时间：2023-03-20 16:24:23
引言：易发表网凭借丰富的文秘实践，为您精心挑选了九篇人工智能导论论文范例。如需获取更多原创内容，可随时联系我们的客服老师。
［关键词］人工智能；人才培养；AI技术人才
一国家对于高校人工智能教育的发展的重视
面对AI技术如火如荼地发展，我们国家对AI人才和人才培养都非常重视。2017年3月“人工智能”在政府工作报告中曾提及四次，指出要推动人工智能和实体经济深度融合。2017年7月20日国务院《新一代人工智能发展规划》[4]。《规划》指出完善人工智能领域学科布局，设立人工智能专业，推动人工智能领域一级学科建设，尽快在试点院校建立人工智能学院，增加人工智能相关学科方向的博士、硕士招生名额。鼓励高校在原有基础上拓宽人工智能专业教育内容，形成“人工智能+X”复合专业培养新模式，重视人工智能与数学、计算机科学、物理学、生物学、心理学、社会学、法学等学科专业教育的交叉融合。加强产学研合作，鼓励高校、科研院所与企业等机构合作开展人工智能学科建设。
二企业对于人工智能人才的需求
市场上AI技术人才非常稀缺，据腾讯研究院联合boss直聘的《2017全球人工智能人才白皮书》[5]显示：目前，全球大约有30万人从事AI工作。截止到2017年10月，中国人工智能人才缺口至少在100万以上。2017年头10个月，AI人才需求量是2016年的近两倍，2015年的5.3倍之多，年复合增长率超200%。百度、腾讯、阿里巴巴、京东等互联网巨头都在挖掘AI人才，纷纷开出了高额的薪资。2017年薪资最高的十个职位中AI类岗位占到1/2，其中语音识别、NLP、机器学习等职位平均月薪资超过2.5万元。
三高校AI人才培养的思考
高校具有多学科、高层次人才集中的特点，具备计算机与多学科交叉融合的优越条件；且大部分学校都开设有数学、物理等基础学科，具备夯实数学理论基础的条件；且人员相对固定，便于沟通交流，具备共同开展AI课题，促进发展AI技术的人力条件。但是遗憾的是我国开设人工智能课程的高校较少，2018年只有33所高校设立了智能科学与技术专业[6]。面对AI发展的火爆，国家对于AI人才发展的重视以及企业对于AI人才的严重需求，高校作为人才培养的主要来源，是不是应该思考AI人才的培养呢？AI人才可以分为三类：拔尖人才，研究性人才和应用型人才，呈金字塔性。当下已经有一批名牌大学开展了AI方向拔尖人才的培养，如北京大学图灵班、中国科技大学人工智能技术学院、西安交通大学人工智能拔尖人才培养实验班，南京大学计划成立人工智能学院等。但是金字塔的底层、中层更需要庞大的AI技术人才，如应用开发人员、数据工程师、AI和机器学习工程师、AI系统架构师、AI产品经理等岗位的人才，同样值得重视。很多专家都表示AI人才需要数学基础好、专业理论全面、具备一些工程基础，且有自主学习的能力。本文从夯实数学基础、人工智能方向课程的建设、实践能力的培养、自主学习能力的培养四个方面阐述高校关于AI人才培养的一些思考。
1奠定扎实的数学基础
在学习AI技术时，几乎所有专家学者都提出需要扎实的数学功底，数学功底的厚重程度决定了在AI技术上走多远。高等院校计算机专业都开设有“高等数学”“线性代数”“概率论”等数学课程，但是课时、难易程度不足，学生对于数学不够重视，或者觉得晦涩难懂，学习效果并不十分理想，因此加强数学基础的工作刻不容缓。可以通过必修和选修等方式开设“数据分析”“统计机器学习”“凸优化”等课程；通过微课或者MOOC等方式巩固数学基础的学习；通过优秀科普读物，如《数学之美》《编程之美》等书籍的推荐阅读激发学生兴趣；通过开展校内学术讨论、数学竞赛等方式促进学生学习数据的动力，逐步达到夯实数据功底的目的。
2人工智能方向课程的建设
很多高校计算机专业课程中只开设有《人工智能》导论，有的甚至没有。智能科学与技术专业开设有“人工智能”“计算机视觉”“机器人学导论”“计算智能”这几门课程，但是在编程、算法等方面不足。那么AI技术人才应具备哪些专业能力呢？如何从专业角度培养AI技术人才呢？2018年1月CSDN了“AI技术人才成长路线图”[7]，通过专业路径和实战路径两方面介绍了AI技术人才需要具备的知识。需要具备Python、C++、Linux、CUDA编程知识，需要学习机器学习课程、掌握TensorFlow框架。该路线图中列出了机器学习算法工程师、数据科学家等10个岗位AI人才应具备专业知识和能力。微软公司也推出AI人才培养的10门免费课程，如“AI导论”“数据科学会用到的Python语言-导论”“AI领域运用的数学概要”“数据和分析所需要的道德与法律”“数据科学概要”“机器学习法则”“深度学习”“强化学习”“微软专案项目之人工智能”。同时在“文字和自然语言识别”“语音识别”“计算机视觉和图像识别”中选择其一。Google在人工智能学习网站开设有《MachineLearningCrashCourse（简称MLCC）》的免费课程[8]，由机器学习概念、机器学习工程、机器学习现实世界应用示例三个部分组成。Intel近期也了三门免费的AI课程，分别是“机器学习基础”“深度学习基础”和“TensorFlow基础”[9]。AndrewNg在Coursera上也推出了机器学习的课程，且用比较通俗的语言讲解机器学习中各个算法。最近在Deeplearn-ing.ai和Coursera平台又开设了5门深度学习课程[10]。综上所述，不同的研究机构都着眼于AI编程基础、AI算法、AI框架、AI实践这几个方面。那么高校也可以借鉴这些经验，通过三个阶段分层次的开展相应的课程。
3实践能力的培养
AI技术不能纸上谈兵，必须动手实践才能真正掌握，可以从以下几个方面着手培养学生的实践动手能力。（1）设计教学环节时多从工程应用的角度来介绍，激发学生的兴趣，培养学生解决问题的能力。要求学生新手编程编程实现模型，充分理解算法的含义和原理到实现的过程。（2）在掌握一定的机器学习知识后，鼓励学生尽早走进实验室，接触科研工作。可以从一些AI应用方向作为入手，使学生了解自己的兴趣点、培养科学研究能力。（3）鼓励学生参加算法比赛。目前有很多AI方向的竞赛，如Kaggle上的挑战赛，国内阿里天池大数据竞赛等。通过参加竞赛刺激学生学习AI的动力和热情，使得解决问题的能力和实践动手能力都会大幅度提高。（4）鼓励学生到工业界实习。很多专家都指出AI人才应该具备一定工程基础。确实，学术界往往追求算法的性能，而工业界更重视经济效益和解决问题的有效性。到企业学习可以快速了解行业发展的框架，掌握算法转化到产品的过程。
4自主学习能力的培养
AI技术发展速度很快，要求不断地学习才能跟上节奏。可以从以下几个方面来培养学生的自主学习能力。（1）平时教学中，可以给出一些小型的项目，让学生自己寻求解决的方案，并把它作为考试成绩的依据之一。（2）提供给学生免费的AI慕课资源，让学生更好的学习和巩固相关知识。（3）课外可以开展学术讨论或者通过社团等方式开展AI方向的研讨，交流，给学生一个学习的平台，让学生尝试选择自己感兴趣的方向。也可以介绍一些近期的AI会议内容，开阔学生的眼界，使其了解AI发展的动态。（4）鼓励高年级学生订阅Arxiv，关注机器学习的顶级会议，如ICML/NIPS等。通过研读论文，动手完成论文中的实验发现新问题；或者扩展感兴趣的论文的实验部分；或者尝试寻求论文中有价值的地方，找到自己的研究方向。
关键词：人工智能；深度学习；教学建议
0 引言
传统的人工智能课程主要包括人工智能导论、模式分析、机器学习、数据挖掘等。这些课程由各个院校根据专业情况不同而选择，课程的内容也有较大差别，但是，基本上都涉及人工神经网络的内容。然而在人工神经网络的教学内容上，一般只讲解经典的多层感知器和反向传播算法，或再加入一些反馈网络的内容，这种教学内容设计的一个不足是忽视了人工智能领域的最新发展——深度学习，它是近几年人工智能领域最具影响力的研究主题，并在大规模语音识别、大规模图像检索等领域取得突破。
北京邮电大学计算机学院开设人工智能科学与技术的本科专业，笔者从事深度学习的研究工作，同时承担了本科生和研究生人工智能类课程的教学工作，因此产生了将深度学习内容引人人工智能类课程的想法。本文先介绍深度学习的背景，说明深度学习在人工智能发展中的地位，之后分析了将深度学习基本内容引入人工智能类课程的必要性和可行性，最后给出了一些实施建议供探讨。
1 深度学习背景
2006年，加拿大多伦多大学的GeoffreyHinton教授与Salakhutdinov博士在美国《科学》杂志发表了题为“Reducing the Dimensionality ofDatawith Neural Networks”的论文，该文提出一种学习多层神经网络的方法，并将这种具有多层结构的学习方法命名为深度学习（Deep Learning），而这成为深度学习研究的一个导火索，从此深度学习的研究与应用蓬勃发展起来。
深度学习在语音识别与生成、计算机视觉等应用领域取得了突出进展。近几年的国际机器学会（International Conference on MachineLearning，ICML）、神经信息处理大会（AnnualConference On Neural Information Processing Systems，NIPS）、计算机视觉大会（InternationalConference on Computer Vision，ICCV）、
