武漢理工大學人工智能專業(yè)在哪個學院 急求人工智能課程結課報告!!

今天，大學路小編為大家?guī)砹?a target="_blank" href="/academy/detail/1330.html" title="武漢理工大學">武漢理工大學人工智能專業(yè)在哪個學院 急求人工智能課程結課報告!!，希望能幫助到廣大考生和家長，一起來看看吧！

武漢理工大學計算機與人工智能學院優(yōu)秀畢業(yè)生有獎勵...

擴展資料

武漢理工大學是中華人民叢升共和國教育部直屬全國重點大學，型鄭凳首批國家世界一流學科建設高校，首批國家211工程建設高校，由教育部和交通運輸部、國家國防科技工業(yè)局共建，入選985工程優(yōu)勢學科創(chuàng)新平臺、111計劃、卓越工程師教育培養(yǎng)計劃、國家建設高水平大學公派研究生項目、新工科研究與實踐項目。

人工智能課程報告
摘要：自上世紀五十年代以來，經(jīng)過了幾個階段的不斷探索和發(fā)展，人工智能在 模式識別 、知識工程、機器人等領域已經(jīng)取得重大成就，但是離真正意義上的的人類智能還相差甚遠。但是進入新世紀以來，隨著信息技術的快速進步，與人工智能相關的技術水平也得到了相應的提高。尤其是隨著因特網(wǎng)的普及和應用，對人工智能的需求，變得越來越迫切，也給人工智能的研究提供了新的更加廣泛的舞臺。本文強調在當今的網(wǎng)絡時代，作為信息技術的先導，人工智能學習在人工智能科學領域中是一個著非常值得關注的研究方向，要在學科交叉研究中實現(xiàn)人工智能學習的發(fā)展與創(chuàng)新，就要關注認知科學、腦科學、生物智能、物理學、復雜網(wǎng)絡、計算機科學與人工智能之間的交叉滲透點，尤其是重視認知物理學的研究。自然語言是人類思維活動的載體，是人工智能學習研究知識表示無法回避的直接對象，要對語言中的概念建立起能夠定量表示的不確定性轉換模型，發(fā)展不確定性人工智能；要利用現(xiàn)實生活中復雜網(wǎng)絡的小世界模型和無尺度特性，把網(wǎng)絡拓中伍撲作為知識表示的一種新方法，研究網(wǎng)絡拓撲的演化與網(wǎng)絡動力學行為，研究網(wǎng)絡化了的智能，從而適應信息時代數(shù)據(jù)挖掘的普遍要求，迎接人工智能學習與應用領域新的輝煌。
概述
自20世紀90年代以來，隨著 全球化 的形式與國際競爭的日益激烈，對人工智能技術的研究與應用變的越來越被人們關注，且人工智能在*中的運用以成為實現(xiàn)*的知識化、自動化、柔性化以實現(xiàn)對市場的快速響應的關鍵。
人工智能是一門研究人類智能的機理以及如何用機器模知培判擬人的智能的學科。從后一種意義上講，人工智能又被稱為“機器智能”或“智能模擬”。人工智能是在現(xiàn)代 電子計算機 出現(xiàn)之后才發(fā)展起來的，它一方面成為人類智能的延長，另一方面又為探討人類智能機理提供了新的理論和 研究方法 。
學習機制的搭改研究是人工智能研究的一項核心課題。它是智能系統(tǒng)具有適應性與性能自完善功能的基礎。學習過程具有以下特點：學習行為一般具有明顯的目的性，其結果是獲取知識；學習系統(tǒng)中結構的變化是定向的，要么由學習算法決定，要么由環(huán)境決定；學習系統(tǒng)是構造智能系統(tǒng)的中心骨架，它是全面組織與保存系統(tǒng)知識的場所。因此，人工智能學習研究的一個主要目的是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。但是，不同的時代、不同的人對這種“復雜工作”的理解是不同的。
一.人工智能學習的歷史性基礎和發(fā)展步伐
人工智能學習的發(fā)展歷史是和 計算機科學與技術 的發(fā)展史聯(lián)系在一起的。除了計算機科學以外，人工智能還涉及信息論、控制論、自動化、仿生學、生物學、心理學、數(shù)理邏輯、語言學、醫(yī)學和哲學等多門學科。
