時間：2023-03-20 16:24:23
引言：易發表網憑借豐富的文秘實踐，為您精心挑選了九篇人工智能導論論文范例。如需獲取更多原創內容，可隨時聯系我們的客服老師。
［關鍵詞］人工智能；人才培養；AI技術人才
一國家對于高校人工智能教育的發展的重視
面對AI技術如火如荼地發展，我們國家對AI人才和人才培養都非常重視。2017年3月“人工智能”在政府工作報告中曾提及四次，指出要推動人工智能和實體經濟深度融合。2017年7月20日國務院《新一代人工智能發展規劃》[4]。《規劃》指出完善人工智能領域學科布局，設立人工智能專業，推動人工智能領域一級學科建設，盡快在試點院校建立人工智能學院，增加人工智能相關學科方向的博士、碩士招生名額。鼓勵高校在原有基礎上拓寬人工智能專業教育內容，形成“人工智能+X”復合專業培養新模式，重視人工智能與數學、計算機科學、物理學、生物學、心理學、社會學、法學等學科專業教育的交叉融合。加強產學研合作，鼓勵高校、科研院所與企業等機構合作開展人工智能學科建設。
二企業對于人工智能人才的需求
市場上AI技術人才非常稀缺，據騰訊研究院聯合boss直聘的《2017全球人工智能人才白皮書》[5]顯示：目前，全球大約有30萬人從事AI工作。截止到2017年10月，中國人工智能人才缺口至少在100萬以上。2017年頭10個月，AI人才需求量是2016年的近兩倍，2015年的5.3倍之多，年復合增長率超200%。百度、騰訊、阿里巴巴、京東等互聯網巨頭都在挖掘AI人才，紛紛開出了高額的薪資。2017年薪資最高的十個職位中AI類崗位占到1/2，其中語音識別、NLP、機器學習等職位平均月薪資超過2.5萬元。
三高校AI人才培養的思考
高校具有多學科、高層次人才集中的特點，具備計算機與多學科交叉融合的優越條件；且大部分學校都開設有數學、物理等基礎學科，具備夯實數學理論基礎的條件；且人員相對固定，便于溝通交流，具備共同開展AI課題，促進發展AI技術的人力條件。但是遺憾的是我國開設人工智能課程的高校較少，2018年只有33所高校設立了智能科學與技術專業[6]。面對AI發展的火爆，國家對于AI人才發展的重視以及企業對于AI人才的嚴重需求，高校作為人才培養的主要來源，是不是應該思考AI人才的培養呢？AI人才可以分為三類：拔尖人才，研究性人才和應用型人才，呈金字塔性。當下已經有一批名牌大學開展了AI方向拔尖人才的培養，如北京大學圖靈班、中國科技大學人工智能技術學院、西安交通大學人工智能拔尖人才培養實驗班，南京大學計劃成立人工智能學院等。但是金字塔的底層、中層更需要龐大的AI技術人才，如應用開發人員、數據工程師、AI和機器學習工程師、AI系統架構師、AI產品經理等崗位的人才，同樣值得重視。很多專家都表示AI人才需要數學基礎好、專業理論全面、具備一些工程基礎，且有自主學習的能力。本文從夯實數學基礎、人工智能方向課程的建設、實踐能力的培養、自主學習能力的培養四個方面闡述高校關于AI人才培養的一些思考。
1奠定扎實的數學基礎
在學習AI技術時，幾乎所有專家學者都提出需要扎實的數學功底，數學功底的厚重程度決定了在AI技術上走多遠。高等院校計算機專業都開設有“高等數學”“線性代數”“概率論”等數學課程，但是課時、難易程度不足，學生對于數學不夠重視，或者覺得晦澀難懂，學習效果并不十分理想，因此加強數學基礎的工作刻不容緩。可以通過必修和選修等方式開設“數據分析”“統計機器學習”“凸優化”等課程；通過微課或者MOOC等方式鞏固數學基礎的學習；通過優秀科普讀物，如《數學之美》《編程之美》等書籍的推薦閱讀激發學生興趣；通過開展校內學術討論、數學競賽等方式促進學生學習數據的動力，逐步達到夯實數據功底的目的。
2人工智能方向課程的建設
很多高校計算機專業課程中只開設有《人工智能》導論，有的甚至沒有。智能科學與技術專業開設有“人工智能”“計算機視覺”“機器人學導論”“計算智能”這幾門課程，但是在編程、算法等方面不足。那么AI技術人才應具備哪些專業能力呢？如何從專業角度培養AI技術人才呢？2018年1月CSDN了“AI技術人才成長路線圖”[7]，通過專業路徑和實戰路徑兩方面介紹了AI技術人才需要具備的知識。需要具備Python、C++、Linux、CUDA編程知識，需要學習機器學習課程、掌握TensorFlow框架。該路線圖中列出了機器學習算法工程師、數據科學家等10個崗位AI人才應具備專業知識和能力。微軟公司也推出AI人才培養的10門免費課程，如“AI導論”“數據科學會用到的Python語言-導論”“AI領域運用的數學概要”“數據和分析所需要的道德與法律”“數據科學概要”“機器學習法則”“深度學習”“強化學習”“微軟專案項目之人工智能”。同時在“文字和自然語言識別”“語音識別”“計算機視覺和圖像識別”中選擇其一。Google在人工智能學習網站開設有《MachineLearningCrashCourse（簡稱MLCC）》的免費課程[8]，由機器學習概念、機器學習工程、機器學習現實世界應用示例三個部分組成。Intel近期也了三門免費的AI課程，分別是“機器學習基礎”“深度學習基礎”和“TensorFlow基礎”[9]。AndrewNg在Coursera上也推出了機器學習的課程，且用比較通俗的語言講解機器學習中各個算法。最近在Deeplearn-ing.ai和Coursera平臺又開設了5門深度學習課程[10]。綜上所述，不同的研究機構都著眼于AI編程基礎、AI算法、AI框架、AI實踐這幾個方面。那么高校也可以借鑒這些經驗，通過三個階段分層次的開展相應的課程。
3實踐能力的培養
AI技術不能紙上談兵，必須動手實踐才能真正掌握，可以從以下幾個方面著手培養學生的實踐動手能力。（1）設計教學環節時多從工程應用的角度來介紹，激發學生的興趣，培養學生解決問題的能力。要求學生新手編程編程實現模型，充分理解算法的含義和原理到實現的過程。（2）在掌握一定的機器學習知識后，鼓勵學生盡早走進實驗室，接觸科研工作。可以從一些AI應用方向作為入手，使學生了解自己的興趣點、培養科學研究能力。（3）鼓勵學生參加算法比賽。目前有很多AI方向的競賽，如Kaggle上的挑戰賽，國內阿里天池大數據競賽等。通過參加競賽刺激學生學習AI的動力和熱情，使得解決問題的能力和實踐動手能力都會大幅度提高。（4）鼓勵學生到工業界實習。很多專家都指出AI人才應該具備一定工程基礎。確實，學術界往往追求算法的性能，而工業界更重視經濟效益和解決問題的有效性。到企業學習可以快速了解行業發展的框架，掌握算法轉化到產品的過程。
4自主學習能力的培養
AI技術發展速度很快，要求不斷地學習才能跟上節奏。可以從以下幾個方面來培養學生的自主學習能力。（1）平時教學中，可以給出一些小型的項目，讓學生自己尋求解決的方案，并把它作為考試成績的依據之一。（2）提供給學生免費的AI慕課資源，讓學生更好的學習和鞏固相關知識。（3）課外可以開展學術討論或者通過社團等方式開展AI方向的研討，交流，給學生一個學習的平臺，讓學生嘗試選擇自己感興趣的方向。也可以介紹一些近期的AI會議內容，開闊學生的眼界，使其了解AI發展的動態。（4）鼓勵高年級學生訂閱Arxiv，關注機器學習的頂級會議，如ICML/NIPS等。通過研讀論文，動手完成論文中的實驗發現新問題；或者擴展感興趣的論文的實驗部分；或者嘗試尋求論文中有價值的地方，找到自己的研究方向。
關鍵詞：人工智能；深度學習；教學建議
0 引言
傳統的人工智能課程主要包括人工智能導論、模式分析、機器學習、數據挖掘等。這些課程由各個院校根據專業情況不同而選擇，課程的內容也有較大差別，但是，基本上都涉及人工神經網絡的內容。然而在人工神經網絡的教學內容上，一般只講解經典的多層感知器和反向傳播算法，或再加入一些反饋網絡的內容，這種教學內容設計的一個不足是忽視了人工智能領域的最新發展——深度學習，它是近幾年人工智能領域最具影響力的研究主題，并在大規模語音識別、大規模圖像檢索等領域取得突破。
北京郵電大學計算機學院開設人工智能科學與技術的本科專業，筆者從事深度學習的研究工作，同時承擔了本科生和研究生人工智能類課程的教學工作，因此產生了將深度學習內容引人人工智能類課程的想法。本文先介紹深度學習的背景，說明深度學習在人工智能發展中的地位，之后分析了將深度學習基本內容引入人工智能類課程的必要性和可行性，最后給出了一些實施建議供探討。
1 深度學習背景
2006年，加拿大多倫多大學的GeoffreyHinton教授與Salakhutdinov博士在美國《科學》雜志發表了題為“Reducing the Dimensionality ofDatawith Neural Networks”的論文，該文提出一種學習多層神經網絡的方法，并將這種具有多層結構的學習方法命名為深度學習（Deep Learning），而這成為深度學習研究的一個導火索，從此深度學習的研究與應用蓬勃發展起來。
深度學習在語音識別與生成、計算機視覺等應用領域取得了突出進展。近幾年的國際機器學會（International Conference on MachineLearning，ICML）、神經信息處理大會（AnnualConference On Neural Information Processing Systems，NIPS）、計算機視覺大會（InternationalConference on Computer Vision，ICCV）、
聲學語音與信號處理大會（International ConferenceOn Acoustics，Speech，and Signal Processing，ICASSP）、計算語言學大會（Annual Meeting of the Association for Computational Linguistics.ACL）、計算機視覺與模式識別（InternationalConference on Computer Vision and P atternRecognition，CVPR）等都有不少相關的研究論文、會議教程和小組研討會（Workshop）。美國國防高級研究計劃（DARPA）也提出了關于深層學習的研究項目。此外，2013年6月《程序員雜志》的封面故事，采訪了周志華、李航、朱軍3位國內的機器學習專家對于深度學習的看法，他們一致肯定了深度學習在機器學習領域的貢獻。