声学语音与信号处理大会（International ConferenceOn Acoustics，Speech，and Signal Processing，ICASSP）、计算语言学大会（Annual Meeting of the Association for Computational Linguistics.ACL）、计算机视觉与模式识别（InternationalConference on Computer Vision and P atternRecognition，CVPR）等都有不少相关的研究论文、会议教程和小组研讨会（Workshop）。美国国防高级研究计划（DARPA）也提出了关于深层学习的研究项目。此外，2013年6月《程序员杂志》的封面故事，采访了周志华、李航、朱军3位国内的机器学习专家对于深度学习的看法，他们一致肯定了深度学习在机器学习领域的贡献。
工业界对深度学习也寄予了很高期望。2012年6月，《纽约时报》报道了斯坦福大学计算机科学家AndrewNg和谷歌公司的系统专家JeffDean共同研究深度神经网络的机器学习模型在语音识别和图像识别等领域获得的巨大成功。2012年11月，微软公司在天津公开演示了一个全自动的同声传译系统，其关键技术也是深度学习。2013年1月，百度公司首席执行官李彦宏先生宣布建立深度学习研究院（Institute of Deep Learning）。2013年3月，谷歌公司收购了由深度学习创始人Geoffrey Hinton创立的公司。
从学术界与工业界的研究态势看，深度学习已经成为机器学习与模式识别，乃至人工智能领域的研究热点。正是在这样一个背景下，人工神经网络重新回到人们的视野。此前人工神经网络的发展大致可以分为两个时期，1943年，McCulloch和Pitts提出了最早的人工神经元，这种神经元具有学习能力，这是人工神经网络的发端，也可以被认为是人工智能的发端（当时还没有人工智能这个术语）。1949年，Hebb提出了Hebbian学习算法。1957年，Rosenblatt提出了感知器的神经网络模型。1969年，Minsky和Papert分析了这种感知器神经网络模型的局限性。然而，很多研究者认为，感知器的这种局限性对于所有的神经网络模型都适用，这使人工神经网络的研究很快暗淡下来。1980年代中期，诺贝尔奖得主John Hopfield提出了Hopfield神经网络模型，这种Recurrent神经网络具有的动态性有可能用于解决复杂的问题。同时，多层前向神经网络的后传算法也被重新发现，这两个工作使人工神经网络得到重生。这时，人工神经网络已经成为人工智能的一个重要组成部分。但是，在随后的研究中，人们发现，当学习多层神经网络包含更多的隐藏层时，后传算法并不能学到有效的网络权值，这使得神经网络的研究再次陷入低潮。此次以深层神经网络为代表的深度学习重新回到研究的舞台，其中一个重要因素是Hinton提出的逐层预训练神经网络方法治愈了多层神经网络的一个致命伤。
2 必要性与可行性
深度学习的发展使得从事教学一线的教师也无法忽视这个颇具影响力的研究主题。为此，我们提出将深度学习这个主题引入到人工智能类课程中，将它作为课题教学的一部分。
2.1 必要性
将深度学习这个主题引入到人工智能类课程中的必要性主要包括如下4点。
1）深度学习是人工智能的前沿。
2006年以来，深度学习的研究席卷了整个人工智能，从机器学习、机器视觉、语音识别到语言处理，都不断涌现出新的研究工作和突破性进展。深度学习不仅在机器学习领域成为研究热点，同时在多个应用领域也成为有力工具，而且，在工业界的系统应用中，深度学习成为其中的关键解决技术。
2）深度学习是人工智能的突破。
深度学习的发端是神经网络。关于神经网络的论述，在人工智能类常见教科书中还停留在多层神经网络，即神经网络的第二阶段，它们大部分描述多层结构无法训练的现象。但是，从深度学习的角度看，深层神经网络不仅可学习，而且有必要，这与第二代神经网络的观点是完全不同的。深度学习突破了原有人工神经网络的认识，超越了人工智能神经网络教科书中的原有内容，因此，有必要将多层神经网络结构的可学习性告知学生，从新的视角纠正原有的观点。
3）深度学习是人工智能的延伸。
深度学习不仅提供了一种可以在深层神经结构下训练网络的方法，也包含了不少新的内容，是人工智能的新发展，为人工智能补充了新的内容。到目前为止，深度学习至少包括：从生物神经网络与人类认知的角度认识深层神经网络的必要性；如何构建和学习深层学习网络；如何将深层结构用于解决视觉、语音、语言的应用问题；如何看待深度学习与原有的机器学习方法，如流形学习、概率图模型、能量模型的直接关系；深度学习与其他学科的关系等。
4）深度学习是学生的潜在兴趣点。
大学生对知识有着强烈的好奇心，加之当前信息技术的发达，部分对智能感兴趣的学生可以从其他途径了解到这个学科发展的前沿。因此，顺势而为，将深度学习这个主题做具体讲解，满足学生的好奇心，培养他们对学科前沿与发展的认识，是十分必要的。对高年级的学生而言，了解深度学习的基本知识，是他们全面认识人工智能与发展前沿的一个途径，而对于研究生，较多地了解和掌握深度学习的基本知识有助于他们研究工作的开展。
基于以上几点，笔者认为，将深度学习这个主题引入到人工智能类课程中非常有必要。深度学习作为人工智能的前沿，既是对人工智能原有理论和技术的一个突破和补充。
2.2 可行性
将深度学习引入到人工智能类课程中的可行性主要包括如下3点。
1）深度学习与现有人工智能联系密切。
深度学习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论与技术。深度学习是以神经网络为出发点，这正是深度学习教与学的切入点。比如，可以通过对多层感知器隐藏层的增加和后传算法的失效来讲解深度学习是如何解决这个问题的。再者，深度学习的一个核心构建“受限波尔兹曼机（Restricted Boltzmann Machine）”，可以被认为是一种能量模型，而这种模型与Hopfield网络都可以从物理学的能量模型角度分析，RBM可以认为是Hopfield网络的随机扩展。总之，深度学习与现有人工智能的联系，使学习深度学习变得容易。
2）深度学习的基本内容并不深。
深度学习有个很好的名字，这个名字恰当地描述了特定的学习结构。比如，深度学习的核心部件受限于波尔兹曼机RBM，其结构非常简单。从神经网络的角度，受限波尔兹曼机是一种随机的双向连接神经网络，信号可以从可见层传递到隐藏层，也可以从隐藏层传递到可见层。网络中每个节点是具有特定结构的神经元，其中的神经元具有典型的包含自身偏置的Logistic函数的随机单元，能够依Logistic函数计算得到的概率输出0状态或1状态。概括地说，深度学习的基本内容在高年级阶段较易掌握。
3）深度学习的资料容易获得。
当前的信息资讯非常发达，有相当多的资料可以通过互联网等多种途径获得，这使学习深度学习成为可能。近期，中国计算机学会主办了多个技术讲座均涉及深度学习的部分；深度学习的创始人Hinton教授的主页也有很多资料；Coursera网站有免费的Hinton教授的神经网络课程；斯坦福大学的Ng教授提供了很多的在线教程；蒙特利尔大学Bengio教授发表的题为“Learning Deep Architectures for AI”的论文也是这领域的优质资料。
3 实施建议
在具体的教学过程中，笔者建议适当安排深度学习的最基本内容，内容不宜过多，也不宜占用过多的学时，可以根据教学对象的不同进行调整。比如，本科生的高年级专业课可以安排1学时的教学量，介绍层次训练的基本算法；也可以在高年级前沿讲座中安排2学时，内容覆盖面尽可能广泛。在研究生的教学中，可以根据教学的课程主题安排内容与学时。比如，神经网络主题的课程可以安排4-6学时的教学内容，包括波尔兹曼机及学习算法、深层信念网络与学习算法、深层波尔兹曼机与学习算法卷、积神经网络、自动编码器等。结合应用，课程还可以包含MNIST数字识别的应用、人脸识别的应用、图像检索的应用、语音识别中的应用等。另外，深度学习是一个实践性很强的研究，随机性：大规模（意味着数据不宜可视化，程序运行时间长）等多种因素混合，使深度学习在学习中不容易理解。为此，可以在条件允许的前提下，增加小规模的实验，辅助理解。最后，课件可以通过对优质资料做修改得到。
申请级别：副研究员
计算机工程与科学学院
XX年7月7日
教育与工作经历
教育
1994.9-1998.7 上海大学机械自动化系 本科
1998.9-XX.3 上海大学机械自动化系 硕士
XX.3-XX.9 上海交通大学图像处理与模式 识别研究所 博士
工作
XX.9-今 上海大学计算机学院 讲师
学术活动
兼职
中国计算机学会yocsef上海分坛学术秘书委员(XX.5~今)
ieee会员，ieee计算机分会会员(XX.1~今)
上海市计算机学会会员(XX.1～今)
主持中国机器学习邮件列表(XX.1~今)
活动
机器学习及其挑战研讨会，上海，参与，XX.11
第十届中国机器学习会议，上海，口头报告，XX.10
环太平洋人工智能大会，aucland，口头报告，XX.8
国际神经网络大会，大连，展板，XX.8
神经网络及其应用研讨会，北京，大会报告，XX.3
科研经历
参与国家自然科学基金四项
基于数据挖掘和综合模型的脑磁共振图像分析和诊断(30170274)已结题
面向钢铁生产的数据挖掘和数据融合信息处理平台及应用(50174038)已结题
纳米氧化铝材料设计的支持向量机方法 (20373040)进展顺利
分布式概念格数学模型及算法研究 (60275022)进展顺利
参与上海市高校网格技术e研究院一期项目
数据挖掘在生物医学网格中的应用 (XX.7-XX.6)
主持软件新技术国家重点实验室(南京大学)开放课题一项
机器学习中冗余特征问题的研究(XX.5-XX.6)
已申请国家自然科学基金
合作者：化学系 陆文聪教授
已申请上海市教委科技发展基金
正在申请上海市高校网格技术e研究院二期项目
研究方向
特征选择
结合学习器的研究