一般認為，人工智能的思想萌芽可以追溯到德國著名數(shù)學家和哲學家 萊布尼茨 (Leibnitz，1646-1716)提出的"通用語言"設想。這一設想的要點是：建立一種通用的符號語言，用這個語言中的符號表達“思想內容”，用符號之間的形式關系表達“思想內容”之間的邏輯關系。于是，在“通用語言”中可以實現(xiàn)“思維的機械化”這一設想可以看成是對人工智能的最早描述。
計算機科學的創(chuàng)始人圖靈被認為是“人工智能之父”，他著重研究了一臺計算機應滿足怎樣的條件才能稱為是“有智能的”。1950年他提出了著名的“ 圖靈實驗 ”：讓一個人和一臺計算機分別處于兩個房間里，與外界的聯(lián)系僅僅通過鍵盤和打印機。由人類裁判員向房間里的人和計算機提問，并通過人和計算機的回答來判斷哪個房間里是人、哪個房間里是計算機。圖靈認為，如果“中等程度”的裁判員不能正確地區(qū)分，則這樣的計算機可以稱為是有智能的?！皥D靈實驗”是關于智能標準的一個明確定義。有趣的是，盡管后來有些計算機已經(jīng)通過了圖靈實驗，但人們并不承認這些計算機是有智能的。這反映出人們對智能標準的認識更深入、對人工智能的要求更高了。
圖靈和馮·諾依曼的上述工作，以及麥克考洛和匹茨對神經(jīng)元網(wǎng)的 數(shù)學模型 的研究，構成了人工智能的初創(chuàng)階段，這其實也是人工智能學習的開始。
人工智能早期研究給人的深刻印象是博羿，與自動定理證明的研究意義不限于數(shù)學一樣，搜索的研究意義也不限于博弈。根據(jù) 認知心理學 的信息處理學派的觀點，人類思維過程的很大一部分可以抽象為從問題的初始狀態(tài)經(jīng)中間狀態(tài)到達終止狀態(tài)的過程，因此可以轉化為一個搜索問題，由機器自動地完成。例如“規(guī)劃”問題。設想一臺機器人被要求完成一項復雜任務，該任務包含很多不同的子任務，其中某些子任務只有在另一些子任務完成之后才能進行。這時，機器人需要事先“設想”一個可行的行動方案，使得依照該方案采取行動可以順利完成任務?！耙?guī)劃”即找出一個可行的行動案，可以通過以其子任務為狀態(tài)、以其子任務間依賴關系為直接后繼關系的狀態(tài)空間中的搜索來實現(xiàn)。
人工智能的早期研究還包括自然語言理解、 計算機視覺 和機器人等等。通過大量研究發(fā)現(xiàn)，僅僅依靠自動推理的搜索等通用問題求解手段是遠遠不夠的。Newell和Simon等人的認知心理學研究表明，各個領域的專家之所以在其專業(yè)領域內表現(xiàn)出非凡的能力，主要是因為專家擁有豐富的專門知識(領域知識和經(jīng)驗)。70年代中期，F(xiàn)eigenbaum提出知識工程概念，標志著人工智能進入第二個發(fā)展時期。知識工程強調知識在問題求解中的作用；相應地，研究內容也劃分為三個方面：知識獲取，知識表示和知識利用。知識獲取研究怎樣有效地獲得專家知識；知識表示研究怎樣將專家知識表示成在計算機內易于存儲、易于使用的形式；知識利用研究怎樣利用已得到恰當表示的專家知識去解決具體領域內的問題。知識工程的主要技術手段是在早期成果的基礎上發(fā)展起來的，特別是知識利用，主要依靠自動推理和搜索的技術成果。在知識表示方面，除使用早期工作中出現(xiàn)的邏輯表示法和過程表示法之外，還發(fā)展了在聯(lián)想記憶和自然語言理解研究中提出的語義網(wǎng)表示法，進而引入了框架表示法，概念依賴和腳本表示法以及產(chǎn)生式表示法等等各種不同方法。與早期研究不同，知識工程強調實際應用。主要的應用成果是各種專家系統(tǒng)。專家系統(tǒng)的核心部件包括：
(a)表達包括專家知識和其他知識的知識庫。
(b)利用知識解決問題的推理機。