工業界對深度學習也寄予了很高期望。2012年6月，《紐約時報》報道了斯坦福大學計算機科學家AndrewNg和谷歌公司的系統專家JeffDean共同研究深度神經網絡的機器學習模型在語音識別和圖像識別等領域獲得的巨大成功。2012年11月，微軟公司在天津公開演示了一個全自動的同聲傳譯系統，其關鍵技術也是深度學習。2013年1月，百度公司首席執行官李彥宏先生宣布建立深度學習研究院（Institute of Deep Learning）。2013年3月，谷歌公司收購了由深度學習創始人Geoffrey Hinton創立的公司。
從學術界與工業界的研究態勢看，深度學習已經成為機器學習與模式識別，乃至人工智能領域的研究熱點。正是在這樣一個背景下，人工神經網絡重新回到人們的視野。此前人工神經網絡的發展大致可以分為兩個時期，1943年，McCulloch和Pitts提出了最早的人工神經元，這種神經元具有學習能力，這是人工神經網絡的發端，也可以被認為是人工智能的發端（當時還沒有人工智能這個術語）。1949年，Hebb提出了Hebbian學習算法。1957年，Rosenblatt提出了感知器的神經網絡模型。1969年，Minsky和Papert分析了這種感知器神經網絡模型的局限性。然而，很多研究者認為，感知器的這種局限性對于所有的神經網絡模型都適用，這使人工神經網絡的研究很快暗淡下來。1980年代中期，諾貝爾獎得主John Hopfield提出了Hopfield神經網絡模型，這種Recurrent神經網絡具有的動態性有可能用于解決復雜的問題。同時，多層前向神經網絡的后傳算法也被重新發現，這兩個工作使人工神經網絡得到重生。這時，人工神經網絡已經成為人工智能的一個重要組成部分。但是，在隨后的研究中，人們發現，當學習多層神經網絡包含更多的隱藏層時，后傳算法并不能學到有效的網絡權值，這使得神經網絡的研究再次陷入低潮。此次以深層神經網絡為代表的深度學習重新回到研究的舞臺，其中一個重要因素是Hinton提出的逐層預訓練神經網絡方法治愈了多層神經網絡的一個致命傷。
2 必要性與可行性
深度學習的發展使得從事教學一線的教師也無法忽視這個頗具影響力的研究主題。為此，我們提出將深度學習這個主題引入到人工智能類課程中，將它作為課題教學的一部分。
2.1 必要性
將深度學習這個主題引入到人工智能類課程中的必要性主要包括如下4點。
1）深度學習是人工智能的前沿。
2006年以來，深度學習的研究席卷了整個人工智能，從機器學習、機器視覺、語音識別到語言處理，都不斷涌現出新的研究工作和突破性進展。深度學習不僅在機器學習領域成為研究熱點，同時在多個應用領域也成為有力工具，而且，在工業界的系統應用中，深度學習成為其中的關鍵解決技術。
2）深度學習是人工智能的突破。
深度學習的發端是神經網絡。關于神經網絡的論述，在人工智能類常見教科書中還停留在多層神經網絡，即神經網絡的第二階段，它們大部分描述多層結構無法訓練的現象。但是，從深度學習的角度看，深層神經網絡不僅可學習，而且有必要，這與第二代神經網絡的觀點是完全不同的。深度學習突破了原有人工神經網絡的認識，超越了人工智能神經網絡教科書中的原有內容，因此，有必要將多層神經網絡結構的可學習性告知學生，從新的視角糾正原有的觀點。
3）深度學習是人工智能的延伸。
深度學習不僅提供了一種可以在深層神經結構下訓練網絡的方法，也包含了不少新的內容，是人工智能的新發展，為人工智能補充了新的內容。到目前為止，深度學習至少包括：從生物神經網絡與人類認知的角度認識深層神經網絡的必要性；如何構建和學習深層學習網絡；如何將深層結構用于解決視覺、語音、語言的應用問題；如何看待深度學習與原有的機器學習方法，如流形學習、概率圖模型、能量模型的直接關系；深度學習與其他學科的關系等。
4）深度學習是學生的潛在興趣點。
大學生對知識有著強烈的好奇心，加之當前信息技術的發達，部分對智能感興趣的學生可以從其他途徑了解到這個學科發展的前沿。因此，順勢而為，將深度學習這個主題做具體講解，滿足學生的好奇心，培養他們對學科前沿與發展的認識，是十分必要的。對高年級的學生而言，了解深度學習的基本知識，是他們全面認識人工智能與發展前沿的一個途徑，而對于研究生，較多地了解和掌握深度學習的基本知識有助于他們研究工作的開展。
基于以上幾點，筆者認為，將深度學習這個主題引入到人工智能類課程中非常有必要。深度學習作為人工智能的前沿，既是對人工智能原有理論和技術的一個突破和補充。
2.2 可行性
將深度學習引入到人工智能類課程中的可行性主要包括如下3點。
1）深度學習與現有人工智能聯系密切。
深度學習并不像突兀的山峰拔地而起。而是深深植根于原有的人工智能理論與技術。深度學習是以神經網絡為出發點，這正是深度學習教與學的切入點。比如，可以通過對多層感知器隱藏層的增加和后傳算法的失效來講解深度學習是如何解決這個問題的。再者，深度學習的一個核心構建“受限波爾茲曼機（Restricted Boltzmann Machine）”，可以被認為是一種能量模型，而這種模型與Hopfield網絡都可以從物理學的能量模型角度分析，RBM可以認為是Hopfield網絡的隨機擴展。總之，深度學習與現有人工智能的聯系，使學習深度學習變得容易。
2）深度學習的基本內容并不深。
深度學習有個很好的名字，這個名字恰當地描述了特定的學習結構。比如，深度學習的核心部件受限于波爾茲曼機RBM，其結構非常簡單。從神經網絡的角度，受限波爾茲曼機是一種隨機的雙向連接神經網絡，信號可以從可見層傳遞到隱藏層，也可以從隱藏層傳遞到可見層。網絡中每個節點是具有特定結構的神經元，其中的神經元具有典型的包含自身偏置的Logistic函數的隨機單元，能夠依Logistic函數計算得到的概率輸出0狀態或1狀態。概括地說，深度學習的基本內容在高年級階段較易掌握。
3）深度學習的資料容易獲得。
當前的信息資訊非常發達，有相當多的資料可以通過互聯網等多種途徑獲得，這使學習深度學習成為可能。近期，中國計算機學會主辦了多個技術講座均涉及深度學習的部分；深度學習的創始人Hinton教授的主頁也有很多資料；Coursera網站有免費的Hinton教授的神經網絡課程；斯坦福大學的Ng教授提供了很多的在線教程；蒙特利爾大學Bengio教授發表的題為“Learning Deep Architectures for AI”的論文也是這領域的優質資料。
3 實施建議
在具體的教學過程中，筆者建議適當安排深度學習的最基本內容，內容不宜過多，也不宜占用過多的學時，可以根據教學對象的不同進行調整。比如，本科生的高年級專業課可以安排1學時的教學量，介紹層次訓練的基本算法；也可以在高年級前沿講座中安排2學時，內容覆蓋面盡可能廣泛。在研究生的教學中，可以根據教學的課程主題安排內容與學時。比如，神經網絡主題的課程可以安排4-6學時的教學內容，包括波爾茲曼機及學習算法、深層信念網絡與學習算法、深層波爾茲曼機與學習算法卷、積神經網絡、自動編碼器等。結合應用，課程還可以包含MNIST數字識別的應用、人臉識別的應用、圖像檢索的應用、語音識別中的應用等。另外，深度學習是一個實踐性很強的研究，隨機性：大規模（意味著數據不宜可視化，程序運行時間長）等多種因素混合，使深度學習在學習中不容易理解。為此，可以在條件允許的前提下，增加小規模的實驗，輔助理解。最后，課件可以通過對優質資料做修改得到。
申請級別：副研究員
計算機工程與科學學院
XX年7月7日
教育與工作經歷
教育
1994.9-1998.7 上海大學機械自動化系 本科
1998.9-XX.3 上海大學機械自動化系 碩士
XX.3-XX.9 上海交通大學圖像處理與模式 識別研究所 博士
工作
XX.9-今 上海大學計算機學院 講師
學術活動
兼職
中國計算機學會yocsef上海分壇學術秘書委員(XX.5~今)
ieee會員，ieee計算機分會會員(XX.1~今)
上海市計算機學會會員(XX.1～今)
主持中國機器學習郵件列表(XX.1~今)
活動
機器學習及其挑戰研討會，上海，參與，XX.11
第十屆中國機器學習會議，上海，口頭報告，XX.10
環太平洋人工智能大會，aucland，口頭報告，XX.8
國際神經網絡大會，大連，展板，XX.8
神經網絡及其應用研討會，北京，大會報告，XX.3
科研經歷
參與國家自然科學基金四項
基于數據挖掘和綜合模型的腦磁共振圖像分析和診斷(30170274)已結題
面向鋼鐵生產的數據挖掘和數據融合信息處理平臺及應用(50174038)已結題
納米氧化鋁材料設計的支持向量機方法 (20373040)進展順利
分布式概念格數學模型及算法研究 (60275022)進展順利
參與上海市高校網格技術e研究院一期項目
數據挖掘在生物醫學網格中的應用 (XX.7-XX.6)
主持軟件新技術國家重點實驗室(南京大學)開放課題一項
機器學習中冗余特征問題的研究(XX.5-XX.6)
已申請國家自然科學基金
合作者：化學系 陸文聰教授
已申請上海市教委科技發展基金
正在申請上海市高校網格技術e研究院二期項目
研究方向
特征選擇
結合學習器的研究
支持向量機
集成學習
多任務學習
偏最小二乘法
化學計量學
多元校正
藥物構效關系
jcics，nsfc
學術成果
論文20余篇(第一作者9篇以上)
sci 收錄5篇，其中第一作者4篇
ei收錄10篇，其中第一作者3篇
其它核心雜志，第一作者5篇
sci收錄源雜志錄用2篇，正在出版
譯著一本(第一作者)
支持向量機導論，電子工業出版社出版，XX.3
專著一本(算法部分，五萬字以上)
support vector machine in chemistry，singapore, world scientific publishing company，XX.9
第一作者論文
************************************
學院工作
人工智能、軟件工程等專業課
學術報告(二次)
計算機學院一次
化學系一次
本科生班主任(03級10班)，優秀生導師(5)
****************
其它條件
全國大學英語等級考試cet-6
合格，1997.6
上海市職稱計算機能力考試
合格，XX.4
匯總
關鍵詞：人工智能；案例式教學；興趣引導教學法；問題驅動教學法
中圖分類號： TP309 文獻標識碼：A 文章編號：1009-3044（2014）03-0599-02
人工智能是一門研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的綜合性技術學科[1]，是計算機科學、控制論、信息論、神經生理學、心理學、語言學等多種學科互相滲透、迅速發展且與人類生活密切相關的綜合性新學科，其核心研究領域包括模式識別、自然語言處理、機器學習、數據挖掘、人工神經網絡和專家系統等等[2]。