支持向量机
集成学习
多任务学习
偏最小二乘法
化学计量学
多元校正
药物构效关系
jcics，nsfc
学术成果
论文20余篇(第一作者9篇以上)
sci 收录5篇，其中第一作者4篇
ei收录10篇，其中第一作者3篇
其它核心杂志，第一作者5篇
sci收录源杂志录用2篇，正在出版
译著一本(第一作者)
支持向量机导论，电子工业出版社出版，XX.3
专著一本(算法部分，五万字以上)
support vector machine in chemistry，singapore, world scientific publishing company，XX.9
第一作者论文
************************************
学院工作
人工智能、软件工程等专业课
学术报告(二次)
计算机学院一次
化学系一次
本科生班主任(03级10班)，优秀生导师(5)
****************
其它条件
全国大学英语等级考试cet-6
合格，1997.6
上海市职称计算机能力考试
合格，XX.4
汇总
关键词：人工智能；案例式教学；兴趣引导教学法；问题驱动教学法
中图分类号： TP309 文献标识码：A 文章编号：1009-3044（2014）03-0599-02
人工智能是一门研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的综合性技术学科[1]，是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透、迅速发展且与人类生活密切相关的综合性新学科，其核心研究领域包括模式识别、自然语言处理、机器学习、数据挖掘、人工神经网络和专家系统等等[2]。
语言信息处理是语言学与计算机科学交叉形成的一门新型学科，其课程体系以语言学、计算机应用、应用数学和认知科学为主干，研究内容是自然语言的自动化信息处理技术，是人类语言活动中信息成分的发现、提取、存储、加工与传输[3]。目前该方向的主要应用领域包括机器翻译、文献检索、信息提取、自然语言的人机接口等。由此可见，为语言信息处理专业开设人工智能课程是必须的。该文针对“人工智能”课程自身特点和语言信息处理专业研究生培养目标，并结合笔者多年来的教学经验，分别从课程内容设定、教材选择、教学方法、考核方式等多个方面对该课程的教学改革进行了探索与研究。
1 以“精”“典”为基本要求的教学内容选择
“人工智能”课程的突出特点研究内容涉及面广而学时数较短（大部分高校的研究生专业安排的课程的时数在36到48学时之间）。因而授课时不能追求内容“大而全”，必须“精”，选择重点、核心基础知识进行学习，选择与专业方向最相关的“典”型应用领域进行重点详细介绍，使学生在有限的时间内学到最有用的知识。“人工智能”课程教学内容总体可以分为三大部分。
第一部分是基础理论知识，学习人工智能中知识的表示方式（谓词逻辑表示法、产生式知识表示法、框架表示法、语义网络表示法等）。语言信息处理专业学生本科专业背景不同（有文科，有理工科），所以该部分教学内容难点在于教学进度和难易程度的均衡。本部分内容可安排8～10学时。
第二部分是搜索与推理，对使用特定知识表示方式表达的知识和问题进行推导或搜索，得出相应结论或搜索结果。本部分安排10～12学时，重点在于启发式搜索。
第三部分是人工智能中的典型应用领域。对于该部分内容的选择要以学生专业为中心进行，选择与学生专业相关性较大的领域进行教学，以期能够有助于学生了解并掌握学术的主流发展趋势，从而能够更好地培养自身的科学素养和创新能力。本部分主要学习机器翻译、机器学习、自然语言处理、数据挖掘、多Agent系统等。本部分安排18～36学时。
2 选择“最合适”的教材
教材是教师教和学生学的主要凭借，教材的好坏在很大程度上决定了教师能否成功“教”与学生能否顺利“学”。教材的选择要以教学对象的特点和教学目标为依据，选择最合适的教材。在广泛研读目前比较热门的人工智能教材的基础上，结合教学目标和教学对象的特点，选则清华大学出版社出版﹑蔡自兴和徐光祐编著的《人工智能及其应用》（第4版）[1]作为教材。该教材总体也可以分为三部分：第一部分论述了人工智能的三大技术， 即知识表示；第二部分论述推理及搜索； 第三部分论述人工智能的主要应用领域，包括专家系统、机器学习、自动规划、分布式人工智能和自然语言理解等。与第三版本科生用书相比，增加了如本体论和非经典推理、决策树学习和增强学习、词法分析和语料库语言学等（非常适合笔者的教学对象）。
3 创新型人工智能课程教学方法
“人工智能”课程涉及的知识面广，既包括基础理论，也包括具体应用，即有抽象复杂的计算，也有繁杂的系统实现，为此，如何激发学生的学习兴趣并保持学生的学习兴趣是本课程教学的关键。此外，因为是研究生教学，所以更突出学生的主体地位，注重培养学生的学习兴趣、自主学习的意识和能力。为此，笔者主要采用了以下几种教学方法。
3.1 兴趣引导教学法
常言“兴趣是最好的老师”，如何培养学生对本门课程的学习兴趣，激发学生对本门课程的求知欲，是一门课程首要任务。
为了提高学生的学习兴趣，笔者在第一节课让学生观看美国科幻电影“机器人”的相关片断，通过机器人安德鲁非凡的创造能力、情感表达能力和自学习能力让学生更好地了解人工智能的目标、意义，激发学生探索人工智能的兴趣；在学习“博弈策略”及“极大极小分析法”时，笔者通过让学生来参与“一字棋”对决游戏说明博弈树的层次结构原理，通过“人机对弈”说明“α-β剪枝技术”引入的必要性；通过“啤酒与尿布”的故事说明数据挖掘技术在现实生活中的应用，让学生认识到人工智能并不是虚无抽象的学科，而与人们的生活息息相关，激发起学生用人工智能相关技术解决现实问题的兴趣。
3.2 问题驱动教学法
在讲授基础理论时，如“不确定性推理”、“数据挖掘”等这一类型内容抽象、算法复杂的知识时，采用了问题驱动式的教学方法。
教师首先提出与内容相关的若干问题，并为学生相关的资料或向学生提供找到问题的一些线索，让学生带着问题去思考、分析和讨论等方式来查找答案，主动获取知识，应用知识，教师在必须的时候还需给予一定的引导和帮助。如在讲授产生式知识表示法时，以“动物识别系统”问题原型，给出学生系统模型，让学生编写一个能够用来进行动物识别的应用程序。
此教学法很好地培养学生解决问题的能力，形成研究的态度，提高认知能力。
3.3 实践教学法
“实践是检验真理的唯一标准”。人工智能课程中，能够动手实践的知识一定要让实践。
在讲“专家系统”的构造步骤时，用“营养专家系统”为案例进行介绍，将该专家系统分解为一个个小的具体任务（如知识库构建、规则库的构建、界面设计等），并分配给不同的学生，学生按照专家系统的一般构造步骤去完成相应的任务，最终完成一个完善的系统，从而达到掌握专家系统构建的教学目标。
实践教学法可以提高学生分析、解决问题的能力和动手能力，并可以进一步加深对理论知识的理解。
3.4 案例教学法
案例教学法是将案例讨论的方法运用到课堂教学活动中去，教师根据课堂教学目标和教学内容的需要，通过设置一个具体的案例，引导学生参与分析、讨论、表达等活动，让学生在具体问题情境中积极思考、主动探索，以提高教与学的质量和效果，培养学生认识问题、分析问题和解决问题等综合能力的一种教学方法[4]。案例教学法中教师扮演设计者和激励者的角色，鼓励学生积极参与典型案例的讨论，重点掌握教学进程，引导学生思考，组织讨论研究，进行总结、归纳，同时教师也参与到学生共同研讨。不但可以发现自己的不足，也可以从学生那里可以了解到大量感性资料。该教学法有利于调动学生学习主动性，通过生动具体的案例介绍可以促进学生对知识的理解和实际应用。
人工智能授课中，对于产生式系统和自然语言理解系统的有关概念及系统构成技术，采用了案例教学法。
在介绍产生式系统时，我们以动物识别系统为案例进行介绍。案例教学通常可以分为3个步骤，即案例引入、案例分析和案例总结。案例引入过程介绍产生式的语法和语义、产生式系统的组成及工作原理后，通过屏幕演示动物识别系统的运行过程使得学生能够获得老虎、金钱豹、斑马、长颈鹿、鸵鸟、企鹅、信天翁七种动物的一些特征；案例分析阶段通过向学生展示使用Prolog编写的动物识别系统源程序，详细介绍设计思想以及实现过程。该过程是案例教学的关键，教师引导学生进行案例分析，之后由学生进行补充，师生共同讨论力求系统得以更完善；案例总结阶段由老师对学生的讨论情况进行总结，在总结讨论情况的基础上提出一些问题（例如如何进一步提高系统的效率？）。
在介绍自然语言理解系统时，以自然语言情报检索系统LUNAR[5]为例进行介绍。从LUNAR系统的词法分析、语义解释和问题回答三个阶段进行详细分析。经过案例引入、案例分析和案例总结三个阶段，使得学生对LUNAR系统的设计步骤、关键技术及设计思路有深入的了解。之后，要求学生写出案例分析书面过程，并完成课后作业“指挥机器人的自然语言理解系统SHRDLU”。
4 课程考核方式的改革
研究生教育以培养学生的能力和素质为主要目标。人工智能课程的考核方式也以此为目标，采用以考察理解应用为目的的论述题，或结课论文形式进行，同时注重平时考核。平时考核以学生查资料的能力、阅读相关文献即完成课后作业的情况为考核对象。
5 结束语
为了提高人工智能课的教学质量，根据课程及教学对象的特点，结合教学过程实际问题，采用了合适的教材，安排了合适的学时，在教学过程中综合各种教学方法的优点，并采用了适当的考核方式。教学结果表明，通过这些尝试，提高学生学习的兴趣和积极性，取得较好的教学效果，学生能够有意识地使用人工智能中的相关知识、思想来进行学术研究。
参考文献：
[1] 蔡自兴，徐光祐.人工智能及其应用——研究生用书[M]. 第3 版. 北京：清华大学出版社，2004.