大型專家系統(tǒng)的開發(fā)周期往往長達10余年，其主要原因在于知識獲取。領域專家雖然能夠很好地解決問題，卻往往說不清自己是怎么解決的，使用了哪些知識。這使得負責收集專家知識的知識工程師很難有效地完成知識獲取任務。這種狀況極大的激發(fā)了自動　　　　　　　　　　　　知識獲取---- 機器學習 研究的深入發(fā)展。已經(jīng)得到較多研究的機器 學習方法 包括：歸納學習、類比學習、解釋學習、 強化學習 和進化學習等等。機器學習的研究目標是：讓機器從自己或“別人”的問題求解經(jīng)驗中獲取相關的知識和技能，從而提高解決問題的能力。
80年代以來，隨著 計算機網(wǎng)絡 的普及，特別是Internet的出現(xiàn)，各種計算機技術包括人工智能技術的廣泛應用推動著人機關系的重大變化。據(jù)日美等國未來學家的預測，人機關系正在迅速地從“以人為紐帶”的傳統(tǒng)模式向“以機為紐帶”的新模式轉變人機關系的這一轉變將引起 社會生產(chǎn)方式 和生活方式的巨大變化，同時也向人工智能乃至整個信息技術提出了新的課題。這促使人工智能進入第三個發(fā)展時期。
在這個新的發(fā)展時期中，人工智能面臨一系列新的應用需求。
首先是需要提供強有力的技術手段，以支持分布式協(xié)同工作方式，現(xiàn)代生產(chǎn)是一種社會化大生產(chǎn)，來自不同專業(yè)的工作者在不同或相同的時間、地點從事著同一任務的不同子任務。這要求計算機不僅為每一項子任務提供輔助和支持，更需要為子任務之間的協(xié)調提供輔助和支持。由于各個子任務在很大程度上可以獨立地進行，子任務之間的關系必然呈現(xiàn)出動態(tài)變化和難以預測的特點。于是，子任務之間的協(xié)調（即對分布協(xié)同工作的支持）向人工智能乃至整個信息技術以及基礎理論提出了巨大的挑戰(zhàn)。
其次，網(wǎng)絡化推進了信息化，使原本分散孤立的數(shù)據(jù)庫形成一個互連的整體，即一個共同的信息空間。盡管現(xiàn)有的瀏覽器和 搜索引擎 為用戶在網(wǎng)上查找信息提供了必要的幫助，這種幫助是遠遠不夠的，以至于“信息過載”與“信息迷失”狀況日益嚴重。更強大的智能型信息服務工具已成為廣大用戶的迫切需要。另一方面，信息空間對人類的價值不僅在于單獨的信息條目（比如某廠家生產(chǎn)出了某一新產(chǎn)品的信息），還遠在于一大類信息中隱藏著的普遍性知識（比如某個行業(yè)供求關系的變化趨勢）。于是，數(shù)據(jù)中的知識發(fā)現(xiàn)也成為一項迫切的研究課題。機器人始終是現(xiàn)代工業(yè)的迫切需求。隨著機器人技術的發(fā)展，研究重點已經(jīng)轉向能在動態(tài)、不可預測環(huán)境中獨立工作的自主機器人，以及能與其他機器人（包括人）協(xié)作的機器人。顯然，這種機器人之間的合作可以看成是物理世界中的分布式協(xié)同工作，因而包括相同的理論和技術問題。
由此可見，人工智能第三發(fā)展時期的突出特點是研究能夠在動態(tài)、不可預測環(huán)境中自主、協(xié)調工作的計算機系統(tǒng)，這種系統(tǒng)被稱為Agent 。目前，正圍繞著Agent的理論、Agent的體系結構和Agent語言三個方面展開研究，并已產(chǎn)生一系列重要的新思想、新理論、新方法和新技術。在這一研究中，人工智能呈現(xiàn)一種與軟件工程、分布式計算以及通訊技術相互融合的趨勢。Agent研究的應用不限于生產(chǎn)和工作，還深入到人們的學習和娛樂等各個方面。例如，Agent與虛擬現(xiàn)實相結合而產(chǎn)生的虛擬訓練系統(tǒng)，可以使學生在不實際操縱飛機的情況下學飛行的基本技能；類似地，也可使顧客“享受”實戰(zhàn)的“滋味”。