語言信息處理是語言學與計算機科學交叉形成的一門新型學科，其課程體系以語言學、計算機應用、應用數學和認知科學為主干，研究內容是自然語言的自動化信息處理技術，是人類語言活動中信息成分的發現、提取、存儲、加工與傳輸[3]。目前該方向的主要應用領域包括機器翻譯、文獻檢索、信息提取、自然語言的人機接口等。由此可見，為語言信息處理專業開設人工智能課程是必須的。該文針對“人工智能”課程自身特點和語言信息處理專業研究生培養目標，并結合筆者多年來的教學經驗，分別從課程內容設定、教材選擇、教學方法、考核方式等多個方面對該課程的教學改革進行了探索與研究。
1 以“精”“典”為基本要求的教學內容選擇
“人工智能”課程的突出特點研究內容涉及面廣而學時數較短（大部分高校的研究生專業安排的課程的時數在36到48學時之間）。因而授課時不能追求內容“大而全”，必須“精”，選擇重點、核心基礎知識進行學習，選擇與專業方向最相關的“典”型應用領域進行重點詳細介紹，使學生在有限的時間內學到最有用的知識。“人工智能”課程教學內容總體可以分為三大部分。
第一部分是基礎理論知識，學習人工智能中知識的表示方式（謂詞邏輯表示法、產生式知識表示法、框架表示法、語義網絡表示法等）。語言信息處理專業學生本科專業背景不同（有文科，有理工科），所以該部分教學內容難點在于教學進度和難易程度的均衡。本部分內容可安排8～10學時。
第二部分是搜索與推理，對使用特定知識表示方式表達的知識和問題進行推導或搜索，得出相應結論或搜索結果。本部分安排10～12學時，重點在于啟發式搜索。
第三部分是人工智能中的典型應用領域。對于該部分內容的選擇要以學生專業為中心進行，選擇與學生專業相關性較大的領域進行教學，以期能夠有助于學生了解并掌握學術的主流發展趨勢，從而能夠更好地培養自身的科學素養和創新能力。本部分主要學習機器翻譯、機器學習、自然語言處理、數據挖掘、多Agent系統等。本部分安排18～36學時。
2 選擇“最合適”的教材
教材是教師教和學生學的主要憑借，教材的好壞在很大程度上決定了教師能否成功“教”與學生能否順利“學”。教材的選擇要以教學對象的特點和教學目標為依據，選擇最合適的教材。在廣泛研讀目前比較熱門的人工智能教材的基礎上，結合教學目標和教學對象的特點，選則清華大學出版社出版﹑蔡自興和徐光祐編著的《人工智能及其應用》（第4版）[1]作為教材。該教材總體也可以分為三部分：第一部分論述了人工智能的三大技術， 即知識表示；第二部分論述推理及搜索； 第三部分論述人工智能的主要應用領域，包括專家系統、機器學習、自動規劃、分布式人工智能和自然語言理解等。與第三版本科生用書相比，增加了如本體論和非經典推理、決策樹學習和增強學習、詞法分析和語料庫語言學等（非常適合筆者的教學對象）。
3 創新型人工智能課程教學方法
“人工智能”課程涉及的知識面廣，既包括基礎理論，也包括具體應用，即有抽象復雜的計算，也有繁雜的系統實現，為此，如何激發學生的學習興趣并保持學生的學習興趣是本課程教學的關鍵。此外，因為是研究生教學，所以更突出學生的主體地位，注重培養學生的學習興趣、自主學習的意識和能力。為此，筆者主要采用了以下幾種教學方法。
3.1 興趣引導教學法
常言“興趣是最好的老師”，如何培養學生對本門課程的學習興趣，激發學生對本門課程的求知欲，是一門課程首要任務。
為了提高學生的學習興趣，筆者在第一節課讓學生觀看美國科幻電影“機器人”的相關片斷，通過機器人安德魯非凡的創造能力、情感表達能力和自學習能力讓學生更好地了解人工智能的目標、意義，激發學生探索人工智能的興趣；在學習“博弈策略”及“極大極小分析法”時，筆者通過讓學生來參與“一字棋”對決游戲說明博弈樹的層次結構原理，通過“人機對弈”說明“α-β剪枝技術”引入的必要性；通過“啤酒與尿布”的故事說明數據挖掘技術在現實生活中的應用，讓學生認識到人工智能并不是虛無抽象的學科，而與人們的生活息息相關，激發起學生用人工智能相關技術解決現實問題的興趣。
3.2 問題驅動教學法
在講授基礎理論時，如“不確定性推理”、“數據挖掘”等這一類型內容抽象、算法復雜的知識時，采用了問題驅動式的教學方法。
教師首先提出與內容相關的若干問題，并為學生相關的資料或向學生提供找到問題的一些線索，讓學生帶著問題去思考、分析和討論等方式來查找答案，主動獲取知識，應用知識，教師在必須的時候還需給予一定的引導和幫助。如在講授產生式知識表示法時，以“動物識別系統”問題原型，給出學生系統模型，讓學生編寫一個能夠用來進行動物識別的應用程序。
此教學法很好地培養學生解決問題的能力，形成研究的態度，提高認知能力。
3.3 實踐教學法
“實踐是檢驗真理的唯一標準”。人工智能課程中，能夠動手實踐的知識一定要讓實踐。
在講“專家系統”的構造步驟時，用“營養專家系統”為案例進行介紹，將該專家系統分解為一個個小的具體任務（如知識庫構建、規則庫的構建、界面設計等），并分配給不同的學生，學生按照專家系統的一般構造步驟去完成相應的任務，最終完成一個完善的系統，從而達到掌握專家系統構建的教學目標。
實踐教學法可以提高學生分析、解決問題的能力和動手能力，并可以進一步加深對理論知識的理解。
3.4 案例教學法
案例教學法是將案例討論的方法運用到課堂教學活動中去，教師根據課堂教學目標和教學內容的需要，通過設置一個具體的案例，引導學生參與分析、討論、表達等活動，讓學生在具體問題情境中積極思考、主動探索，以提高教與學的質量和效果，培養學生認識問題、分析問題和解決問題等綜合能力的一種教學方法[4]。案例教學法中教師扮演設計者和激勵者的角色，鼓勵學生積極參與典型案例的討論，重點掌握教學進程，引導學生思考，組織討論研究，進行總結、歸納，同時教師也參與到學生共同研討。不但可以發現自己的不足，也可以從學生那里可以了解到大量感性資料。該教學法有利于調動學生學習主動性，通過生動具體的案例介紹可以促進學生對知識的理解和實際應用。
人工智能授課中，對于產生式系統和自然語言理解系統的有關概念及系統構成技術，采用了案例教學法。
在介紹產生式系統時，我們以動物識別系統為案例進行介紹。案例教學通常可以分為3個步驟，即案例引入、案例分析和案例總結。案例引入過程介紹產生式的語法和語義、產生式系統的組成及工作原理后，通過屏幕演示動物識別系統的運行過程使得學生能夠獲得老虎、金錢豹、斑馬、長頸鹿、鴕鳥、企鵝、信天翁七種動物的一些特征；案例分析階段通過向學生展示使用Prolog編寫的動物識別系統源程序，詳細介紹設計思想以及實現過程。該過程是案例教學的關鍵，教師引導學生進行案例分析，之后由學生進行補充，師生共同討論力求系統得以更完善；案例總結階段由老師對學生的討論情況進行總結，在總結討論情況的基礎上提出一些問題（例如如何進一步提高系統的效率？）。
在介紹自然語言理解系統時，以自然語言情報檢索系統LUNAR[5]為例進行介紹。從LUNAR系統的詞法分析、語義解釋和問題回答三個階段進行詳細分析。經過案例引入、案例分析和案例總結三個階段，使得學生對LUNAR系統的設計步驟、關鍵技術及設計思路有深入的了解。之后，要求學生寫出案例分析書面過程，并完成課后作業“指揮機器人的自然語言理解系統SHRDLU”。
4 課程考核方式的改革
研究生教育以培養學生的能力和素質為主要目標。人工智能課程的考核方式也以此為目標，采用以考察理解應用為目的的論述題，或結課論文形式進行，同時注重平時考核。平時考核以學生查資料的能力、閱讀相關文獻即完成課后作業的情況為考核對象。
5 結束語
為了提高人工智能課的教學質量，根據課程及教學對象的特點，結合教學過程實際問題，采用了合適的教材，安排了合適的學時，在教學過程中綜合各種教學方法的優點，并采用了適當的考核方式。教學結果表明，通過這些嘗試，提高學生學習的興趣和積極性，取得較好的教學效果，學生能夠有意識地使用人工智能中的相關知識、思想來進行學術研究。
參考文獻：
[1] 蔡自興，徐光祐.人工智能及其應用——研究生用書[M]. 第3 版. 北京：清華大學出版社，2004.
[2] 廉師友.人工智能技術導論[M].西安：電子科技大學出版社， 2002.
1 智能系·信科院
智能科技系是2002年9月初正式成立的，它完全根植于北人信息科學中心，末作增擴。后者的簡稱——“信息中心”——雖然易與“計算中心”或“情報資料中心”混淆，卻是上世紀八十年代中期北大一些有識之士倡議建立的第一個多學科交叉研究中心。它以數學系、無線電f電子學)系和計算機系為主，聯合心理學、中文、遙感等共十個系所而組成，宗旨是開展多學科交叉研究，充分發揮北大的綜合優勢。即使放在二十余年后的今天來看，這樣的舉措也是頗有前瞻性和魄力的。在此基礎上，北大很快于1986年建立了第一個國家重點實驗室。就是這樣人數不多的一個機構，先后出過三名院士和一名北大常務副校長。以指紋識別為代表的研究成果進入國際先進行列，在國內得到廣泛應用。
2003年9月10日，北京大學最大的學院——信息科學技術學院——成立。它包括計算機、電子學、微電子學和智能科學四個系，有十二個(研究)所和中心，兩個國家重點實驗室和若干部門實驗室。系是教學單位，所和中心是研究實體。從此，智能科學系(暨信息中心、國家實驗室三位一體)翻開了新的一頁。
2 專業增列·學會指導
成立智能科學系除了要順應北大“系并院”的潮流，也是完善作為學校基本建制單位所必備的。何新貴院士為系取了名稱，如今許多學校也大都采用這樣的稱謂。查紅彬教授擔任系主任，筆者是主管學科建設和教學的副主任，具體參與負責各項相關工作。創辦國內第一個智能科學與技術本科專業也是我們這一班人繼承傳統的首要任務。事實上，早在一年多前，大家就進行了醞釀，特別是中國人工智能學會教育工作委員會多次組織的相關研討，成為重要的準備基礎。
北大是一級學科下自主增設、增列學科專業的學校。系領導上任伊始第一件事就是要在當年申辦智能本科專業，而且志在必得。為此，我們在前期制定了詳細的步驟計劃，進行了深入調研和各項準備工作。我們起草完成了所需的各項材料(人才需求論證、專業建設規劃和適應培養目標的教學計劃與課程設置方案、教師教輔隊伍和基本辦學條件說明以及國內外背景對比材料等)，中國人工智能學會涂序彥等學者對此進行了專家論證，協助完成了論證報告。這些工作就緒后，我們在2003年10月下旬向學校主管副校長、教務部負責領導和學院領導做了匯報說明，并于10月30日正式提交申請材料。經學校的學部討論通過，校教務部審核和校教學科研工作委員會論證(由于是國家公布專業目錄外者)，再經校學術委員會審議，報校長辦公會批準，最后于12月15日前順利完成了全部程序，報教育部備案。2004年初，教育部正式批復并公布了北京大學“智能科學與技術”新的本科招生專業。這個專業名稱是查紅彬教授建議的，日后成為教育部批復新申辦學校的統一提法。