[2] 廉师友.人工智能技术导论[M].西安：电子科技大学出版社， 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学中心，末作增扩。后者的简称——“信息中心”——虽然易与“计算中心”或“情报资料中心”混淆，却是上世纪八十年代中期北大一些有识之士倡议建立的第一个多学科交叉研究中心。它以数学系、无线电f电子学)系和计算机系为主，联合心理学、中文、遥感等共十个系所而组成，宗旨是开展多学科交叉研究，充分发挥北大的综合优势。即使放在二十余年后的今天来看，这样的举措也是颇有前瞻性和魄力的。在此基础上，北大很快于1986年建立了第一个国家重点实验室。就是这样人数不多的一个机构，先后出过三名院士和一名北大常务副校长。以指纹识别为代表的研究成果进入国际先进行列，在国内得到广泛应用。
2003年9月10日，北京大学最大的学院——信息科学技术学院——成立。它包括计算机、电子学、微电子学和智能科学四个系，有十二个(研究)所和中心，两个国家重点实验室和若干部门实验室。系是教学单位，所和中心是研究实体。从此，智能科学系(暨信息中心、国家实验室三位一体)翻开了新的一页。
2 专业增列·学会指导
成立智能科学系除了要顺应北大“系并院”的潮流，也是完善作为学校基本建制单位所必备的。何新贵院士为系取了名称，如今许多学校也大都采用这样的称谓。查红彬教授担任系主任，笔者是主管学科建设和教学的副主任，具体参与负责各项相关工作。创办国内第一个智能科学与技术本科专业也是我们这一班人继承传统的首要任务。事实上，早在一年多前，大家就进行了酝酿，特别是中国人工智能学会教育工作委员会多次组织的相关研讨，成为重要的准备基础。
北大是一级学科下自主增设、增列学科专业的学校。系领导上任伊始第一件事就是要在当年申办智能本科专业，而且志在必得。为此，我们在前期制定了详细的步骤计划，进行了深入调研和各项准备工作。我们起草完成了所需的各项材料(人才需求论证、专业建设规划和适应培养目标的教学计划与课程设置方案、教师教辅队伍和基本办学条件说明以及国内外背景对比材料等)，中国人工智能学会涂序彦等学者对此进行了专家论证，协助完成了论证报告。这些工作就绪后，我们在2003年10月下旬向学校主管副校长、教务部负责领导和学院领导做了汇报说明，并于10月30日正式提交申请材料。经学校的学部讨论通过，校教务部审核和校教学科研工作委员会论证(由于是国家公布专业目录外者)，再经校学术委员会审议，报校长办公会批准，最后于12月15日前顺利完成了全部程序，报教育部备案。2004年初，教育部正式批复并公布了北京大学“智能科学与技术”新的本科招生专业。这个专业名称是查红彬教授建议的，日后成为教育部批复新申办学校的统一提法。
由于“智能科学与技术”未在国家公布的专业目录中，因此是增列而非设置，北京大学将其置于计算机科学与技术一级学科之下。由于北大历来严格控制招生规模，我们的30名招生计划是由信息学院其他三个系从原有计划分配名额中挤出来的。新专业的计划发展规模最终为50名。
3 教学计划·四校会议
智能科学系虽然成功地创建了国内第一个“智能科学技术本科”专业，但也面临着许多挑战。首先是缺乏本科教学的经验。尽管信息中心前身具有北大最早的硕士点、博士点和博士后流动站，研究生培养己历十余年，但一直实施科研主导体制，未曾从事过本科教学。师资队伍扩充快，新进年轻博士比例大，而真正有过本科教学经历者寥寥无几。此外，信息学院成立后开始调整教学计划，制定了一年级统一课程内容，新生是按学院统一招进来，第一年共同学习，后三年才分专业培养。我们虽然为申办专业制定了一套课程计划，但因不兼容学院的统一规划而未能第一次通过学院教学指导委员会的审核。为此，我们组织学院经验丰富的老教授，为本系青年教师进行教学培训，听取学院主管负责领导和几位多年从事本科教学管理的老系主任对教学计划的修订意见。
通过几个月的努力，我们完善了智能科学系的课程体系，并最终通过学院教学指导委员会的审核。这个教学计划具有几个特点：一个大基础——以学院的数、理和信息类为主，强调宽厚扎实;三个核心课程群作为专业理论基础，包括智能基础课程群(智能科学技术导论、人工智能、脑与认知科学、信息论、信号与系统)、机器感知课程群(生物信息处理、图像处理、数字信号处理、模式识别)和计算智能与知识发现课程群(智能信息处理、机器学习、数据挖掘、计算智能等)，以及两门实验(机器感知和机器智能)和其他各种选修课。四年学分150分，其中必修88学分(包括全校公选26学分、大类平台20学分、学院要求的13学分、专业必修29学分)，专业选修56学分(含专业课44学分、通选课12学分)，毕业设计6学分。
为了更好地交流经验，扩大本专业的影响力，2005年5月，我们发起并与第二批获准的学校(南开、北邮、西电)在北大召开了四校研讨会，围绕各个学校在智能科学与技术本科专业的建设、招生、教学计划制定和未来发展设想等方面进行交流研讨，并建立了联系机制和网站。全国一些兄弟院校也纷纷来北大了解情况，开展座谈，我们则尽可能贡献自己的经验，给予支持。
4 招生·分流
从2004年开始，信息科学技术学院按学院大类招生，每年接收330～340名本科生，占全校的1/9左右。学生高考排名在全校属中上，但成绩分布差异较大。与学校的其他学院(多从一个系成长为一个学院，如数、理、化、生等)相比，信息学院是由四个不同的系合并而来的，专业跨度大，因此采用一年分流的模式(上述学院为二年分流)，笔者被指定负责这项工作。我们提出自愿为主、计划为辅的方针，尽量满足同学们的兴趣志向。制定的分配计划是：电子学系120人、计算机系110人、微电子系70人、智能科学系30人，允许有10%的调整。分流工作在大一下学期(每年4月份)进行，包括全院动员、四个系专题介绍宣传、开放日参观咨询等几个步骤，可谓热闹非凡，同学们可以充分了解了四个系的专业特色。
为了克服盲目性引发的偏差，我们建立了一个网上分流系统，在正式填报专业前，增加了摸底预填报的环节，及时反馈群体意向的分布信息，指导学生们的选择，也便于学院掌握动向，调整措施。这种大类招生、进来一段时间后再分专业的举措体现了北大的人文关怀。智能专业初办，基础条件差，缺乏毕业生记录的宣传说明，与学院其他三个老牌系(电子学系50年历史、计算机和微电子系30年历史)相比较并无优势可言，但是我们通过扎扎实实的工作和细致有效的改进，使这个新方向日益显现出魅力。随着智能专业的成熟，特别是有了第一届毕业生后，就愈加受到更多学生的喜爱。
选择智能专业的人数逐年上升，2004级34人、2005级36人、2006级39人、2007级43人，目前正在进行的2008级分流达到45人。除了在信息学院内部的影响力不断扩大，北京大学其他学院的转系情况也开始有了可喜的变化。北大最好的元培计划实验班今年第一次有4名学生选择智能专业，医学部和光华管理学院也有申请者(本文成稿时这项工作还在进行)，2008级学生肯定突破50名，我们在第五年就达到了创办智能科学专业的规划目标。
5 首届生·班主任
在新办专业中，有一项由教授担任智能本科专业班主任的举措。这是利用教授的学识、经验和责任心来更好地管理呵护自己的学生，避免了年轻教师因职称晋升等压力可能出现的疏漏。这一做法取得明显效果，不仅受到同学们的普遍欢迎，信息学院也开始考虑推行。笔者担任了智能专业的第一任班主任。首届学生(2004级)有34名，他们进入北大后毅然选择全新的智能专业是很有勇气的，全班有11名来自北京的学生，5名女同学，这个比例迥异于整个信息学院的总体分布。
该班学生的年龄恰与我自己的孩子相同，我天然地熟悉他们的一般特点，也理解家长们的想法。北大信息学院的淘汰率平均是7%，每年都有20多人退学。这班学生在大一时的成绩并不占优，其中有几人处在边缘位置，因此，我立下的最低目标就是确保所有同学不掉队。我首先通过全班民主选举任命了一个5人组成的班委会，这个5人机构在随后的几年中发挥了重要作用：其次走访宿舍，了解每个人的情况，为了消除代沟，我努力融入同学当中，学习熟悉他们的语境和思维想法。我同多数同学家长有过接触，从中更深入地掌握学生的性格特点，也包括寻求家长的必要配合。我与所有同学做过不止一次的个人交谈，经常是在晚间，很多时候是他们主动找我，谈遇到的各种困惑、自己的想法、志向等，我利用这些机会及时解决了具体问题。在学习上，我组织全班同学开展互帮互学，尤其对几门有难度的专业课程进行“联合攻关”。全班的“数据结构与算法”课程成绩甚至超过了计算机系。
几年来，全班团结互助，像一个大家庭，班委会也一再连任，得到全体拥护。到毕业时全部合格，实现了我的愿望。不仅如此，全班的学习成绩在学校的综合评估中优良率达93‰毕业设计都在良以上，有14人获优秀，更有三名同学的毕业论文被评为学院“十佳”论文。学院的第一、三名也都出自我班。34名同学中有22名继续保送本校读研(其中20人仍在本系)，4名同学去了大的国企和知名外企工作，8名同学出国深造，在欧、美一些名校攻读博士，其中有一名学生同时拿到了包括哈佛、MIT、CMU、UCLA在内的著名大学的全额奖学金(最后选择MIT)。第一届智能专业学生的良好成绩极大鼓舞了我们，增强了我们办智能专业的信心，也为以后的几届同学做出榜样。
几年班主任的经历让我深深地体会到，进入二十一世纪的大学，教书、育人同等重要。要适应新时代年轻人的特点，保持我们民族的优良传统，把人格培养放在首位。能够进入北大的学生都是各地的尖子，当他们聚集在这所著名学府时，首先要调整原来俯视周围的习惯，学会平视甚至仰视其他同学，平和自己的心态，开阔胸怀，树立人生抱负和刻苦努力的决心，这样才能正确对待困难和挫折，才有所作为。班主任的工作往往细致入微，其实是把70%的精力用到30%的人上面。一些学生掉队是否可以避免，关键看班主任的工作是否到位。
6 培养体系·本研贯通
