智能计算主要包括三大领域：进化计算、神经网络和模糊数学。进化计算主要以仿生的思路，构建现代智能优化算法，典型代表是遗传算法、粒子群算法和蚁群算法；神经网络是人工智能连接主义学派的代表模型，它的一个分支即是现今最热门的深度学习；模糊数学与模糊系统则主要应用在智能控制领域，能够帮助处理“天生”带有模糊特性的问题。本课程将介绍计算智能相关的基础知识、模型原理以及必要的数学基础，帮助同学们掌握现代优化算法、构建机器学习模型。

1、绪论。介绍计算智能领域的发展历史、现状与基本思想。
2、粒子群优化算法。粒子群优化算法的原理、过程和优劣分析。
3、蚁群算法。蚁群算法的原理、过程和优劣分析。
4、粒子群算法的最新进展。研讨课。
5、神经网络基础。介绍神经网络模型、基本原理、误差逆传播训练算法。
6、神经网络基础。介绍的训练方法、模型构建思路以及激励函数、正则化等方面的深入讨论。
7、卷积神经网络。介绍卷积神经网络的基本原理以及典型网络结构。
8、卷积神经网络。卷积神经网络的反向传播原理与交叉熵。
9、深度学习应用。研讨课，由学生介绍阅读的文献。
10、支持向量机：凸优化基础。介绍凸集、凸函数、凸优化问题；求解凸优化问题的一般过程和KKT条件。
11、支持向量机基础。介绍支持向量机的基本原理与基础理论。
12、多核支持向量机。研讨课，由学生介绍阅读的文献。
13、现代优化方法。
14、模糊系统基础。介绍模糊集、模糊规则、模糊推理的基本概念，讲解模糊系统的基本算法原理。