由于“智能科學與技術”未在國家公布的專業目錄中，因此是增列而非設置，北京大學將其置于計算機科學與技術一級學科之下。由于北大歷來嚴格控制招生規模，我們的30名招生計劃是由信息學院其他三個系從原有計劃分配名額中擠出來的。新專業的計劃發展規模最終為50名。
3 教學計劃·四校會議
智能科學系雖然成功地創建了國內第一個“智能科學技術本科”專業，但也面臨著許多挑戰。首先是缺乏本科教學的經驗。盡管信息中心前身具有北大最早的碩士點、博士點和博士后流動站，研究生培養己歷十余年，但一直實施科研主導體制，未曾從事過本科教學。師資隊伍擴充快，新進年輕博士比例大，而真正有過本科教學經歷者寥寥無幾。此外，信息學院成立后開始調整教學計劃，制定了一年級統一課程內容，新生是按學院統一招進來，第一年共同學習，后三年才分專業培養。我們雖然為申辦專業制定了一套課程計劃，但因不兼容學院的統一規劃而未能第一次通過學院教學指導委員會的審核。為此，我們組織學院經驗豐富的老教授，為本系青年教師進行教學培訓，聽取學院主管負責領導和幾位多年從事本科教學管理的老系主任對教學計劃的修訂意見。
通過幾個月的努力，我們完善了智能科學系的課程體系，并最終通過學院教學指導委員會的審核。這個教學計劃具有幾個特點：一個大基礎——以學院的數、理和信息類為主，強調寬厚扎實;三個核心課程群作為專業理論基礎，包括智能基礎課程群(智能科學技術導論、人工智能、腦與認知科學、信息論、信號與系統)、機器感知課程群(生物信息處理、圖像處理、數字信號處理、模式識別)和計算智能與知識發現課程群(智能信息處理、機器學習、數據挖掘、計算智能等)，以及兩門實驗(機器感知和機器智能)和其他各種選修課。四年學分150分，其中必修88學分(包括全校公選26學分、大類平臺20學分、學院要求的13學分、專業必修29學分)，專業選修56學分(含專業課44學分、通選課12學分)，畢業設計6學分。
為了更好地交流經驗，擴大本專業的影響力，2005年5月，我們發起并與第二批獲準的學校(南開、北郵、西電)在北大召開了四校研討會，圍繞各個學校在智能科學與技術本科專業的建設、招生、教學計劃制定和未來發展設想等方面進行交流研討，并建立了聯系機制和網站。全國一些兄弟院校也紛紛來北大了解情況，開展座談，我們則盡可能貢獻自己的經驗，給予支持。
4 招生·分流
從2004年開始，信息科學技術學院按學院大類招生，每年接收330～340名本科生，占全校的1/9左右。學生高考排名在全校屬中上，但成績分布差異較大。與學校的其他學院(多從一個系成長為一個學院，如數、理、化、生等)相比，信息學院是由四個不同的系合并而來的，專業跨度大，因此采用一年分流的模式(上述學院為二年分流)，筆者被指定負責這項工作。我們提出自愿為主、計劃為輔的方針，盡量滿足同學們的興趣志向。制定的分配計劃是：電子學系120人、計算機系110人、微電子系70人、智能科學系30人，允許有10%的調整。分流工作在大一下學期(每年4月份)進行，包括全院動員、四個系專題介紹宣傳、開放日參觀咨詢等幾個步驟，可謂熱鬧非凡，同學們可以充分了解了四個系的專業特色。
為了克服盲目性引發的偏差，我們建立了一個網上分流系統，在正式填報專業前，增加了摸底預填報的環節，及時反饋群體意向的分布信息，指導學生們的選擇，也便于學院掌握動向，調整措施。這種大類招生、進來一段時間后再分專業的舉措體現了北大的人文關懷。智能專業初辦，基礎條件差，缺乏畢業生記錄的宣傳說明，與學院其他三個老牌系(電子學系50年歷史、計算機和微電子系30年歷史)相比較并無優勢可言，但是我們通過扎扎實實的工作和細致有效的改進，使這個新方向日益顯現出魅力。隨著智能專業的成熟，特別是有了第一屆畢業生后，就愈加受到更多學生的喜愛。
選擇智能專業的人數逐年上升，2004級34人、2005級36人、2006級39人、2007級43人，目前正在進行的2008級分流達到45人。除了在信息學院內部的影響力不斷擴大，北京大學其他學院的轉系情況也開始有了可喜的變化。北大最好的元培計劃實驗班今年第一次有4名學生選擇智能專業，醫學部和光華管理學院也有申請者(本文成稿時這項工作還在進行)，2008級學生肯定突破50名，我們在第五年就達到了創辦智能科學專業的規劃目標。
5 首屆生·班主任
在新辦專業中，有一項由教授擔任智能本科專業班主任的舉措。這是利用教授的學識、經驗和責任心來更好地管理呵護自己的學生，避免了年輕教師因職稱晉升等壓力可能出現的疏漏。這一做法取得明顯效果，不僅受到同學們的普遍歡迎，信息學院也開始考慮推行。筆者擔任了智能專業的第一任班主任。首屆學生(2004級)有34名，他們進入北大后毅然選擇全新的智能專業是很有勇氣的，全班有11名來自北京的學生，5名女同學，這個比例迥異于整個信息學院的總體分布。
該班學生的年齡恰與我自己的孩子相同，我天然地熟悉他們的一般特點，也理解家長們的想法。北大信息學院的淘汰率平均是7%，每年都有20多人退學。這班學生在大一時的成績并不占優，其中有幾人處在邊緣位置，因此，我立下的最低目標就是確保所有同學不掉隊。我首先通過全班民主選舉任命了一個5人組成的班委會，這個5人機構在隨后的幾年中發揮了重要作用：其次走訪宿舍，了解每個人的情況，為了消除代溝，我努力融入同學當中，學習熟悉他們的語境和思維想法。我同多數同學家長有過接觸，從中更深入地掌握學生的性格特點，也包括尋求家長的必要配合。我與所有同學做過不止一次的個人交談，經常是在晚間，很多時候是他們主動找我，談遇到的各種困惑、自己的想法、志向等，我利用這些機會及時解決了具體問題。在學習上，我組織全班同學開展互幫互學，尤其對幾門有難度的專業課程進行“聯合攻關”。全班的“數據結構與算法”課程成績甚至超過了計算機系。
幾年來，全班團結互助，像一個大家庭，班委會也一再連任，得到全體擁護。到畢業時全部合格，實現了我的愿望。不僅如此，全班的學習成績在學校的綜合評估中優良率達93‰畢業設計都在良以上，有14人獲優秀，更有三名同學的畢業論文被評為學院“十佳”論文。學院的第一、三名也都出自我班。34名同學中有22名繼續保送本校讀研(其中20人仍在本系)，4名同學去了大的國企和知名外企工作，8名同學出國深造，在歐、美一些名校攻讀博士，其中有一名學生同時拿到了包括哈佛、MIT、CMU、UCLA在內的著名大學的全額獎學金(最后選擇MIT)。第一屆智能專業學生的良好成績極大鼓舞了我們，增強了我們辦智能專業的信心，也為以后的幾屆同學做出榜樣。
幾年班主任的經歷讓我深深地體會到，進入二十一世紀的大學，教書、育人同等重要。要適應新時代年輕人的特點，保持我們民族的優良傳統，把人格培養放在首位。能夠進入北大的學生都是各地的尖子，當他們聚集在這所著名學府時，首先要調整原來俯視周圍的習慣，學會平視甚至仰視其他同學，平和自己的心態，開闊胸懷，樹立人生抱負和刻苦努力的決心，這樣才能正確對待困難和挫折，才有所作為。班主任的工作往往細致入微，其實是把70%的精力用到30%的人上面。一些學生掉隊是否可以避免，關鍵看班主任的工作是否到位。
6 培養體系·本研貫通
北大是(文)理科性質的學校，“智能科學與技術”專業也是按理學設置，盡管它更強調學科交叉。從智能科學的內涵來看，我們設立的培養方向更多地是繼承自身傳統和學校的綜合優勢，突出“以人為本”的腦認知和與心理生理結合，開展機器感知(視、聽、觸)和數據轉換信息，進而發現知識的機器智能兩個方面的研究。同時，我們配合學院的教學指導規劃設置課程計劃，除了全校的公共必修課程(外語、政治和體育)，還有學院的公共平臺課。第一年主要是夯實數學、物理和信息類的基礎，后三年的專業課程安排是以必修的專業基礎和機器感知與機器智能兩個方向的專業核心課程為架構。為了強調學生的動手能力，還重點建設了兩門實驗課程。此外，還利用學校的各種本科科研基金項目(包括大學生創新基金、著政基金、泰兆基金、校長基金)和各個實驗室承擔的項目來吸引學生，培養他們思考問題的能力，提高他們的研究興趣，為日后進一步深造打基礎。由于絕大多數學生都將讀研，這樣的安排無疑起到了積極作用，并成為撰寫畢業論文的基礎。我們還打通了本科高年級與研究生一年級的課程，利用各種機會舉辦研究講座，如龍星計劃、專題報告、國際人工智能遠程教學等活動，開闊學生的視野，引導研究方向，調動學生的潛質。從專業特點來看，我們的智能學科更偏向于“軟”的一側，因此也充分利用信息學院，特別是計算機系的各類教學資源來幫助扶持新辦專業的成長。
我們原有的博士、碩士點是計算機應用技術和信號與信息處理兩個方向，為了讓我們的培養體系更加系統，我們進行了兩年的精心準備。2007年底，我們正式向北大研究生院申請增列“智能科學與技術”碩士和博士點。經過必要的論證，最終獲得批準，及時銜接第一屆本科畢業生升研。至此，本、碩、博一以貫通，作為計算機科學與技術下的二級學科，一個完整的智能科學技術專業培養體系建立起來，從培養體制上保證了新興智能專業的順利發展。
7 特色專業·教學團隊
五年來，北京大學智能科學技術本科專業從醞釀到創辦，可謂初見成效，走過了頗具挑戰的歷程。除了確定具有特色的培養目標和方向外，還需要扎扎實實落實每一個環節，并在實踐中檢驗。本科教學迥異于研究生培養，它的計劃性、按部就班執行的嚴格性以及每堂課程的內容安排和效果評估必須一絲不茍。
信息學院秉承了北大的優良傳統，對這個新辦的專業給予了巨大支持和關懷，使我們能迅速成長起來。我們從一開始就有一套嚴格的課程設置審核程序、教案檢查制度和新教師上崗準入的試講考核手續。學院有一支由經驗豐富的退休教師組成的督導組，隨堂聽課評估每一位教師的講課內容、方式和教學效果，及時糾正問題。作業批改和試卷出題也都有嚴格規定。在課程體系的建設方面，信息學院打通了一年級的公共部分，深化和夯實了數理基礎。
在專業課程上，智能科學系提煉了三個課程群，并組織教師進行重點建設。此外還加強對學生動手能力和獨立思考解決問題能力的培養。
除了在專業上實施分流培養外，我們還針對北大學生的特點，在基礎課采用實驗班的A、B分級組合方式，滿足不同專業對各自基礎培養的要求。在專業課程群中，也允許不同興趣的組合選擇，充分發揮和提升學生的能力。為了更好地關懷學生順利成長，我們除規定教授擔任班主任外，還設立了本科生學術導師制，加強對學生的各種指導。智能科學系也注重師資隊伍建設，引進了一大批(半數以上)優秀的年輕教師，其中信息學院中從國外回來的教師比例是最高的，為這一新興學科注入了最具活力和新思想的力量。在招聘教師時，教學需求和能力成為評價的重要指標。