北大是(文)理科性质的学校，“智能科学与技术”专业也是按理学设置，尽管它更强调学科交叉。从智能科学的内涵来看，我们设立的培养方向更多地是继承自身传统和学校的综合优势，突出“以人为本”的脑认知和与心理生理结合，开展机器感知(视、听、触)和数据转换信息，进而发现知识的机器智能两个方面的研究。同时，我们配合学院的教学指导规划设置课程计划，除了全校的公共必修课程(外语、政治和体育)，还有学院的公共平台课。第一年主要是夯实数学、物理和信息类的基础，后三年的专业课程安排是以必修的专业基础和机器感知与机器智能两个方向的专业核心课程为架构。为了强调学生的动手能力，还重点建设了两门实验课程。此外，还利用学校的各种本科科研基金项目(包括大学生创新基金、著政基金、泰兆基金、校长基金)和各个实验室承担的项目来吸引学生，培养他们思考问题的能力，提高他们的研究兴趣，为日后进一步深造打基础。由于绝大多数学生都将读研，这样的安排无疑起到了积极作用，并成为撰写毕业论文的基础。我们还打通了本科高年级与研究生一年级的课程，利用各种机会举办研究讲座，如龙星计划、专题报告、国际人工智能远程教学等活动，开阔学生的视野，引导研究方向，调动学生的潜质。从专业特点来看，我们的智能学科更偏向于“软”的一侧，因此也充分利用信息学院，特别是计算机系的各类教学资源来帮助扶持新办专业的成长。
我们原有的博士、硕士点是计算机应用技术和信号与信息处理两个方向，为了让我们的培养体系更加系统，我们进行了两年的精心准备。2007年底，我们正式向北大研究生院申请增列“智能科学与技术”硕士和博士点。经过必要的论证，最终获得批准，及时衔接第一届本科毕业生升研。至此，本、硕、博一以贯通，作为计算机科学与技术下的二级学科，一个完整的智能科学技术专业培养体系建立起来，从培养体制上保证了新兴智能专业的顺利发展。
7 特色专业·教学团队
五年来，北京大学智能科学技术本科专业从酝酿到创办，可谓初见成效，走过了颇具挑战的历程。除了确定具有特色的培养目标和方向外，还需要扎扎实实落实每一个环节，并在实践中检验。本科教学迥异于研究生培养，它的计划性、按部就班执行的严格性以及每堂课程的内容安排和效果评估必须一丝不苟。
信息学院秉承了北大的优良传统，对这个新办的专业给予了巨大支持和关怀，使我们能迅速成长起来。我们从一开始就有一套严格的课程设置审核程序、教案检查制度和新教师上岗准入的试讲考核手续。学院有一支由经验丰富的退休教师组成的督导组，随堂听课评估每一位教师的讲课内容、方式和教学效果，及时纠正问题。作业批改和试卷出题也都有严格规定。在课程体系的建设方面，信息学院打通了一年级的公共部分，深化和夯实了数理基础。
在专业课程上，智能科学系提炼了三个课程群，并组织教师进行重点建设。此外还加强对学生动手能力和独立思考解决问题能力的培养。
除了在专业上实施分流培养外，我们还针对北大学生的特点，在基础课采用实验班的A、B分级组合方式，满足不同专业对各自基础培养的要求。在专业课程群中，也允许不同兴趣的组合选择，充分发挥和提升学生的能力。为了更好地关怀学生顺利成长，我们除规定教授担任班主任外，还设立了本科生学术导师制，加强对学生的各种指导。智能科学系也注重师资队伍建设，引进了一大批(半数以上)优秀的年轻教师，其中信息学院中从国外回来的教师比例是最高的，为这一新兴学科注入了最具活力和新思想的力量。在招聘教师时，教学需求和能力成为评价的重要指标。
2007年，我们接受了教育部的学科评估，新办专业得到好评。学校开始关注我们的进步，在随后的一年中，我们一再从学校的竞争中脱颖而出，陆续获得了国家一类特色专业、北京市一类特色专业和北京市优秀教学团队等称号，2008年又获得国家级教学团队称号。我们的培养体系和人工智能双语教学也分获北京大学的教学一、二等奖。
8 结语·致谢
尽管北大年轻的“智能科学与技术”本科专业建设初见成效，但征程是漫长的，我们还会面临更多的挑战和问题。然而，智能科学这个本科专业方向是很有希望的，它不仅吸引了大学的新生，也在高考人群中产生着愈加重要的影响，它的健康发展需要大家共同的努力和精心培植。每所大学都有不同的特点，我们应该从学校、师资、方向、生源以及学科培养性质和目标等条件出发来建设新兴专业。以上是笔者对北京大学第一个“智能科学与技术”本科专业创建历程的回顾，希望与同行共享。
在专业建设过程中，许多人给予了热情帮助和支持。这里要特别感谢北大信息学院陈徐宗教授，感谢中国人工智能学会涂序彦和王万森教授。
最后引龚定庵一句名言：“但开风气不为师”。
9 总结与展望
本文介绍了厦门大学智能科学与技术系在学科发展、科学研究和人才培养方面的基本建设情况。我们希望这些初步的工作总结能对目前正积极筹办本专业的兄弟院校起到一定的借鉴作用。
“智能科学与技术”专业在我国的发展尚属初级阶段。尽管近几年得到了国内部分高校的重视，但其发展并不是很快，且进一步发展也存在一些障碍。比如，从专业配置来看，目前智能科学与技术并非一级学科，多数学校的“智能科学与技术”专业博士培养都是依附于其他相关专业。从长远来看，这并不利于整个学科的发展。希望通过各相关高校的广泛交流和积极配合，“智能科学与技术”专业在国内的发展能更上一层楼。
关键词：武器控制系统，智能化，标准化
科技的飞速发展、世界局势的不稳定，使空中作战任务复杂多变，对飞机的战术技术性能和功能的要求也越来越高。在新机研制费用高、周期长的情况下，充分挖掘现有飞机的潜力、在兼顾先进武器系统和相对落后武器系统的情况下，提高飞机的战术性能成为首选方案。
机载武器控制系统是为适应空战的要求而发展起来的，用以实时控制和监视各种武器的工作状态，并提供和管理武器与其它系统之间的信息。近几十年来，军用战术飞机的设计朝多用途方向发展。为了执行多种战术任务，飞机必须能携带多种类型的武器。为了对所携带的多种武器实施有效地控制，保证武器系统的安全和提高作战成功率，必须有先进的机载武器管理系统。以往的作战飞机的武器控制系统大都使用硬线控制系统，而且对地攻击武器和对空攻击武器是分别控制的，分立式武器控制系统有诸多缺陷。因此，在计算机接口技术、多路传输总线技术、人工智能技术在军事领域应用不断深入的今天，设计统一管理对地攻击及对空攻击武器的智能化武器控制系统(Intelligentize Weapon Control System ，简称IWCS)，代替飞机上各自独立的武器控制系统，不仅能提高飞机的作战效能，而且能减轻飞行员的负担。
1分立式武器控制系统的缺陷
1.1控制分散
飞机上使用的对地攻击和对空攻击武器控制系统都是相对独立的，是分立式武器控制系统，飞行员操作使用不便，武器系统不便统一管理。免费论文。
1.2线路复杂，标准化程度低
分立式武器控制系统大多使用常规模拟电路设计，部件多、分系统多、硬件电路复杂、为把更先进的武器系统加到武器控制系统中，常常需要重新设计和布线。免费论文。同时飞机与武器之间的互用性差。
1.3飞行员操作界面复杂、智能化程度低
飞行员座舱内武器控制面板上开关、按钮、指示灯数量多，位置分散，提示信息单调，使飞行员操作不便，作战效率低。
2IWCS的功能
智能化武器控制系统用以实时控制和监视各种武器的工作状态，并按作战要求将武器从飞机上投向目标，同时提供和管理武器系统与其它系统交联的信息。其主要功能是：提供武器接口；装入、保存并显示武器的种类、型号、位置、数量、状态等信息；选择武器和武器投放方案；确定武器外挂位置的战斗准备；控制武器的发射或投放顺序、时间间隔等，启动武器的投放；为导弹提供离轴制导；为光电制导武器的电子装置提供接口；具有应急投放功能；具有自检测功能，当出现不协调或故障时，能自动告警并提供应急选择方案。
3IWCS硬件组成
智能化武器控制系统主要由显示控制部件、武器控制计算机、传输总线系统、对地武器接口部件、对空武器接口部件、武器载荷等组成，其组成框图如图1所示。武器控制计算机是智能武器控制系统的核心，用来处理显示控制部件输入的信息及相关航空电子设备出送来的数据，信息通过多路传输总线1553B传输。通过软件处理所有数据，控制与其相连的其它部件。
武器控制计算机向系统提供全部控制、监视和投放信号。它与显示控制部件、航空电子分系统、武器接口部件等相连。处理各部件传来的数据并控制与其相连的部件。
显示控制部件是智能武器控制系统的人机接口部件，包括武器控制板和多功能显示器。多功能显示器通过标准显示器接口与武器控制计算机相连，用于显示武器挂点的状态，供飞行员监视外挂投放装置及武器的状态与使用条件；用于显示辅助决策专家系统的询问、攻击方案提示、使用方法提示等。武器控制板是一个多功能专用板，由可编程开关、按钮、指示灯及数字小键盘组成，驾驶员可通过武器控制板输入机载武器控制系统需要的初始信息，并通过武器控制板对辅助决策专家系统作出响应。
传输总线系统完成系统各部件之间信息的传输，包括总线控制器、多路传输终端、传输线路、传感器等。总线控制器由软件编程控制，是武器控制计算机与传输线之间的接口。免费论文。多路传输终端用于将传输线与远距离终端连接起来。
对地武器接口部件及对空武器接口部件是将武器载荷与控制计算机相连接的部件，它通过多路传输总线与控制计算机相连，将武器载荷提供的武器信息调制转换成计算机可接受的信息，通过传输总线送入控制计算机；控制计算机传来的指令信息经功率驱动等处理后，传输给武器载荷。
武器载荷由武器悬挂装置（挂弹架、导弹发射架等）和所悬挂的武器弹药
组成。它们分别与对地武器接口部件和对空武器接口部件相连，悬挂装置的型号、状态及武器的有无、种类、型号等信息通过接口部件传给控制计算机，控制计算机发出的指令经接口部件传给武器载荷，完成武器最终发射或投放。
4IWCS软件设计
4.1 应用软件结构
本系统中应用软件的功能是采集并处理各种监控信号，并按指令向系统提供控制和武器发射/投放信号。应用软件采用模块化设计，包括主控模块、任务设置模块、辅助决策专家系统、自检测模块等，软件工作流程图如图2所示。
主控模块负责整个武器控制系统的管理，包括人机界面、输入/输出接口的管理、功能菜单的管理等；动态监视系统各部分的状态信息，接收与系统交联的其它系统传送的数据，通过专家系统进行推理判断，调用相应的处理程序。
任务设置模块的功能是：设置目标类型、相对本机的位置等初始条件，启动辅助决策专家系统。