我國也先后成立中國人工智能學會、中國計算機學會人工智能和模式識別專業(yè)委員會和中國自動化學會模式識別與機器智能專業(yè)委員會等學術團體，開展這方面的學術交流。此外國家還著手興建了若干個與人工智能研究有關的國家重點實驗室，這些都將促進我國人工智能的研究，為這一學科的發(fā)展作出貢獻。
綜觀人工智能學習的發(fā)展歷程，可以看出它始終遵循的基本思路。首先是強調人類智能的人工實現(xiàn)而不是單純的模擬，以便盡可能地為人類的實際需要服務。其次是強調多學科的交叉結合，數(shù)學、信息科學、生物學、心理學、生理學、生態(tài)學以及非線性科學等等越來越多的新生學科被融入到人工智能學習的研究之中。
二.人工智能學習的主要技術及其發(fā)展趨勢
目前人工智能學習研究的3個熱點是：智能接口、數(shù)據(jù)挖掘、主體及多主體系統(tǒng)。
智能接口技術是研究如何使人們能夠方便自然地與計算機交流。為了實現(xiàn)這一目標，要求計算機能夠看懂文字、聽懂語言、說話表達，甚至能夠進行不同語言之間的翻譯，而這些功能的實現(xiàn)又依賴于知識表示方法的研究。因此，智能接口技術的研究既有巨大的應用價值，又有基礎的理論意義。目前，智能接口技術已經(jīng)取得了顯著成果，文字識別、語音識別、語音合成、圖像識別、機器翻譯以及自然語言理解等技術已經(jīng)開始實用化。
數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數(shù)據(jù)中提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。數(shù)據(jù)挖掘和知識發(fā)現(xiàn)的研究目前已經(jīng)形成了三根強大的技術支柱：數(shù)據(jù)庫、人工智能和數(shù)理統(tǒng)計。主要研究內容包括基礎理論、發(fā)現(xiàn)算法、數(shù)據(jù)倉庫、可視化技術、定性定量互換模型、知識表示方法、發(fā)現(xiàn)知識的維護和再利用、半結構化和非結構化數(shù)據(jù)中的知識發(fā)現(xiàn)以及網(wǎng)上數(shù)據(jù)挖掘等。
主體是具有信念、愿望、意圖、能力、選擇和承諾等心智狀態(tài)的實體，比對象的粒度更大，智能性更高，而且具有一定自主性。主體試圖自治地、獨立地完成任務，而且可以和環(huán)境交互，與其他主體通信，通過規(guī)劃達到目標。多主體系統(tǒng)主要研究在邏輯上或物理上分離的多個主體之間進行協(xié)調智能行為，最終實現(xiàn)問題求解。目前對主體和多主體系統(tǒng)的研究主要集中在主體和多主體理論、主體的體系結構和組織、主體語言、主體之間的協(xié)作和協(xié)調、通信和交互技術、多主體學習以及多主體系統(tǒng)應用等方面。
新一代的智能技術是指80年代以來迅速發(fā)展起來的以神經(jīng)網(wǎng)絡（ANN）、進化計算、模糊邏輯、Agent為主要代表的計算只能技術，其中主要具有學習進化與自組織的能力。
神經(jīng)網(wǎng)絡也就是模擬人腦中神經(jīng)元的功能，希望通過模擬人腦最基本的單位神經(jīng)元功能來模擬人腦的功能。它通過一定的范例訓練構成的神經(jīng)網(wǎng)絡，就象教一個小孩子一樣，在訓練結束后，這個神經(jīng)網(wǎng)絡就可以完成特定的功能了。它是通過范例的學習，修改了知識庫和推理機的結構，達到實現(xiàn)人工智能的目的。
最后還有一個應用領域，就是模型識別，我想它應該在知識挖掘中應用不小，因為現(xiàn)在工程中的獲得的數(shù)據(jù)越來越多，要想人為地從這些數(shù)據(jù)中確定某一規(guī)律都不容易，更不要說在這些數(shù)據(jù)中發(fā)現(xiàn)新規(guī)律了，因此有必要進行數(shù)據(jù)挖掘，它的應用對于決策支持系統(tǒng)將有著巨大的意義。