2007年，我們接受了教育部的學科評估，新辦專業得到好評。學校開始關注我們的進步，在隨后的一年中，我們一再從學校的競爭中脫穎而出，陸續獲得了國家一類特色專業、北京市一類特色專業和北京市優秀教學團隊等稱號，2008年又獲得國家級教學團隊稱號。我們的培養體系和人工智能雙語教學也分獲北京大學的教學一、二等獎。
8 結語·致謝
盡管北大年輕的“智能科學與技術”本科專業建設初見成效，但征程是漫長的，我們還會面臨更多的挑戰和問題。然而，智能科學這個本科專業方向是很有希望的，它不僅吸引了大學的新生，也在高考人群中產生著愈加重要的影響，它的健康發展需要大家共同的努力和精心培植。每所大學都有不同的特點，我們應該從學校、師資、方向、生源以及學科培養性質和目標等條件出發來建設新興專業。以上是筆者對北京大學第一個“智能科學與技術”本科專業創建歷程的回顧，希望與同行共享。
在專業建設過程中，許多人給予了熱情幫助和支持。這里要特別感謝北大信息學院陳徐宗教授，感謝中國人工智能學會涂序彥和王萬森教授。
最后引龔定庵一句名言：“但開風氣不為師”。
9 總結與展望
本文介紹了廈門大學智能科學與技術系在學科發展、科學研究和人才培養方面的基本建設情況。我們希望這些初步的工作總結能對目前正積極籌辦本專業的兄弟院校起到一定的借鑒作用。
“智能科學與技術”專業在我國的發展尚屬初級階段。盡管近幾年得到了國內部分高校的重視，但其發展并不是很快，且進一步發展也存在一些障礙。比如，從專業配置來看，目前智能科學與技術并非一級學科，多數學校的“智能科學與技術”專業博士培養都是依附于其他相關專業。從長遠來看，這并不利于整個學科的發展。希望通過各相關高校的廣泛交流和積極配合，“智能科學與技術”專業在國內的發展能更上一層樓。
關鍵詞：武器控制系統，智能化，標準化
科技的飛速發展、世界局勢的不穩定，使空中作戰任務復雜多變，對飛機的戰術技術性能和功能的要求也越來越高。在新機研制費用高、周期長的情況下，充分挖掘現有飛機的潛力、在兼顧先進武器系統和相對落后武器系統的情況下，提高飛機的戰術性能成為首選方案。
機載武器控制系統是為適應空戰的要求而發展起來的，用以實時控制和監視各種武器的工作狀態，并提供和管理武器與其它系統之間的信息。近幾十年來，軍用戰術飛機的設計朝多用途方向發展。為了執行多種戰術任務，飛機必須能攜帶多種類型的武器。為了對所攜帶的多種武器實施有效地控制，保證武器系統的安全和提高作戰成功率，必須有先進的機載武器管理系統。以往的作戰飛機的武器控制系統大都使用硬線控制系統，而且對地攻擊武器和對空攻擊武器是分別控制的，分立式武器控制系統有諸多缺陷。因此，在計算機接口技術、多路傳輸總線技術、人工智能技術在軍事領域應用不斷深入的今天，設計統一管理對地攻擊及對空攻擊武器的智能化武器控制系統(Intelligentize Weapon Control System ，簡稱IWCS)，代替飛機上各自獨立的武器控制系統，不僅能提高飛機的作戰效能，而且能減輕飛行員的負擔。
1分立式武器控制系統的缺陷
1.1控制分散
飛機上使用的對地攻擊和對空攻擊武器控制系統都是相對獨立的，是分立式武器控制系統，飛行員操作使用不便，武器系統不便統一管理。免費論文。
1.2線路復雜，標準化程度低
分立式武器控制系統大多使用常規模擬電路設計，部件多、分系統多、硬件電路復雜、為把更先進的武器系統加到武器控制系統中，常常需要重新設計和布線。免費論文。同時飛機與武器之間的互用性差。
1.3飛行員操作界面復雜、智能化程度低
飛行員座艙內武器控制面板上開關、按鈕、指示燈數量多，位置分散，提示信息單調，使飛行員操作不便，作戰效率低。
2IWCS的功能
智能化武器控制系統用以實時控制和監視各種武器的工作狀態，并按作戰要求將武器從飛機上投向目標，同時提供和管理武器系統與其它系統交聯的信息。其主要功能是：提供武器接口；裝入、保存并顯示武器的種類、型號、位置、數量、狀態等信息；選擇武器和武器投放方案；確定武器外掛位置的戰斗準備；控制武器的發射或投放順序、時間間隔等，啟動武器的投放；為導彈提供離軸制導；為光電制導武器的電子裝置提供接口；具有應急投放功能；具有自檢測功能，當出現不協調或故障時，能自動告警并提供應急選擇方案。
3IWCS硬件組成
智能化武器控制系統主要由顯示控制部件、武器控制計算機、傳輸總線系統、對地武器接口部件、對空武器接口部件、武器載荷等組成，其組成框圖如圖1所示。武器控制計算機是智能武器控制系統的核心，用來處理顯示控制部件輸入的信息及相關航空電子設備出送來的數據，信息通過多路傳輸總線1553B傳輸。通過軟件處理所有數據，控制與其相連的其它部件。
武器控制計算機向系統提供全部控制、監視和投放信號。它與顯示控制部件、航空電子分系統、武器接口部件等相連。處理各部件傳來的數據并控制與其相連的部件。
顯示控制部件是智能武器控制系統的人機接口部件，包括武器控制板和多功能顯示器。多功能顯示器通過標準顯示器接口與武器控制計算機相連，用于顯示武器掛點的狀態，供飛行員監視外掛投放裝置及武器的狀態與使用條件；用于顯示輔助決策專家系統的詢問、攻擊方案提示、使用方法提示等。武器控制板是一個多功能專用板，由可編程開關、按鈕、指示燈及數字小鍵盤組成，駕駛員可通過武器控制板輸入機載武器控制系統需要的初始信息，并通過武器控制板對輔助決策專家系統作出響應。
傳輸總線系統完成系統各部件之間信息的傳輸，包括總線控制器、多路傳輸終端、傳輸線路、傳感器等。總線控制器由軟件編程控制，是武器控制計算機與傳輸線之間的接口。免費論文。多路傳輸終端用于將傳輸線與遠距離終端連接起來。
對地武器接口部件及對空武器接口部件是將武器載荷與控制計算機相連接的部件，它通過多路傳輸總線與控制計算機相連，將武器載荷提供的武器信息調制轉換成計算機可接受的信息，通過傳輸總線送入控制計算機；控制計算機傳來的指令信息經功率驅動等處理后，傳輸給武器載荷。
武器載荷由武器懸掛裝置（掛彈架、導彈發射架等）和所懸掛的武器彈藥
組成。它們分別與對地武器接口部件和對空武器接口部件相連，懸掛裝置的型號、狀態及武器的有無、種類、型號等信息通過接口部件傳給控制計算機，控制計算機發出的指令經接口部件傳給武器載荷，完成武器最終發射或投放。
4IWCS軟件設計
4.1 應用軟件結構
本系統中應用軟件的功能是采集并處理各種監控信號，并按指令向系統提供控制和武器發射/投放信號。應用軟件采用模塊化設計，包括主控模塊、任務設置模塊、輔助決策專家系統、自檢測模塊等，軟件工作流程圖如圖2所示。
主控模塊負責整個武器控制系統的管理，包括人機界面、輸入/輸出接口的管理、功能菜單的管理等；動態監視系統各部分的狀態信息，接收與系統交聯的其它系統傳送的數據，通過專家系統進行推理判斷，調用相應的處理程序。
任務設置模塊的功能是：設置目標類型、相對本機的位置等初始條件，啟動輔助決策專家系統。
自檢測模塊用于檢測發射/投放電路的完好情況，當出現故障時，自動切換到備用方案。
4.2輔助決策專家系統的設計
輔助決策專家系統屬于嵌入式專家系統，具有較小的知識庫、簡單的推理機制，由于其結構簡單、又能滿足系統需要，是一種比較實用的專家系統。系統用來對飛機武器控制過程中出現的各種情況進行輔助決策，根據初始條件、提出可供選擇的戰斗方式，并推薦武器類型、發射/投放方式、投放順序等最佳使用方案。駕駛員可以對系統推薦的方案進行取舍或修改，修改后的方案又作為新知識充實到知識庫中。
專家系統是人工智能的一個最新的研究領域，是具有相當數量權威性知識，并能運用這些知識解決特定領域中實際問題的計算機程序系統。它根據用戶提供的數據、信息或事實，運用系統存儲的專家經驗或知識，進行推理判斷，最后得出結論，同時給出結論的可信度，以供用戶決策之用。人們事先把某些專家的知識總結出來，分成事實和規則，以適當的形式存入計算機，建立起知識庫，并根據某些商定的原則，確定推理規則。根據這些專門的知識和規則，系統對輸入的原始數據進行推理，做出判斷和決策，因此能起到專家的作用，大大提高了工作效率和工作質量。專家系統的結構如圖3所示。
知識庫是問題求解知識的集合，含有顯示地表示的各種知識塊，包括基本事實、規則和其他有關信息，是專家系統的核心組成部分。本系統中知識庫的建立依靠武器控制領域專家的經驗知識和理論知識，經驗知識從有豐富經驗的駕駛員對武器操作經驗中總結獲得；理論知識是經過大量的理論研究計算得到的。
推理機是專家系統的“思維”機構，是實施問題求解的核心執行機構。其主要功能是協調、控制系統，決定如何選用知識庫中的知識，對用戶提出的證據進行推理，求得某個問題的解答。因為在空戰過程中，作戰環境不斷變化，系統對外界的反應也應隨之變化，這樣就形成了一些不確定的和不精確的事實，為了滿足系統的不確定性和不精確推理判斷技術以及系統的實時推理算法，專家系統采取確定性和概率性的推理運算機制，同時，考慮經驗系數，以提高系統的置信度。
知識庫與推理機分離的設計體系，使得知識的增減和修改不影響整個專家系統的工作，隨著時間和條件的變遷，可以及時更改知識庫，以提高系統的智能化水平。
4.3 掛點的顯示格式
合理的選擇掛點的顯示格式，能減輕飛行員的思考負擔，使飛行員能更快速準確的作出反應，提高作戰效率。現代航空電子中常用的顯示格式有字母、圖像、字母與圖像兼有三種格式。系統選用字母與圖像兼有的顯示畫面，分別用
表示飛機、掛架、火箭（用字母R表示）、炸彈（用字母B表示）、導彈（用字母M表示）等。向下箭頭所指位置為當前攻擊武器。圖4為一掛點顯示畫面實例。
5結束語
本系統應用計算機接口技術、數據傳輸系統技術、專家系統技術設計了智能武器控制系統，克服了以往武器控制系統部件多、分系統多、硬件電路復雜、維護困難、增加新武器系統難等弊端。友好的人機界面使飛行員的操作變得更簡單，標準化的接口設計使得增加新武器系統和在不同飛機和武器之間移植只需改變相應軟件即可實現，使系統具有一定的通用性。本系統已在實驗室的機載武器控制智能仿真系統中實現，并收到了良好的效果。
參考文獻：
[1].李青等. 某型軍用飛機外掛物管理系統應用潛力分析. 火力與指揮控制.2001年第1期
[2].蔡自興. 智能控制----基礎與應用. 北京：國防工業出版社. 1998年
[3].陸彥陳根社.飛機外掛物管理系統研究.光電與控制.1991年第1期
[4].張海藩.軟件工程導論.北京：清華大學出版社.1998年
關鍵詞:算法設計與分析;教學研究;教學質量
中圖分類號:G642 文獻標識碼:B
1引言