自检测模块用于检测发射/投放电路的完好情况，当出现故障时，自动切换到备用方案。
4.2辅助决策专家系统的设计
辅助决策专家系统属于嵌入式专家系统，具有较小的知识库、简单的推理机制，由于其结构简单、又能满足系统需要，是一种比较实用的专家系统。系统用来对飞机武器控制过程中出现的各种情况进行辅助决策，根据初始条件、提出可供选择的战斗方式，并推荐武器类型、发射/投放方式、投放顺序等最佳使用方案。驾驶员可以对系统推荐的方案进行取舍或修改，修改后的方案又作为新知识充实到知识库中。
专家系统是人工智能的一个最新的研究领域，是具有相当数量权威性知识，并能运用这些知识解决特定领域中实际问题的计算机程序系统。它根据用户提供的数据、信息或事实，运用系统存储的专家经验或知识，进行推理判断，最后得出结论，同时给出结论的可信度，以供用户决策之用。人们事先把某些专家的知识总结出来，分成事实和规则，以适当的形式存入计算机，建立起知识库，并根据某些商定的原则，确定推理规则。根据这些专门的知识和规则，系统对输入的原始数据进行推理，做出判断和决策，因此能起到专家的作用，大大提高了工作效率和工作质量。专家系统的结构如图3所示。
知识库是问题求解知识的集合，含有显示地表示的各种知识块，包括基本事实、规则和其他有关信息，是专家系统的核心组成部分。本系统中知识库的建立依靠武器控制领域专家的经验知识和理论知识，经验知识从有丰富经验的驾驶员对武器操作经验中总结获得；理论知识是经过大量的理论研究计算得到的。
推理机是专家系统的“思维”机构，是实施问题求解的核心执行机构。其主要功能是协调、控制系统，决定如何选用知识库中的知识，对用户提出的证据进行推理，求得某个问题的解答。因为在空战过程中，作战环境不断变化，系统对外界的反应也应随之变化，这样就形成了一些不确定的和不精确的事实，为了满足系统的不确定性和不精确推理判断技术以及系统的实时推理算法，专家系统采取确定性和概率性的推理运算机制，同时，考虑经验系数，以提高系统的置信度。
知识库与推理机分离的设计体系，使得知识的增减和修改不影响整个专家系统的工作，随着时间和条件的变迁，可以及时更改知识库，以提高系统的智能化水平。
4.3 挂点的显示格式
合理的选择挂点的显示格式，能减轻飞行员的思考负担，使飞行员能更快速准确的作出反应，提高作战效率。现代航空电子中常用的显示格式有字母、图像、字母与图像兼有三种格式。系统选用字母与图像兼有的显示画面，分别用
表示飞机、挂架、火箭（用字母R表示）、炸弹（用字母B表示）、导弹（用字母M表示）等。向下箭头所指位置为当前攻击武器。图4为一挂点显示画面实例。
5结束语
本系统应用计算机接口技术、数据传输系统技术、专家系统技术设计了智能武器控制系统，克服了以往武器控制系统部件多、分系统多、硬件电路复杂、维护困难、增加新武器系统难等弊端。友好的人机界面使飞行员的操作变得更简单，标准化的接口设计使得增加新武器系统和在不同飞机和武器之间移植只需改变相应软件即可实现，使系统具有一定的通用性。本系统已在实验室的机载武器控制智能仿真系统中实现，并收到了良好的效果。
参考文献：
[1].李青等. 某型军用飞机外挂物管理系统应用潜力分析. 火力与指挥控制.2001年第1期
[2].蔡自兴. 智能控制----基础与应用. 北京：国防工业出版社. 1998年
[3].陆彦陈根社.飞机外挂物管理系统研究.光电与控制.1991年第1期
[4].张海藩.软件工程导论.北京：清华大学出版社.1998年
关键词:算法设计与分析;教学研究;教学质量
中图分类号:G642 文献标识码:B
1引言
“算法设计与分析”是计算机科学与技术学科的核心课程之一,受到越来越多的重视。对于一个计算机专业的学生,学好算法课是必要且是必须的。“算法设计与分析”这门课程的主要目的不仅是讲授计算领域中不同问题的标准算法,更重要的是分析其算法复杂度,并且在诸多可行算法中选择一种时间或者空间效率最高的方法。美国著名算法大师Donld Knuth认为“计算机科学就是算法的研究”,他主持设计的TeX排版系统被誉为是“不存在Bug的系统”,这是以大师严密的算法设计基础为保证的。前微软高级副总裁李开复博士认为“计算机科学实质是人工智能”,而人工智能则是模拟人类思维的一种算法科学。计算机算法的应用已经遍及人类社会的各个领域,包括计算机软硬件机器学习、电信及互联网、一般制造业、经济与金融业等。算法技术不仅在计算机领域,而且在其它理工及社会科学领域都有极其广泛的应用。任何问题的求解,都离不开一般性的算法设计原则,在笔者执教的学校,数学和信息安全两个非计算机专业已将该课程列为必修课程。因此,提高“算法设计与分析”课程教学水平有着极其深远的意义和重要的作用。
2教材选择
近年来,国内引进了一些优秀的国外教材,其中的《算法导论》是国际上被引用频率最高而且知名度也最高的专著,但是由于它篇幅过长,在国外多用于两个学期的教学课程,因此难以将该教材系统地用于学时有限的本科教学;《算法设计与分析》是美国工程院院士UIIman等三位大师合著的优秀教材,该书的目的是将算法领域的基础研究结果进行综合,重点在于对算法思想过程的理解,而不是算法的实现细节和具体的编程技巧。但是该书内容和习题难度都较大,因此更适合作为研究生教材。国内的专家王晓东和周培德所编写的教材也很优秀。这些教材都被我们重点推荐给学生作为参考书。
出于上述考虑,我们最终选择了沙特学者M.H.Alsuwaiyel所著的《算法设计技巧与分析》作为教材,该书基本覆盖了传统算法设计的主要内容,此外还包含了概率算法和近似算法等一些基本内容,这些内容在传统教材中并不多见,是一些高端算法经常使用的方法。虽然该书不是欧美传统名校教材,但作者在南加州大学攻读获得硕士和博士学位,因此该书吸收了欧美优秀教材的风格,且文笔简洁流畅。该书的内容及习题难度适中,便于课堂教学及自学,是一本适合本科教学的好书。
如果一个本科生能够学好本教材,并在后面的硕士阶段,学好UIIman的《算法设计与分析》,之后再将《算法导论》学习好,则必将打下坚实的算法理论基础,为终身的职业生涯所受用。
3兴趣培养
本课程的教学对象是大学理工科三年级学生,要求他们不仅具备数学分析、概率及线性代数的基础,而且具备离散数学和数据结构等计算机专业基础知识。很多学生刚学过数据结构,翻开算法教材,有似曾相识的感觉。教材中确实有部分章节如数据结构,排序算法,图的遍历等取材于数据结构课程。因此会有些学生学习热情不高,认为是在学习重复的课程。
针对这一情况,首先我们会教育学生两课程的目的是不一样的。数据结构的目的是教会学生如果对现实世界中的事物及对其信息处理过程建立数据模型;而算法设计课程的重点是算法的效率问题,其主题是算法的空间和时间复杂度,主要论述如何运用算法技术改进已有一些算法的效率,或者对复杂问题进行求解。
近年来,计算机硬件和软件技术发展迅速,CPU、外存、内存的性能在持续提高,价格却大幅度下跌。因此有很多人认为,软件的效率已经不再重要了,只要提高计算机系统的配置就足够了。这种观点显然是错误的。
我们在第一节的绪论课中引用《算法导论》的例子,深入浅出地阐明了算法效率的重要性。设有两个排序算法:其一是插入排序,时间复杂度为c1 n*n, c1是一个不依赖于n的常数;其二是归并排序,时间复杂度为c2 nlog n,c2是一个不依赖于n的常数,一般情况下c1< c2。n是待排序数列的长度。对于这两个实质上属于不同数量级的算法,很多人并未真正感觉到log n比n优化多少,甚至当n较小时,插入排序比归并排序还要快速一些。但是我们必须认识到,当n逐渐增大到一定数值以后,无论c1比c2小多少,归并排序均比插入排序快速。在大规模数据集上排序结果的对比,则效果更为显著。假若在高性能计算机A(10亿指令/秒)上运行插入排序,而在低速计算机B(1千万指令/秒)上运行归并排序。此时硬件条件是机器A比机器B快了近100倍;软件先决条件是 c1值为2, c2值为50;数据集的规模n为100万。
计算得到:
机器A运行时间为2*(100万*100万)/10亿=2000秒
机器B运行时间为 50*100万*lg(100万)≈100秒
结果是惊人的,用了快100倍的机器处理相同的数据集,反而慢几乎20倍。如果数据集大10倍为1000万,那么机器A要算2.3天,机器B只要20分钟,这一差距是令人震惊的。
事实上,算法技术的发展没能跟上硬件的发展,其发展空间还很大,盲目崇尚硬件建设而忽视算法技术的观点是错误的。
在电信应用中,虽然硬件和软件技术发展很快,但是用户的需求更是呈爆炸式增长。一个国家网内就可能有成百万实时在线用户,每秒几十万次用户交互发生,夜间有成千万的话单记录要处理。当一台内存中存放近百万用户资料,则浪费16个字节就是浪费16M空间。如果记录的数据结构及处理算法设计不合理,则内存很容易不够用,大量工作任务会被抛弃。要在这样的平台软件上构建软件,必须对每个字节空间、每个计算机指令的使用优化到位。否则,即便有先进的计算机系统,一般的软件技术是无法承受高性能、高容量计算的需要的。算法技术能支持开发人员在软件设计阶段从理论层面保障系统的效率达到最优。
经首次引论性教学,绝大多数同学认识了算法课程重要性,明确了学习目的,获得了较好的教学效果。
4理论教学
课程教学组在教材内容上选择了以下内容:
(1) 算法分析基本概念,数学预备知识。这些都是本课程工具性方法。
(2) 堆和不相交理论。介绍了能有效实现优先队列的数据结构。
(3) 归纳法、分治、动态规划。介绍了计算机技术中十分重要的递归为主题的设计技术,递归要求能够将待解问题抽象为递推表达式,确定初试值和递推终止条件后就能将复杂问题化解为嵌套的简单问题。
(4) 贪心算法。介绍了如何求解最优化问题。
(5)NP完全问题。介绍不确定性图灵机在P时间内能解决的问题,这类论题对于培养学生将来思考问题复杂度是个导论。
(6) 回朔法。介绍有组织的穷尽搜索算法,对一些问题尤其是解空间很大的问题有效。我们介绍了3着色、8皇后等经典问题。
(7) 概率算法和近似算法。一般性介绍近20年来算法研究迅猛发展的领域,以扩展学生知识面,但不做考核要求。