人可以思考，人工智能也需要思考，這就是推理；人可以學習，人工智能也就需要學習；人可以擁有知識，那么人工智能也就需要擁有知識。
人工智能是為了模擬人類大腦的活動的，人類已經(jīng)可以用許多新技術新材料代替人體的許多功能，只要模擬了人的大腦，人就可以完成人工生命的研究工作，人創(chuàng)造自己，這不但在科學上，而且在哲學上都具有劃時代的意義。
學習是指系統(tǒng)適應環(huán)境而產(chǎn)生的適應性變化，它使得系統(tǒng)在完成類似任務時更加有效。80年代以來，ANN的學習機制再次得到人們的重視，基于連接機制的亞符號學習又一次成為的當今學習機制研究的熱點，提出了競爭學習，進化學習、加強學習等各種新的學習機制。
機械式學習。它的另一個名稱死記式學習能夠直接體現(xiàn)它的特點，這是一種最簡單的，最原始的學習方法，也是機器的強項，人的弱項。
指導式學習。這種學習方式是由外部環(huán)境向系統(tǒng)提供一般性的指示或建議，系統(tǒng)把它們具體地轉化為細節(jié)知識并送入知識庫中，在學習過程中要對反復對知識進行評價，使其不斷完善。
歸納學習。我們看到，機器所善長的不是歸納，而是演繹，它適用于從特殊到一般，而不太適應從一般到特殊，從特殊到一般的歸納是人類所特有的，是智慧的標志。具體的歸納學習方法有許多，但它們的本質就是讓計算機學會從一般中得出規(guī)律。
類比學習。類比也就是通過對相似事物進行比較所進行的一種學習。它的基礎是類比推理，也就是把新事物和記憶中的老事物進行比較，如果發(fā)現(xiàn)它們之間有些屬性是相同的，那么可以（假定地）推斷出它們的另外一些屬性也是相同的。
基于解釋的學習。這是近年來興起的一種新的學習方法。它不是通過歸納或類比進行學習，而是通過運用相關的領域知識及一個訓練實例來對某一目標概念進行學習，并最終生成這個目標概念的一般描述，這個一般描述是一個可形式化表示的一般性知識。
增強式學習（ReinforcementLearning）是一種基于行為方法的半監(jiān)督學習。一般的學習方法分兩類，一類是上文提到的基于模型的，在這種方法，智能體需要環(huán)境確切的模型，具有較高的智能，但不適合于不確定的動態(tài)環(huán)境；另一種是基于行為的方法，在這種方法中，不需要環(huán)境的確切模型，采用分層結構，高層行為可以調整和抑制低層的行為能力，但每層中都具有其自主的確定權，如[3]中的Holonic智能*系統(tǒng)。增強式具有這些優(yōu)點，故常用于機器人足球賽[4]、狩獵問題、甚至戰(zhàn)爭指揮中[5]，但是這些都只是理論上的研究，因為機器人足球賽的本身目的也是為了測試人工智能的可用性，且更不可能去讓戰(zhàn)爭去由電腦而不是人去指揮了。
使用強化學習的Agent最早是出現(xiàn)與遺傳算法中，使用“Ethogenetics（行為遺傳）”的思想，突破了人們長期以來關于一個編碼串對應于組合優(yōu)化問題所有策略變量的一個組合方式的傳統(tǒng)、靜態(tài)的認識，而將一個編碼串看成某個智能主體(Agent)主動進行的一系列決策行為的結果。
人工智能學習可能會向以下幾個方面發(fā)展：模糊處理、并行化、神經(jīng)網(wǎng)絡和機器情感。目前，人工智能的推理功能已獲突破，學習及聯(lián)想功能正在研究之中，下一步就是模仿人類右腦的模糊處理功能和整個大腦的并行化處理功能。人工神經(jīng)網(wǎng)絡是未來人工智能應用的新領域，未來智能計算機的構成，可能就是作為主機的馮·諾依曼機與作為智能外圍的人工神經(jīng)網(wǎng)絡的結合。研究表明：情感是智能的一部分，而不是與智能相分離的，因此人工智能領域的下一個突破可能在于賦予計算機情感能力。情感能力對于計算機與人的自然交往至關重要。