“算法設計與分析”是計算機科學與技術學科的核心課程之一,受到越來越多的重視。對于一個計算機專業的學生,學好算法課是必要且是必須的。“算法設計與分析”這門課程的主要目的不僅是講授計算領域中不同問題的標準算法,更重要的是分析其算法復雜度,并且在諸多可行算法中選擇一種時間或者空間效率最高的方法。美國著名算法大師Donld Knuth認為“計算機科學就是算法的研究”,他主持設計的TeX排版系統被譽為是“不存在Bug的系統”,這是以大師嚴密的算法設計基礎為保證的。前微軟高級副總裁李開復博士認為“計算機科學實質是人工智能”,而人工智能則是模擬人類思維的一種算法科學。計算機算法的應用已經遍及人類社會的各個領域,包括計算機軟硬件機器學習、電信及互聯網、一般制造業、經濟與金融業等。算法技術不僅在計算機領域,而且在其它理工及社會科學領域都有極其廣泛的應用。任何問題的求解,都離不開一般性的算法設計原則,在筆者執教的學校,數學和信息安全兩個非計算機專業已將該課程列為必修課程。因此,提高“算法設計與分析”課程教學水平有著極其深遠的意義和重要的作用。
2教材選擇
近年來,國內引進了一些優秀的國外教材,其中的《算法導論》是國際上被引用頻率最高而且知名度也最高的專著,但是由于它篇幅過長,在國外多用于兩個學期的教學課程,因此難以將該教材系統地用于學時有限的本科教學;《算法設計與分析》是美國工程院院士UIIman等三位大師合著的優秀教材,該書的目的是將算法領域的基礎研究結果進行綜合,重點在于對算法思想過程的理解,而不是算法的實現細節和具體的編程技巧。但是該書內容和習題難度都較大,因此更適合作為研究生教材。國內的專家王曉東和周培德所編寫的教材也很優秀。這些教材都被我們重點推薦給學生作為參考書。
出于上述考慮,我們最終選擇了沙特學者M.H.Alsuwaiyel所著的《算法設計技巧與分析》作為教材,該書基本覆蓋了傳統算法設計的主要內容,此外還包含了概率算法和近似算法等一些基本內容,這些內容在傳統教材中并不多見,是一些高端算法經常使用的方法。雖然該書不是歐美傳統名校教材,但作者在南加州大學攻讀獲得碩士和博士學位,因此該書吸收了歐美優秀教材的風格,且文筆簡潔流暢。該書的內容及習題難度適中,便于課堂教學及自學,是一本適合本科教學的好書。
如果一個本科生能夠學好本教材,并在后面的碩士階段,學好UIIman的《算法設計與分析》,之后再將《算法導論》學習好,則必將打下堅實的算法理論基礎,為終身的職業生涯所受用。
3興趣培養
本課程的教學對象是大學理工科三年級學生,要求他們不僅具備數學分析、概率及線性代數的基礎,而且具備離散數學和數據結構等計算機專業基礎知識。很多學生剛學過數據結構,翻開算法教材,有似曾相識的感覺。教材中確實有部分章節如數據結構,排序算法,圖的遍歷等取材于數據結構課程。因此會有些學生學習熱情不高,認為是在學習重復的課程。
針對這一情況,首先我們會教育學生兩課程的目的是不一樣的。數據結構的目的是教會學生如果對現實世界中的事物及對其信息處理過程建立數據模型;而算法設計課程的重點是算法的效率問題,其主題是算法的空間和時間復雜度,主要論述如何運用算法技術改進已有一些算法的效率,或者對復雜問題進行求解。
近年來,計算機硬件和軟件技術發展迅速,CPU、外存、內存的性能在持續提高,價格卻大幅度下跌。因此有很多人認為,軟件的效率已經不再重要了,只要提高計算機系統的配置就足夠了。這種觀點顯然是錯誤的。
我們在第一節的緒論課中引用《算法導論》的例子,深入淺出地闡明了算法效率的重要性。設有兩個排序算法:其一是插入排序,時間復雜度為c1 n*n, c1是一個不依賴于n的常數;其二是歸并排序,時間復雜度為c2 nlog n,c2是一個不依賴于n的常數,一般情況下c1< c2。n是待排序數列的長度。對于這兩個實質上屬于不同數量級的算法,很多人并未真正感覺到log n比n優化多少,甚至當n較小時,插入排序比歸并排序還要快速一些。但是我們必須認識到,當n逐漸增大到一定數值以后,無論c1比c2小多少,歸并排序均比插入排序快速。在大規模數據集上排序結果的對比,則效果更為顯著。假若在高性能計算機A(10億指令/秒)上運行插入排序,而在低速計算機B(1千萬指令/秒)上運行歸并排序。此時硬件條件是機器A比機器B快了近100倍;軟件先決條件是 c1值為2, c2值為50;數據集的規模n為100萬。
計算得到:
機器A運行時間為2*(100萬*100萬)/10億=2000秒
機器B運行時間為 50*100萬*lg(100萬)≈100秒
結果是驚人的,用了快100倍的機器處理相同的數據集,反而慢幾乎20倍。如果數據集大10倍為1000萬,那么機器A要算2.3天,機器B只要20分鐘,這一差距是令人震驚的。
事實上,算法技術的發展沒能跟上硬件的發展,其發展空間還很大,盲目崇尚硬件建設而忽視算法技術的觀點是錯誤的。
在電信應用中,雖然硬件和軟件技術發展很快,但是用戶的需求更是呈爆炸式增長。一個國家網內就可能有成百萬實時在線用戶,每秒幾十萬次用戶交互發生,夜間有成千萬的話單記錄要處理。當一臺內存中存放近百萬用戶資料,則浪費16個字節就是浪費16M空間。如果記錄的數據結構及處理算法設計不合理,則內存很容易不夠用,大量工作任務會被拋棄。要在這樣的平臺軟件上構建軟件,必須對每個字節空間、每個計算機指令的使用優化到位。否則,即便有先進的計算機系統,一般的軟件技術是無法承受高性能、高容量計算的需要的。算法技術能支持開發人員在軟件設計階段從理論層面保障系統的效率達到最優。
經首次引論性教學,絕大多數同學認識了算法課程重要性,明確了學習目的,獲得了較好的教學效果。
4理論教學
課程教學組在教材內容上選擇了以下內容:
(1) 算法分析基本概念,數學預備知識。這些都是本課程工具性方法。
(2) 堆和不相交理論。介紹了能有效實現優先隊列的數據結構。
(3) 歸納法、分治、動態規劃。介紹了計算機技術中十分重要的遞歸為主題的設計技術,遞歸要求能夠將待解問題抽象為遞推表達式,確定初試值和遞推終止條件后就能將復雜問題化解為嵌套的簡單問題。
(4) 貪心算法。介紹了如何求解最優化問題。
(5)NP完全問題。介紹不確定性圖靈機在P時間內能解決的問題,這類論題對于培養學生將來思考問題復雜度是個導論。
(6) 回朔法。介紹有組織的窮盡搜索算法,對一些問題尤其是解空間很大的問題有效。我們介紹了3著色、8皇后等經典問題。
(7) 概率算法和近似算法。一般性介紹近20年來算法研究迅猛發展的領域,以擴展學生知識面,但不做考核要求。
其他內容如數據結構、圖遍歷等是數據結構和圖論課的內容,本課程內不做講解,供學生預習課程時選讀;對于域指定問題的迭代改進和計算幾何技術等高級課題,推薦學生根據興趣自學。
近年,越來越多的國內高校主張雙語教學。我們也有這樣的規劃,但是考慮課程有一定深度,三年級本科生英語運用還有限,為此達到最好的教學效果,在教學中先采用中文教學。但是我們鼓勵學生同步閱讀英文版教材,以更好地適應未來科研和國際化軟件研發的需要。
5科研方法及實踐能力培養
科研式教育并不是新生事物。在二十年前,我國清華大學、中國科技大學等名校就對高年級學生講授研究生課程,并進行導師制研教結合型教學,使得很多學生讀研時就能取得優秀的成果。作者所執教的是重點工科院校,有很多有利的因素便于我們展開科研式教學:一是有超過60%的學生主觀上有本科畢業后繼續深造的愿望;二是學校有豐富的圖書館資源,能全文檢索CNKI、碩博士論文、IEEE、ACM、ELSERVIER、SPRINGER等中外優秀電子數據庫。在教學中,作者也將在科研中讀到的一些新穎實用且難度適中的論文摘錄下來介紹給學生,并將自己研究生階段的學習方法介紹給學生。除了閱讀教材,我們還鼓勵學生讀一些高端的雜志,例如計算機學科領域的四大學報,ACM期刊,Software Experience and Practice,Information Processing Letter等刊物,從其中檢索感興趣的論題。讀核心期刊有幾點好處:這些刊物審稿嚴格,文章無論是學術性、前瞻性、理論正確性及寫作水平都有保證;減少檢索的開銷。讀者可以先在這些高水平雜志中找到自己感興趣的主題后,再廣泛檢索與主題相關的其它刊物或會議文章。引導學有余力的本科生讀高水平論文并不是過高要求,算法設計及數據結構教材中大部分章節內容其實也都是來源于前二十至五十年的國際知名算法學術期刊,其中選擇ACM、IEEE及ISAM雜志內容的比例最高。現在的一些學術期刊中刊出的優秀算法,過幾年就會被大量的引用或實際應用,也許再過十至二十年后就會被引入未來的教材之中。
我們認為,在本科高年級展開研究式教學對學生長遠發展有好處。對打算深造的同學,可以潛移默化地引導他們思索自己未來的發展方向,有很多成功的學者就是在大學受到某門課程老師的影響而走上科研道路的。科學研究是一個漫長的過程,很多工科博士生學習到第三、四年后才開始發表一級論文,很多碩士生畢業前才急忙撰寫可發表成果。而同時有些博士生入學兩年就能取得豐碩的成果,很重要的因素是他們在本科高年級階段就培養了研究型思維,為以后深造明確了方向并作好了理論準備。如果本科階段就培養研究型學習方法,那么在日后深造過程中多出成果就是水到渠成的事。而如何培養學生良好的研究習慣,正是我們教師要不斷探索的論題。
重視理論而實踐不足,是我國高校普遍存在的問題。
在國際上,知名的軟件鮮有來自中國人的原創。所以我們要更加重視培養學生實踐能力。
實驗環節,我們布置了基本的排序、遞歸、貪心、回溯等論題的實驗,鼓勵學生用不同的編程語言實現,不僅僅是單純的算法實現,最好能夠編制出實用美觀的界面,將算法更友好地呈現出來。無論以后的工作或者深造,目標是可應用或者可發表的成果,都需要研發者具有較高的實踐能力。我們認為實踐與理論教育是并重的。
6結束語
通過四年的教學實踐,學生對此課程實踐的參與度越來越高。通過教育方法的不斷改進,學生的課程成績也一屆好于一屆。更為重要的是,通過啟發引導式教育,很多同學開始萌發研究型思維,課余經常向老師提問,有的問題有較高難度,老師都要回去研究資料才能解答。在來自本校新入學的碩士生中,不少同學反映受益于此課,有些同學讀研究生后不久就在一級學報上發表了算法類論文,這也正是我們當初所期待的。我們教師仍然要不斷提高自身科研水平,并將研究成果及方法引進課堂,提高教學效果和質量。
教學中,還發現一個現象,數學系的學生比計算機系的考試成績要高一些。最簡單的因素,是他們理論思維能力更強,如何因材施教,改進教學方法及增強工科學生學習本課程能力,是我們課程教學組今后要探索與研究的方向。
參考文獻:
[1] M.H.AlsuwAIyel. 算法設計技巧與分析[M]. 北京:清華大學出版社,2004.