其他内容如数据结构、图遍历等是数据结构和图论课的内容,本课程内不做讲解,供学生预习课程时选读;对于域指定问题的迭代改进和计算几何技术等高级课题,推荐学生根据兴趣自学。
近年,越来越多的国内高校主张双语教学。我们也有这样的规划,但是考虑课程有一定深度,三年级本科生英语运用还有限,为此达到最好的教学效果,在教学中先采用中文教学。但是我们鼓励学生同步阅读英文版教材,以更好地适应未来科研和国际化软件研发的需要。
5科研方法及实践能力培养
科研式教育并不是新生事物。在二十年前,我国清华大学、中国科技大学等名校就对高年级学生讲授研究生课程,并进行导师制研教结合型教学,使得很多学生读研时就能取得优秀的成果。作者所执教的是重点工科院校,有很多有利的因素便于我们展开科研式教学:一是有超过60%的学生主观上有本科毕业后继续深造的愿望;二是学校有丰富的图书馆资源,能全文检索CNKI、硕博士论文、IEEE、ACM、ELSERVIER、SPRINGER等中外优秀电子数据库。在教学中,作者也将在科研中读到的一些新颖实用且难度适中的论文摘录下来介绍给学生,并将自己研究生阶段的学习方法介绍给学生。除了阅读教材,我们还鼓励学生读一些高端的杂志,例如计算机学科领域的四大学报,ACM期刊,Software Experience and Practice,Information Processing Letter等刊物,从其中检索感兴趣的论题。读核心期刊有几点好处:这些刊物审稿严格,文章无论是学术性、前瞻性、理论正确性及写作水平都有保证;减少检索的开销。读者可以先在这些高水平杂志中找到自己感兴趣的主题后,再广泛检索与主题相关的其它刊物或会议文章。引导学有余力的本科生读高水平论文并不是过高要求,算法设计及数据结构教材中大部分章节内容其实也都是来源于前二十至五十年的国际知名算法学术期刊,其中选择ACM、IEEE及ISAM杂志内容的比例最高。现在的一些学术期刊中刊出的优秀算法,过几年就会被大量的引用或实际应用,也许再过十至二十年后就会被引入未来的教材之中。
我们认为,在本科高年级展开研究式教学对学生长远发展有好处。对打算深造的同学,可以潜移默化地引导他们思索自己未来的发展方向,有很多成功的学者就是在大学受到某门课程老师的影响而走上科研道路的。科学研究是一个漫长的过程,很多工科博士生学习到第三、四年后才开始发表一级论文,很多硕士生毕业前才急忙撰写可发表成果。而同时有些博士生入学两年就能取得丰硕的成果,很重要的因素是他们在本科高年级阶段就培养了研究型思维,为以后深造明确了方向并作好了理论准备。如果本科阶段就培养研究型学习方法,那么在日后深造过程中多出成果就是水到渠成的事。而如何培养学生良好的研究习惯,正是我们教师要不断探索的论题。
重视理论而实践不足,是我国高校普遍存在的问题。
在国际上,知名的软件鲜有来自中国人的原创。所以我们要更加重视培养学生实践能力。
实验环节,我们布置了基本的排序、递归、贪心、回溯等论题的实验,鼓励学生用不同的编程语言实现,不仅仅是单纯的算法实现,最好能够编制出实用美观的界面,将算法更友好地呈现出来。无论以后的工作或者深造,目标是可应用或者可发表的成果,都需要研发者具有较高的实践能力。我们认为实践与理论教育是并重的。
6结束语
通过四年的教学实践,学生对此课程实践的参与度越来越高。通过教育方法的不断改进,学生的课程成绩也一届好于一届。更为重要的是,通过启发引导式教育,很多同学开始萌发研究型思维,课余经常向老师提问,有的问题有较高难度,老师都要回去研究资料才能解答。在来自本校新入学的硕士生中,不少同学反映受益于此课,有些同学读研究生后不久就在一级学报上发表了算法类论文,这也正是我们当初所期待的。我们教师仍然要不断提高自身科研水平,并将研究成果及方法引进课堂,提高教学效果和质量。
教学中,还发现一个现象,数学系的学生比计算机系的考试成绩要高一些。最简单的因素,是他们理论思维能力更强,如何因材施教,改进教学方法及增强工科学生学习本课程能力,是我们课程教学组今后要探索与研究的方向。
参考文献:
[1] M.H.AlsuwAIyel. 算法设计技巧与分析[M]. 北京:清华大学出版社,2004.
关键词:专家系统;课程建设;教学改革;实验教学;CLIPS
“专家系统”课程是本科专业“智能科学与技术”的特色课程之一,该专业是由北京大学在2004年率先自主建立的[1]。此后,国内很多大学也都陆续基于各自的特色建设开设了该专业,如北京邮电大学、南开大学、首都师范大学、西安邮电大学、北京科技大学、厦门大学、中南大学等。基于一个新兴本科专业设立的专业基础特色课程,应该如何建设,实施教学与改革,突出专业特色?各类学校都在摸索中。中南大学的“专家系统”课程是国家级“智能科学基础系列课程教学团队”主干课程之一,它由国家级教学名师领衔,以双语建设为教学基本手段,以精品意识为指导[2],培养学生自主创新意识,发掘学生兴趣潜能,非常具有专业特色。
1课程建设情况
专家系统使用人类专家推理的计算机模型处理现实世界中需要专家做出解释的复杂问题,并得出与专家相同的结论[3]。其最大特点是不仅可以帮助人们处理信息,还能说明处理的方式和理由[4]。我们结合专家系统课程特色与学习认知过程特点,采取认知教学作为专家系统教学的理论基础[5-6],根据智能科学与技术系列课程教研经验,融合双语教学方式,初步提出课程定位和建设目标,给出了教学基本要求。
1.1课程定位与建设目标
在学习本课程之前,学生最好已经选修过离散数学、人工智能和面向对象的程序设计课程,本课程32个学时,2个学分,其中实验课6学时。此外,“专家系统”还可作为自动化、计算机科学与技术等相关专业有兴趣的学生的选修课程。可为学生提供一种新的手段和方法求解传统方法难解问题,也为学生们了解智能科学与技术领域知识提供良好的窗口。
专家系统成为智能科学与技术本科专业的专业基础课程,目的在于培养学生理解和掌握专家系统技术的基本观念、基本理论和智能科学方法;并灵活设计和构建不同领域的专家系统,解决实际问题,为学习后续课程奠定方法基础。通过教学过程,培养学生善于分析继承已有的科学进步成果、激励学生善于发现问题、分析问题和解决问题的自主科学创新精神。
1.2课程教材设计
本校专家系统课程选用了蔡自兴编写的《高级专家系统:原理、设计及应用》[3]一书,该教材包括专家系统的基本理论、技术方法和实际应用的诸多内容,知识点介绍全面详尽,同时列举了诸多实例,便于课堂分析与课后理解。
根据双语教学的要求,外文参考教材[7]选用了Expert Systems Principles and Programming (Third Edition)一书,该书对CLIPS语言分析透彻,有大量的课后习题与资料,适合学生作为主要参考书目进行课后学习。实验教材选用了电子工业出版社出版的《决策支持与专家系统实验教程》一书,主要利用了同时,根据双语教学的要求,外文参考教材选用了China Machine Press出版的Expert Systems Principles and Programming (Third Edition)一书,该书对CLIPS语言分析透彻,有大量的课后习题与资料,有利于学生作为主要参考书目进行课后学习。我校实验教材选用了电子工业出版社出版的《决策支持与专家系统实验教程》一书。主要利用了该书后半部分内容。目前,国内基于CLIPS的“专家系统”实验教学教材在国内几乎没有容,专家系统课程实验及其教材建设还需进一步改革与探索。
1.3教学要求与知识框架
通过学习,使学生了解和掌握专家系统的相关原理和方法,。要求学生掌握知识表示方法、搜索推理技术的相关内容,熟悉和了解常见的专家系统解释机制、开发工具和评估方法,学会基于规则专家系统、基于框架的专家系统、基于模型的专家系统和基于Web专家系统的结构建立和应用,掌握专家系统的常用编程语言――CLIPS,了解专家系统的发展趋势和研究课题。经过对专家系统课程知识内容进行分类,可分为以下6个模块,如表1所示。。
经过对专家系统课程知识内容进行分类,可分为以下6个模块,如表1所示。
模块一专家系统的定义、发展历史、研究内容、类型、结构和特点以及构建步骤;。
模块二熟悉专家系统时可能采用的人工智能的知识表示方法和搜索推理技术,结合传统人工智能方法和计算智能的一些方法;。
模块三了解专家系统的解释机制、开发工具和评估方法;。
模块四熟悉基于规则专家系统、基于框架的专家系统、基于模型的专家系统和基于Web专家系统的结构、推理技术、设计方法及应用示例;。
模块五掌握人工智能和专家系统的编程语言――CLIPS,了解其他LISP,PROLOG和关系数据操作语言等;。
模块六展望专家系统的发展趋势和研究课题,并了解新型专家系统的特征与示例。
从教学要求角度出发,模块一、模块三和模块六的教学要求相对一般,但却是学生涉及专家系统技术的必备知识模块。相对而言,模块五是基本教学条件要求中最高的一个模块,因为模块二与模块四的深刻理解与系统设计需通过模块五而实现的。
从教学内容的重难点角度出发,模块二是重点部分之一,但因有人工智能课程的基础,相对而言,教学实施过程中较为顺畅。模块四与模块五是专家系统课程重点阐述部分,其中模块五也是难点部分,在实验教学环节中,由于大部分学生初次接触推理性的编程语言,所以需要一定的入门时间和练习次数。
2专家系统课程教学改革实施
2.1基于多媒体的专家系统课程教学
教学应以学习者为中心,以先进教育技术为手段,相辅相成,促进教学效果。人类的感官功能中视觉与听觉器官起到了94%作用[78],而视听觉的协同作业能大大提高学习效率,而。多媒体教学就是一种集声、文、图、色于一体的教学手段之一,其实施。多媒体教学的关键实施内容就是教学设计,而教学设计的难点就是在不增加学生信息加工系统中工作记忆负荷的前提下,用促进生成的方式呈现学习材料,包括教材、课件、讲义、课堂讲解、课后习题等。
结合专家系统课程教学情况,教学设计分为以下3个方面进行详尽阐述:。
1) 把握好课堂教学知识量。
