神经网络、agent、计算智能、问题求解、人工生命、人工智能https://www.yjbys.com/xindetihui/fanwen/3342600.html
16.第三代神经网络模型:面向AI应用的脉冲神经网络澎湃号·湃客在这篇文章中,我想从四个方向对生物启发SNN设计的一些实例和思想进行介绍,包括神经元模型、编码方式、学习算法、网络结构,最后总结并展望类脑启发对于面向AI应用的SNN研究的意义。 1. 神经元模型 为了模拟生物神经元的活动模式,计算神经科学提出了一系列脉冲神经元模型。与使用激活函数的人工神经元相比,脉冲神经元普遍https://www.thepaper.cn/newsDetail_forward_27289221