關鍵詞:專家系統;課程建設;教學改革;實驗教學;CLIPS
“專家系統”課程是本科專業“智能科學與技術”的特色課程之一,該專業是由北京大學在2004年率先自主建立的[1]。此后,國內很多大學也都陸續基于各自的特色建設開設了該專業,如北京郵電大學、南開大學、首都師范大學、西安郵電大學、北京科技大學、廈門大學、中南大學等。基于一個新興本科專業設立的專業基礎特色課程,應該如何建設,實施教學與改革,突出專業特色?各類學校都在摸索中。中南大學的“專家系統”課程是國家級“智能科學基礎系列課程教學團隊”主干課程之一,它由國家級教學名師領銜,以雙語建設為教學基本手段,以精品意識為指導[2],培養學生自主創新意識,發掘學生興趣潛能,非常具有專業特色。
1課程建設情況
專家系統使用人類專家推理的計算機模型處理現實世界中需要專家做出解釋的復雜問題,并得出與專家相同的結論[3]。其最大特點是不僅可以幫助人們處理信息,還能說明處理的方式和理由[4]。我們結合專家系統課程特色與學習認知過程特點,采取認知教學作為專家系統教學的理論基礎[5-6],根據智能科學與技術系列課程教研經驗,融合雙語教學方式,初步提出課程定位和建設目標,給出了教學基本要求。
1.1課程定位與建設目標
在學習本課程之前,學生最好已經選修過離散數學、人工智能和面向對象的程序設計課程,本課程32個學時,2個學分,其中實驗課6學時。此外,“專家系統”還可作為自動化、計算機科學與技術等相關專業有興趣的學生的選修課程。可為學生提供一種新的手段和方法求解傳統方法難解問題,也為學生們了解智能科學與技術領域知識提供良好的窗口。
專家系統成為智能科學與技術本科專業的專業基礎課程,目的在于培養學生理解和掌握專家系統技術的基本觀念、基本理論和智能科學方法;并靈活設計和構建不同領域的專家系統,解決實際問題,為學習后續課程奠定方法基礎。通過教學過程,培養學生善于分析繼承已有的科學進步成果、激勵學生善于發現問題、分析問題和解決問題的自主科學創新精神。
1.2課程教材設計
本校專家系統課程選用了蔡自興編寫的《高級專家系統:原理、設計及應用》[3]一書,該教材包括專家系統的基本理論、技術方法和實際應用的諸多內容,知識點介紹全面詳盡,同時列舉了諸多實例,便于課堂分析與課后理解。
根據雙語教學的要求,外文參考教材[7]選用了Expert Systems Principles and Programming (Third Edition)一書,該書對CLIPS語言分析透徹,有大量的課后習題與資料,適合學生作為主要參考書目進行課后學習。實驗教材選用了電子工業出版社出版的《決策支持與專家系統實驗教程》一書,主要利用了同時,根據雙語教學的要求,外文參考教材選用了China Machine Press出版的Expert Systems Principles and Programming (Third Edition)一書,該書對CLIPS語言分析透徹,有大量的課后習題與資料,有利于學生作為主要參考書目進行課后學習。我校實驗教材選用了電子工業出版社出版的《決策支持與專家系統實驗教程》一書。主要利用了該書后半部分內容。目前,國內基于CLIPS的“專家系統”實驗教學教材在國內幾乎沒有容,專家系統課程實驗及其教材建設還需進一步改革與探索。
1.3教學要求與知識框架
通過學習,使學生了解和掌握專家系統的相關原理和方法,。要求學生掌握知識表示方法、搜索推理技術的相關內容,熟悉和了解常見的專家系統解釋機制、開發工具和評估方法,學會基于規則專家系統、基于框架的專家系統、基于模型的專家系統和基于Web專家系統的結構建立和應用,掌握專家系統的常用編程語言――CLIPS,了解專家系統的發展趨勢和研究課題。經過對專家系統課程知識內容進行分類,可分為以下6個模塊,如表1所示。。
經過對專家系統課程知識內容進行分類,可分為以下6個模塊,如表1所示。
模塊一專家系統的定義、發展歷史、研究內容、類型、結構和特點以及構建步驟;。
模塊二熟悉專家系統時可能采用的人工智能的知識表示方法和搜索推理技術,結合傳統人工智能方法和計算智能的一些方法;。
模塊三了解專家系統的解釋機制、開發工具和評估方法;。
模塊四熟悉基于規則專家系統、基于框架的專家系統、基于模型的專家系統和基于Web專家系統的結構、推理技術、設計方法及應用示例;。
模塊五掌握人工智能和專家系統的編程語言――CLIPS,了解其他LISP,PROLOG和關系數據操作語言等;。
模塊六展望專家系統的發展趨勢和研究課題,并了解新型專家系統的特征與示例。
從教學要求角度出發,模塊一、模塊三和模塊六的教學要求相對一般,但卻是學生涉及專家系統技術的必備知識模塊。相對而言,模塊五是基本教學條件要求中最高的一個模塊,因為模塊二與模塊四的深刻理解與系統設計需通過模塊五而實現的。
從教學內容的重難點角度出發,模塊二是重點部分之一,但因有人工智能課程的基礎,相對而言,教學實施過程中較為順暢。模塊四與模塊五是專家系統課程重點闡述部分,其中模塊五也是難點部分,在實驗教學環節中,由于大部分學生初次接觸推理性的編程語言,所以需要一定的入門時間和練習次數。
2專家系統課程教學改革實施
2.1基于多媒體的專家系統課程教學
教學應以學習者為中心,以先進教育技術為手段,相輔相成,促進教學效果。人類的感官功能中視覺與聽覺器官起到了94%作用[78],而視聽覺的協同作業能大大提高學習效率,而。多媒體教學就是一種集聲、文、圖、色于一體的教學手段之一,其實施。多媒體教學的關鍵實施內容就是教學設計,而教學設計的難點就是在不增加學生信息加工系統中工作記憶負荷的前提下,用促進生成的方式呈現學習材料,包括教材、課件、講義、課堂講解、課后習題等。
結合專家系統課程教學情況,教學設計分為以下3個方面進行詳盡闡述:。
1) 把握好課堂教學知識量。
專家系統課程相對智能科學與技術專業第六期的學生而言是非常新穎的一門非常新穎的課程,學生們相對的學習熱情比較高,但這里還需仍然需要對學生的先前知識結構和能力有個簡單的估計。教師需考慮學生的工作記憶容量,并對學生的長期記憶有個估計,把握學習材料內在負荷。學習材料并非越多越好,關鍵在于精華,給學生留下深刻印象。“專家系統”課堂教授部分以原理性與推理性知識為主,應增加實踐技術實例,這樣讓學生緊密聯系實際應用進行學習,。多媒體視頻就是一個很好的表現手段。將制作好的實例視頻,向學生們展示,不但讓課程氛圍活躍,還激發學生對實踐教學的興趣;不但沒有增加課堂的知識負荷,還可以留給學生課后對比學習。
2) 多元化課件制作呈現形式。
專家系統是一門推理性知識要求很強的課程,同時也需要掌握一門有利的開發工具方能使學生做到靈活應用。經過教學實踐與課后調查發現,學生們對知識表述與相關畫面共同呈現的形式比單一媒體呈現形式學習效果好,知識和畫面也必須是關聯的,呈現位置和各部分的比例也需考慮充分。為此,課件制作是一個“改無止境”的工程,因為每一屆的學生具有自己的特點,且專家系統課程知識點的不斷更新,每一年都要對課件進行大量的補充與改進。
3) 基于認知教學的課堂講解過程。
認知教學模式中,是以學生為主體,教學教師起主導作用。課堂講解是面對面教學活動中的重要環節,,它是多媒體中聯系言語與畫面的橋梁,是減少學生工作記憶負荷的有效手段。
專家系統課程知識可分為表示性知識與推理技術性知識,根據相關認知心理學理論,可將知識分為兩類:陳述性知識和程序性知識[5]。其中在教育心理學中“陳述性知識”是指個人具有有意識的提取線索,能夠直接加以回憶和陳述。其實就是關于“是什么”的知識,包括對事實,規則,事件等信息的表達。教育心理學中“程序性知識”是指個人沒有有意識的提取線索,其存在只能借助某種作業形式簡介推測的知識稱為程序性知識,而現代認知心理學為程序性知識以產生式及產生式系統來表征的。所以可將陳述性知識采用“專家系統”中的語義網絡形式為基礎地表征,而程序性知識的表征形式可用“專家系統”中的產生式系統,以“ifthen”形式表示條件這一關系。眾多形式的產生式規則相互聯系就組成了復雜的產生式系統。基于認知理論的“專家系統”知識教學實施過程中,首先應選定系統設計內容,掌握開發系統時所需的知識與工具,;其次分析問題,并根據系統的具體特征轉化知識。而后;接著對問題模型進行求解,建立和構造知識庫,;最后,利用實現工具編寫代碼,系統聯調。
2.2專家系統課程雙語教學的實施
專家系統課程是信息學科新興發展的一門課程,有許多關鍵性進展相關研究進展和成果的資料均源于英文文獻,因而提高學生雙語水平是一種大勢所需,。同時,雙語教學提高了對教師整體素質的要求,在雙語教學過程中,有意識的增強教學互動,以問題啟發式教學與課堂辯論形式教學,學生通過查閱主題文獻進行針對性的演講或討論,教師對學生的表現加以評述,并進行補充。這種形式可擴大教師的知識面,使得任課老師了解前沿的研究成果。也可培養學生主動學習的積極性和創新能力,使得課程具有鮮活的生命力。雙語教學對教師,特別是教師的其外語水平及其口語表達能力,,。促進了師資整體水平的提高。專家系統的雙語教材已在1.2中介紹,但實驗教材的設計與編寫工作現仍處于空缺,這也是雙語教學的需完善的內容工作之一。由于雙語教學增加了授課難道難度,進而影響了授課的進度,應充分發揮多媒體先進教學手段對專業術語和難以理解的內容,進行注解,幫助于學生理解。在貫徹雙語教學的過程中,除了指定適當英文參考短文或參考書,開發雙語課件外,還應使學生接觸國內外文獻資料,開闊眼界,拓寬知識面,強化雙語的意識,激發學生主觀能動性,使學生找到課程學習的歸屬感。
2.3改革“專家系統”課程實時交互活動
專家系統課程是一門理論與實踐關系密切的課程之一,課堂留下的作業大多需要計算機編程或計算機輔助教學方能較好的地完成。根據此特點,改革傳統的作業形式與批審方法可節約反饋時間,同時可實現“低碳無紙化”辦公。利用網絡進行作業上交,教師批閱后通過網絡及時返回給學生,不但能提高老師的辦公效率,也使學生得到快速與準確的反饋。
針對多校區的現狀,我們利用網絡教學資源,采用了多種交互式策略,通過Email和群討論組等方式進行在線交流,也可傳遞參考資料,交流課外成果,實現只要老師在實驗室,學生在任何有網絡終端PC機處,就能進行了實時交流或批改作業。避免了學生為了課后的困惑問題積壓至下一堂課的矛盾,同時也節約了學生往返路程上耗費的時間。
為了進一步體現教學效果,我們下一步擬進行考試方式的變革,應綜合考慮課堂出勤情況、平時正式作業成績、課堂討論情況和期末課程考試進行綜合評分。還應考慮以雙語形式進行筆試,當面交卷后進行雙語發問。若有課程論文或創新作品表現突出者,可免參加最后的課程考試。使考試不再是學生的負擔,而成為衡量與培養創新能力。和口試。
3基于CLIPS的專家系統實驗教學
3.1專家系統與CLIPS語言
CLIPS(C Language Integrated Production system)是由美國航空航天局約翰遜空間中心(NASA’’s Johnson Space Center)開發的一種專家系統工具,由C語言編寫而成。早期的專家系統工具大都用LISP、Prolog等編程語言開發,共同問題是運行速度慢,可移植性差,解決復雜問題的能力差。CLIPS是基于Rete算法的前向推理語言,其優點包括:①邏輯推理方面的強大功能強。②、可移植性好。③、可擴展性好。④、有利于和其他語言聯合使用等。
3.1專家系統與CLIPS語言
專家系統與傳統的計算機程序系統有著完全不同的體系結構,通常它由知識庫、推理機、綜合數據庫、知識獲取機制、解釋機制和人機接口等幾個基本的、獨立的部分所組成,其中尤以知識庫與推理機相互分離而別具特色。用clips語言能夠更好地熟悉專家系統的整個組成。CLIPS可為基于規則、面向對象以及過程的編程提供支持(rule-based, object-oriented, and procedural programming)。
以基于規則的專家系統利用CLIPS工具編程作為實例闡述。在CLIPS中找到專家系統基礎的組成部分――Fact List、Knowledge Base、Inference Engine。Fact List中存放用于推理的事實,而Knowledge Base包含所有的規則,Inference Engine控制所有的進程。圖1所示為專家系統框架示意圖。專家系統中最核心的就是知識庫,知識庫中包含了大量某個領域專家的知識。,為了使計算機能運用專家的領域知識,必須要采用一定的方式表示知識 。目前常用的知識表示方式有產生式規則、語義網絡、框架、狀態空間、邏輯模式、腳本、過程、面向對象等。基于規則的產生式系統是目前實現知識運用最基本的方法。
3.2專家系統實驗教學內容
通過CLIPS軟件環境提供了的驗證性、設計性和開發性實驗,幫助學生更好地熟悉和掌握專家系統的基本原理和方法;,通過實驗提高學生總結實驗結果的能力,使之對專家系統的相關理論有更深刻的認識。實驗內容如表2所示:。
其中,實驗1為實驗2的基礎,這兩個實驗應與講授課程穿插,使得學生利用課堂學到的理論聯系實際實驗操作,通過這兩個實驗的學習能夠掌握專家系統的開發過程、掌握用產生式規則繪制推理樹的方法、掌握、編寫CLIPS應用程序的方法以及程序運行環境的應用等。實驗3是一個有難度的實驗,需要大量的課余準備時間,所以在完成實驗3的時候,必須預留3周的時間,提前布置給學生,讓學生做好實驗前的準備,這樣方能取得較好的實驗教學效果。這些被挑選出來的CLIPS專家系統的代碼應是經典的學習內容,通過該實驗培養學生獨立分析與開發完整的專家系統的能力。
3.3實驗教學實例分析
1) 實驗目的:學習和理解CLIPS編程語言,通過分析用CLIPS編寫的“野人過河”的程序,深入理解專家系統的編程技巧,加深對專家系統的認識和理解。
2) 實驗說明:野人過河問題屬于智能學科中的一個經典問題,問題描述如下:,有三3個牧師傳教士和三3個野人過河,只有一條能裝下兩個人的船,在河的任何一方或者船上,如果野人的人數大于牧師的人數,那么牧師就會有危險。
假設問題的初始狀態和目標狀態,假設和分為1岸和2岸: 。
初始狀態:1岸,3野人,3牧師;2岸,0野人,0牧師;船停在1岸,船上有0個人;。
目標狀態:1岸,0野人,0牧師;2岸,3野人,3牧師;船停在2岸,船上有0個人;。
整個問題就抽象成了如何從初始狀態經中間的一系列狀態達到目標狀態。問題狀態的改變是通過劃船渡河來引發的,所以合理的渡河操作就成了通常所說的(算符)就是問題求解的關鍵。,根據題目要求,可以得出以下5個算符:渡1野人、渡1牧師、渡1野人1牧師、渡2野人、渡2牧師,。根據渡船方向的不同,也可以理解為10個往還算符。定義算符知道以后,剩下的核心問題就是搜索方法了,。本程序采用深度優先搜索,通過不斷擴展后繼結點節點,逐步找出下一步可以進行的渡河操作,;如果沒有找到則返回其父節點,看看是否有其它其他兄弟節點可以擴展。
搜索中采用的一些規則如下:
(1.) 渡船優先規則:1岸一次運走的人越多越好(即1岸運多人優先),同時野人優先運走;2岸一次運走的人越少越好(即2岸運少人優先),同時傳教士優先運走;。
(2.) 不能重復上次渡船操作,避免進入死循環。;
(3.)任何時候 河兩邊兩岸的野人和牧師數在任何時候均分別大于等于0且小于等于3;
(4.) 由于只是找出最優解,所以當找到某一算符(當前最優先的)滿足操作條件后,不再搜索其兄弟節點,而是直接載入鏈表。
(5.) 若擴展某節點a的時候,沒有找到合適子節點,則從鏈表中返回節點a的父節點b,從上次已經選擇了的算符之后的算符中找最優先的算符繼續擴展b。
通過實驗教學過程中的專家系統開發實例分析,總結了出應用于在許多專家系統項目中的線性生命周期模型,如圖32所示。這個模型包括從計劃到系統評估的許多階段,對系統開發的描述一直到功能評估這種程度上。之后,生命周期不斷重復:從計劃到系統評估,直到系統交付正常使用。
4結語
專家系統課程的發展開發過程是教學研究和教學改革實踐相結合的過程,需要不斷加強學習、總結經驗。本文從總結了專家系統課程定位與、建設目標、教材的選用設計和課程知識框架等方面的總結了“專家系統”課程建設情況。在,并就教學改革過程中注重多媒體教學的效果、雙語的實施和課程互動活動的改革等問題進行比較深入的介紹與探討。通過CLIPS語言與專家系統實驗的結合,闡述了實驗教學的目的、CLIPS實驗特色及和實驗方法,體現了基于CLIPS實驗教學的優勢與特色。在未來的教育領域,專家系統技術將成為信息時代教育發展的新生力軍,專家系統也將成為新世紀人類智能管理與決策的得力助手。
致謝注 :本文受國家級智能科學基礎系列課程教學團隊項目(2008)支持,感謝本文得到中南大學信息科學與工程學院智能所的大力支持,特別感謝蔡自興教授的鼓勵與幫助。
參考文獻:
[1] 李蕾,王嬋,王小捷,等..“機器智能”課程建設初探[J]. 計算機教育,2009(1):86-92.