通過以上的學習方法就是為了得到知識，通過一種方便的方法得到知識。前面已經(jīng)說過了，因為機器的思考方式和人類的思考方式大有不同之處，因此讓機器通過自己學習生成自己便于理解和使用的知識，也不失為機器學習的目標之一。
人工智能一直處于計算機技術的前沿，人工智能研究的理論和發(fā)現(xiàn)在很大程度上將決定計算機技術的發(fā)展方向。
由于計算機芯片的微型化已接近極限。人們越來越寄希望于全新的計算機技術能夠帶動人工智能的發(fā)展。目前至少有三種技術有可能引發(fā)全新的革命，它們是光子計算機、量子計算機和生物計算機。
結束語
許多科學家斷言，機器的智慧會迅速超過阿爾伯特·愛因斯坦和斯蒂芬·霍金的智慧之和。著名物理學家斯蒂芬·霍金認為，就像人類可以憑借其高超的搗弄數(shù)字的能力來設計計算機一樣，智能機器將創(chuàng)造出性能更好的計算機。最遲到本世紀中葉而且很可能還要快得多，計算機的智能也許就會超出人類的智能。
本文對學習中的一些方法進行基本的敘述并闡述了其發(fā)展的趨勢，但是在一般的學習中，使用基于行為的方法仍舊是最受人關注的；文中介紹了幾種強化學習方法的變形，并對他們的運用進行了一定的敘述。在一定程度上，他們實現(xiàn)仿真的可行行。但是這些仿真大多都是驗證性的，真正的人工智能在實際生產(chǎn)中的運用仍舊是一個需要研究的課題。最后，我們來總結一下，人工智能學習的各個研究領域。參照人在各種活動中的功能，我們可以得到人工智能的領域也不過就是代替人的活動而已。哪個領域有人進行的智力活動，哪個領域就是人工智能學習研究的領域。人工智能學習就是為了應用機器的長處來幫助人類進行智力活動。人工智能學習研究的目的就是要模擬人類神經(jīng)系統(tǒng)的功能。
但隨著技術及技術的發(fā)展，人工智能學習的方法還會有所變化也更加會引起我們的關注。
參考文獻
[1] 《人工智能簡史》孫興清華大學出版社， 1990年
[2] 蔡自興徐光佑《人工智能及其應用》清華大學出版社 2002年1月
[3] 陳萬求;黃一;;NBIC會聚技術的“后人類”議題[J];湖南師范大學社會科學學報;2013年04期
[4] 王東浩;;道德機器人:人類責任存在與缺失之間的矛盾[J];理論月刊;2013年11期
[5] 機器學習理論為什么實現(xiàn)不了強人工智能
[6] 王東浩;;人工智能體的道德確立與倫理困境[J];華南農業(yè)大學學報(社會科學版);2014年01期
[7] 熊力;媒介道德激勵功能及其實踐研究[D];湖南大學;2013年
[8] 孫志楠;;人工智能在電氣自動化控制中的應用[J];現(xiàn)代商貿工業(yè);2013年07期
[9] 宋翠萍;;淺析智能化技術在電氣工程自動化中的應用[J];電源技術應用;2013年06期
[10] 胡琴;;電氣自動檢測技術的現(xiàn)狀與發(fā)展[J];硅谷;2013年11期
[11] 劉惠彥;;電氣自動化工程控制系統(tǒng)的現(xiàn)狀及其發(fā)展趨勢[J];科技創(chuàng)新與應用;2013年18期
[12] 朱金芳;;人工智能在電氣工程自動化中的運用[J];化學工程與裝備;2013年05期
[13] 潘偉航;;淺析電氣自動化在日常生活中的作用和未來發(fā)展趨勢[J];科技創(chuàng)新與應用;2013年12期
[14] 虞崢;;淺談人工智能技術在電氣自動化中的運用[J];電子*;2013年05期
[15] 趙綱;*;;有關電氣控制線路設計的研究[J];電子*;2013年02期
[16] 李俊平;人工智能技術的倫理問題及其對策研究[D];武漢理工大學;2013年
[17] 趙艷軍;錳粉制備輸送控制系統(tǒng)設計與研究[D];蘭州理工大學;2012年