[2] 陳愛斌.“人工智能”課程教學的實踐與探索[J]. 株洲工學院學報,2006,20(6):137-139.
[3] 蔡自興,Durkin,龔濤. 高級專家系統:原理設計及應用[M]. 北京:科學出版社,2005:1-2.
[4] 蔡自興. 智能控制導論[M]. 北京:中國水利水電出版社,2007,:28-29.
[5] 杜海瓊,張劍平..“專家系統”教學的認知教學理論基礎及其教學實施[J]. 現代教育技術,2008,18(8):18-21.
[6] 杜海瓊,張劍平. 認知學徒制在“推理與專家系統”教學中的應用[J]. 現代教育技術,2009,19(4):120-123.
[7] Joseph Giarratano, Gary Riley. Expert Systems Principles and Programming[M]. 3th ed. Boston:PWS Publishing Company,1998.
[78]肖桂清,李渺. 正確運用多媒體,促進認知學習的最優化[J]. 思茅師范高等專科學校學報,2002,18(4):55-57.
[8] 杜暉. 決策支持與專家系統[M]. 北京:電子工業出版社,2007:22-23.
Exploration in Course Construction and Teaching Reform of Expert System
YU Ling-li, WEI Shi-yong
(Institute of Information Science & and Engineering, Central South University, Changsha 410083, China)
1課題介紹
隨著計算機技術的飛速發展，計算機作為知識經濟時代的產物，已被廣泛應用于社會各個行業和領域，而素質教育在學校不斷的深化，學校對學生的實踐能力也越來越重視，所以學校的實驗室和實驗課課時也越來越多。如何編排實驗室實驗教學課表?以往在實驗室管理中，都只能通過人工的方式編排[1]。但是，伴隨著各類學科范圍的不斷擴大，各個院系的實驗學科科目逐漸增多，以至于龐大的課時、眾多的教師、復雜的實驗室信息令實驗室的管理人員頭暈腦漲，無法合理、迅速、高效地制定出相應的排課計劃[2]。采用手工方式排課，有時需要花費一個月甚至更長時間才能完成一個學期的排課任務[3]。這就促使我們必須采用一些輔助的手段來幫助。因此，實驗室實驗教學排課系統就成了需要。作為計算機應用的一部分，使用計算機對學校實驗室排課進行管理，具有著手工管理所無法比擬的優點[4]。例如:檢索迅速、查找方便、可靠性高、存儲量大、保密性好、壽命長、成本低等。這些優點能夠極大地提高管理的效率，也是學校的科學化、正規化管理及與世界接軌的重要條件[5]。
2國內外的研究狀況、發展趨勢
這個實驗室實驗教學排課系統的主要問題還是排課問題。國外針對排課問題展開的研究較早。1963年CCGotlieb在他的文章《TheConstructionofClass-TeacherTime-Tables》中提出了課表編排的數學模型[6]。這篇文章引起了人們對于排課問題的重視。1976年SEven在其論文《TheComplexityofTimetableAndMultiCommodityFlowProblem》中[7]，第一次證明了課表問題是NP完全的。SEven的論證進一步地將人們對課表問題復雜性的認識提高到理論高度。國內對排課問題的研究較晚，1984年，清華大學在《清華大學學報》上發表了林漳希和林堯瑞在該課題上的實驗性研究成果《人工智能技術在課表編排中的應用》[8]。
為了使課表的編排更準確、合理、快速，高校教務部門已先后開發出一些適用的排課系統。我們發現這些軟件有以下不足:每個學期的課程、教師、教室信息相對固定，但卻不能被重用;不能保存每個學期的歷史數據，不便教師對以前課表進行查詢;未提供用戶的分級使用制度;自動排課速度較慢;形成的課表大小不固定，增加打印難度[9]，因此現在的排課系統正在向解決這些問題的方向發展。
3實驗室排課系統的原則
根據目前高校課程體系構設置特點，實驗室實驗教學排課系統要考慮以下各種因素：
首先：要做到每個班級、教師、實驗室各種資源不沖突，這是實驗室實驗教學排課系統最起碼的原則[10]。
第二：先排有指定要求的課程。指定要求包括教室和時間都指定、指定時間或指定教室等情況。
第三：按事先設定的優先級將不同類別的課排在不同的時間段。
第四：學生上課時間分布的均勻性。時間的均勻性是指在一個星期內同一門課程在天數安排的均勻性。比如說數據構課在一周內要上三次，且都在實驗室里上，實驗室實驗教學排課系統要做到最好安排在周一、周三、周五這三天來上。
第五：學生實驗課節數分布的均勻性。這是為了保證一個專業的課程安排在一周內不總是上一天內的第一、二節或者總是上最后一、二節。
第六：可以將課表導出到word中，并進行打印操作。
第七：可以手工調整課程的時間[3]。
4實驗室排課系統的局限性
排課系統分為計算機處理和人工調整兩個部分。計算機處理是有一定局限性的。局限性主要體現在兩個方面:
首先計算機排課與人工排課是有區別的。人的思維可以是收斂也可以發散的，因而排課時非常靈活，隨意性較強，工作步驟可以隨情況的變化而調整，覺得怎樣更合理就怎樣做，甚至可以只推翻某一部分重排，亦可以進行網絡式的回溯調整。計算機就不同了，它目前并不具有人腦那樣發散的思維能力，它的大腦里的一切信息都是由程序和數據組成的，每一步工作都需由人把自己的工作經驗抽象成計算機語言，根據一定的程序進行控制，讓其領會人的意圖而達到預期的排課目的[11]。
其次計算機調度系統本身所具有的局限性。計算機雖然可以精確地處理大量的數據，但由于現有排課程序算法模式不可能太多，回溯調整的范圍、深度不可能太大，否則程序太復雜。實際上目前由于受計算機固定思維和程序規模的限制，單純依靠計算機處理排課數據是不可能達到最佳的排課效果的[12]。
5實驗室排課系統構
5.1基本組成構架
整個系統分為登錄子系統、排課子系統、課表子系統和綜合管理子系統。
用戶登錄：包括對用戶的合法性驗證，用戶的分類，并根據不同類型的用戶分配不同的權限。
排課功能：通過已知的信息，盡量避免課時、老師、實驗室的沖突，通常情況下是由任課教師根據已知信息至少提前一周進行排課，這樣老師就可以選擇上課時間，方便排出學校、老師、學生都滿意的的實驗教學課程表。如果任課教師要取消排課也要提前一周進行，如要臨時取消課程必須與管理員聯系，由管理員進行取消。這樣可以減少管理員的工作量。
課表：對已排好的實驗教學課表進行，不同的用戶可以根據自己的需要按不同方式查詢課表。本系統還實現了將課表導入word，這樣可以方便的打印排好的課程表。
綜合管理：主要是管理個人信息、教師信息、實驗室信息、課程信息、班級信息，時間控制信息等。在這里面可以對這些信息進行添加、修改、刪除等操作。
5.2平臺選擇
本系統采用VC#.NET和SQL來開發，VC#.NET是基于VisualStudio.NET的，它綜合了VisualBasic的高生產率和C++的行動力，使生產性能得到了提高，它具有比C和C++更簡單的語法，比Java更適合融入Microsoft的技術[13]。SQL是關系數據庫的標準語言，它已成為關系數據庫產品事實上的標準[14]。
6結束語
如今國內軟件市場上也有很多通用型的排課軟件，例如排課無憂，排課高手等等。這些通用軟件往往無法滿足學校的某些特殊要求[10]。因此，針對學校的一些特殊要求，需要開發出滿足不同要求的排課系統。本設計主要是針對我系的具體要求開發出一個滿足一定條件的實驗室排課系統，在設計過程中，需要掌握VC#.NET和SQL的相關知識。
參考文獻
1邱錦倫，曹旻.VisualC#.NET程序設計教程.北京：清華大學出版社，2006
2何克抗.《現代教育技術》.北京師范大學出版，1998.11
3王晟.VisualC#.NET數據庫開發經典案例解析.北京：清華大學出版社，2005
4黃明，梁旭.ASP信息系統設計與開發實例.北京：機械工業出版社，2005
5王輝，黃紅超.ASP.NET實用教程.北京：清華大學出版社，2005
6CCGotlieb.TheConstructionofClass-TeacherTime-Tables，1963
7SEven.TheComplexityofTimetableandMultiCommodityFlowProblem，1976
8林漳希，林堯瑞.人工智能技術在課表編排中的應用.北京：清華大學學報，1984
9王力.高校通用排課管理信息系統的設計與實現.貴州：貴州工業大學學報，1999
10劉振巖，劉慧敏，王歡.ASP.NET數據庫開發.北京：清華大學出版社，2004
11田輝.ASP.NET2.0開發技術簡明教程.北京：清華大學出版社，2008
12齊炳和，許學東.微機編制課程表工作中的問題和對策.濟南：山東工業大學學報，1995
13前沿軟件研究室，鄭小平.VisualC#.NET開發實踐.北京：人民郵電出版社，2001