首先要提的一點是：這個專業(yè)和很多專業(yè)都很相近，比如電子信息工程等，一般都要求 需要有一定的電子信息科學與技術方面的基礎知識和理論。畢業(yè)生要熟練掌握物理、數(shù)學與計算機方面的一些理論知識，具備一定的實踐能力，能夠進行電子信息科學與技術領域的技術開發(fā)與應用研究等工作。

那么到底難不難呢？平心而論 我覺得是 比較難學 的， 主要因為學科跨度廣 ，涉及 計算機，通信，自動化等 理論知識、同時需要較強的實際動手能力。下圖是專業(yè)課實驗時的一些照片。

那我們看一下這個專業(yè)的主修課程都有哪些？下圖是 百度百科 中這個專業(yè)需要學習的東課程：

首先來講，公共課這是所有工科學生需要學習的， 難度一般 ，其實在我看來，這個專業(yè)的專業(yè)課是比較難的，而且涉及面廣，每一個專業(yè)課后邊都可以被細分為一個很深的研究領域。

比如電磁理論，數(shù)字信號處理，算法與數(shù)據(jù)結構，這些 對數(shù)學能力要求都比較高 ， 模電 可以算得上是這個專業(yè)最難的課程了，計算機基礎、單片機、ARM嵌入式系統(tǒng)，其中單片機、ARM兩部分只是該專業(yè)的最簡單的硬件，下圖是一個最簡單的 51單片機的最小開發(fā)板 ，除此之外，高級一些的硬件比如DSP,FPGA,PCL等硬件，可能都是好一些的學校，小伙伴們 本科期間可以選修的。

而且這些硬件的開發(fā)， 不僅僅需要基本的硬件知識，同時需要相應的軟件知識 ，上圖中的課程并沒有說明C語言等軟件，這些都是需要本科生需要學習的，更深一點的JAVA，C++等語言，也是需要了解的。

綜上所述，由于學科要求高，學科涉及范圍廣，這個專業(yè)還是有一定難度的。但是，這個專業(yè)也是社會需求比較強烈的專業(yè)。認真學后，收獲還是很多的。

武漢理工大學人工智能專業(yè)培養(yǎng)具有良好人文社會科學素養(yǎng)、社會責任感、工程職業(yè)道德、國際視野和工程實踐學習經(jīng)歷，具有人工智能領域的科學思維、數(shù)理知識，掌握從卜旅事人工智能領域相關工作所需的相關科學知識和管理知識的高素質人才。

武漢理工大學人工智能專業(yè)是什么

以上就是大學路整理的武漢理工大學人工智能專業(yè)在哪個學院 急求人工智能課程結課報告!!相關內容，想要了解更多信息，敬請查閱大學路。