专家系统课程相对智能科学与技术专业第六期的学生而言是非常新颖的一门非常新颖的课程,学生们相对的学习热情比较高,但这里还需仍然需要对学生的先前知识结构和能力有个简单的估计。教师需考虑学生的工作记忆容量,并对学生的长期记忆有个估计,把握学习材料内在负荷。学习材料并非越多越好,关键在于精华,给学生留下深刻印象。“专家系统”课堂教授部分以原理性与推理性知识为主,应增加实践技术实例,这样让学生紧密联系实际应用进行学习,。多媒体视频就是一个很好的表现手段。将制作好的实例视频,向学生们展示,不但让课程氛围活跃,还激发学生对实践教学的兴趣;不但没有增加课堂的知识负荷,还可以留给学生课后对比学习。
2) 多元化课件制作呈现形式。
专家系统是一门推理性知识要求很强的课程,同时也需要掌握一门有利的开发工具方能使学生做到灵活应用。经过教学实践与课后调查发现,学生们对知识表述与相关画面共同呈现的形式比单一媒体呈现形式学习效果好,知识和画面也必须是关联的,呈现位置和各部分的比例也需考虑充分。为此,课件制作是一个“改无止境”的工程,因为每一届的学生具有自己的特点,且专家系统课程知识点的不断更新,每一年都要对课件进行大量的补充与改进。
3) 基于认知教学的课堂讲解过程。
认知教学模式中,是以学生为主体,教学教师起主导作用。课堂讲解是面对面教学活动中的重要环节,,它是多媒体中联系言语与画面的桥梁,是减少学生工作记忆负荷的有效手段。
专家系统课程知识可分为表示性知识与推理技术性知识,根据相关认知心理学理论,可将知识分为两类:陈述性知识和程序性知识[5]。其中在教育心理学中“陈述性知识”是指个人具有有意识的提取线索,能够直接加以回忆和陈述。其实就是关于“是什么”的知识,包括对事实,规则,事件等信息的表达。教育心理学中“程序性知识”是指个人没有有意识的提取线索,其存在只能借助某种作业形式简介推测的知识称为程序性知识,而现代认知心理学为程序性知识以产生式及产生式系统来表征的。所以可将陈述性知识采用“专家系统”中的语义网络形式为基础地表征,而程序性知识的表征形式可用“专家系统”中的产生式系统,以“ifthen”形式表示条件这一关系。众多形式的产生式规则相互联系就组成了复杂的产生式系统。基于认知理论的“专家系统”知识教学实施过程中,首先应选定系统设计内容,掌握开发系统时所需的知识与工具,;其次分析问题,并根据系统的具体特征转化知识。而后;接着对问题模型进行求解,建立和构造知识库,;最后,利用实现工具编写代码,系统联调。
2.2专家系统课程双语教学的实施
专家系统课程是信息学科新兴发展的一门课程,有许多关键性进展相关研究进展和成果的资料均源于英文文献,因而提高学生双语水平是一种大势所需,。同时,双语教学提高了对教师整体素质的要求,在双语教学过程中,有意识的增强教学互动,以问题启发式教学与课堂辩论形式教学,学生通过查阅主题文献进行针对性的演讲或讨论,教师对学生的表现加以评述,并进行补充。这种形式可扩大教师的知识面,使得任课老师了解前沿的研究成果。也可培养学生主动学习的积极性和创新能力,使得课程具有鲜活的生命力。双语教学对教师,特别是教师的其外语水平及其口语表达能力,,。促进了师资整体水平的提高。专家系统的双语教材已在1.2中介绍,但实验教材的设计与编写工作现仍处于空缺,这也是双语教学的需完善的内容工作之一。由于双语教学增加了授课难道难度,进而影响了授课的进度,应充分发挥多媒体先进教学手段对专业术语和难以理解的内容,进行注解,帮助于学生理解。在贯彻双语教学的过程中,除了指定适当英文参考短文或参考书,开发双语课件外,还应使学生接触国内外文献资料,开阔眼界,拓宽知识面,强化双语的意识,激发学生主观能动性,使学生找到课程学习的归属感。
2.3改革“专家系统”课程实时交互活动
专家系统课程是一门理论与实践关系密切的课程之一,课堂留下的作业大多需要计算机编程或计算机辅助教学方能较好的地完成。根据此特点,改革传统的作业形式与批审方法可节约反馈时间,同时可实现“低碳无纸化”办公。利用网络进行作业上交,教师批阅后通过网络及时返回给学生,不但能提高老师的办公效率,也使学生得到快速与准确的反馈。
针对多校区的现状,我们利用网络教学资源,采用了多种交互式策略,通过Email和群讨论组等方式进行在线交流,也可传递参考资料,交流课外成果,实现只要老师在实验室,学生在任何有网络终端PC机处,就能进行了实时交流或批改作业。避免了学生为了课后的困惑问题积压至下一堂课的矛盾,同时也节约了学生往返路程上耗费的时间。
为了进一步体现教学效果,我们下一步拟进行考试方式的变革,应综合考虑课堂出勤情况、平时正式作业成绩、课堂讨论情况和期末课程考试进行综合评分。还应考虑以双语形式进行笔试,当面交卷后进行双语发问。若有课程论文或创新作品表现突出者,可免参加最后的课程考试。使考试不再是学生的负担,而成为衡量与培养创新能力。和口试。
3基于CLIPS的专家系统实验教学
3.1专家系统与CLIPS语言
CLIPS(C Language Integrated Production system)是由美国航空航天局约翰逊空间中心(NASA’’s Johnson Space Center)开发的一种专家系统工具,由C语言编写而成。早期的专家系统工具大都用LISP、Prolog等编程语言开发,共同问题是运行速度慢,可移植性差,解决复杂问题的能力差。CLIPS是基于Rete算法的前向推理语言,其优点包括:①逻辑推理方面的强大功能强。②、可移植性好。③、可扩展性好。④、有利于和其他语言联合使用等。
3.1专家系统与CLIPS语言
专家系统与传统的计算机程序系统有着完全不同的体系结构,通常它由知识库、推理机、综合数据库、知识获取机制、解释机制和人机接口等几个基本的、独立的部分所组成,其中尤以知识库与推理机相互分离而别具特色。用clips语言能够更好地熟悉专家系统的整个组成。CLIPS可为基于规则、面向对象以及过程的编程提供支持(rule-based, object-oriented, and procedural programming)。
以基于规则的专家系统利用CLIPS工具编程作为实例阐述。在CLIPS中找到专家系统基础的组成部分――Fact List、Knowledge Base、Inference Engine。Fact List中存放用于推理的事实,而Knowledge Base包含所有的规则,Inference Engine控制所有的进程。图1所示为专家系统框架示意图。专家系统中最核心的就是知识库,知识库中包含了大量某个领域专家的知识。,为了使计算机能运用专家的领域知识,必须要采用一定的方式表示知识 。目前常用的知识表示方式有产生式规则、语义网络、框架、状态空间、逻辑模式、脚本、过程、面向对象等。基于规则的产生式系统是目前实现知识运用最基本的方法。
3.2专家系统实验教学内容
通过CLIPS软件环境提供了的验证性、设计性和开发性实验,帮助学生更好地熟悉和掌握专家系统的基本原理和方法;,通过实验提高学生总结实验结果的能力,使之对专家系统的相关理论有更深刻的认识。实验内容如表2所示:。
其中,实验1为实验2的基础,这两个实验应与讲授课程穿插,使得学生利用课堂学到的理论联系实际实验操作,通过这两个实验的学习能够掌握专家系统的开发过程、掌握用产生式规则绘制推理树的方法、掌握、编写CLIPS应用程序的方法以及程序运行环境的应用等。实验3是一个有难度的实验,需要大量的课余准备时间,所以在完成实验3的时候,必须预留3周的时间,提前布置给学生,让学生做好实验前的准备,这样方能取得较好的实验教学效果。这些被挑选出来的CLIPS专家系统的代码应是经典的学习内容,通过该实验培养学生独立分析与开发完整的专家系统的能力。
3.3实验教学实例分析
1) 实验目的:学习和理解CLIPS编程语言,通过分析用CLIPS编写的“野人过河”的程序,深入理解专家系统的编程技巧,加深对专家系统的认识和理解。
2) 实验说明:野人过河问题属于智能学科中的一个经典问题,问题描述如下:,有三3个牧师传教士和三3个野人过河,只有一条能装下两个人的船,在河的任何一方或者船上,如果野人的人数大于牧师的人数,那么牧师就会有危险。
假设问题的初始状态和目标状态,假设和分为1岸和2岸: 。
初始状态:1岸,3野人,3牧师;2岸,0野人,0牧师;船停在1岸,船上有0个人;。
目标状态:1岸,0野人,0牧师;2岸,3野人,3牧师;船停在2岸,船上有0个人;。
整个问题就抽象成了如何从初始状态经中间的一系列状态达到目标状态。问题状态的改变是通过划船渡河来引发的,所以合理的渡河操作就成了通常所说的(算符)就是问题求解的关键。,根据题目要求,可以得出以下5个算符:渡1野人、渡1牧师、渡1野人1牧师、渡2野人、渡2牧师,。根据渡船方向的不同,也可以理解为10个往还算符。定义算符知道以后,剩下的核心问题就是搜索方法了,。本程序采用深度优先搜索,通过不断扩展后继结点节点,逐步找出下一步可以进行的渡河操作,;如果没有找到则返回其父节点,看看是否有其它其他兄弟节点可以扩展。
搜索中采用的一些规则如下:
(1.) 渡船优先规则:1岸一次运走的人越多越好(即1岸运多人优先),同时野人优先运走;2岸一次运走的人越少越好(即2岸运少人优先),同时传教士优先运走;。
(2.) 不能重复上次渡船操作,避免进入死循环。;
(3.)任何时候 河两边两岸的野人和牧师数在任何时候均分别大于等于0且小于等于3;
(4.) 由于只是找出最优解,所以当找到某一算符(当前最优先的)满足操作条件后,不再搜索其兄弟节点,而是直接载入链表。
(5.) 若扩展某节点a的时候,没有找到合适子节点,则从链表中返回节点a的父节点b,从上次已经选择了的算符之后的算符中找最优先的算符继续扩展b。
通过实验教学过程中的专家系统开发实例分析,总结了出应用于在许多专家系统项目中的线性生命周期模型,如图32所示。这个模型包括从计划到系统评估的许多阶段,对系统开发的描述一直到功能评估这种程度上。之后,生命周期不断重复:从计划到系统评估,直到系统交付正常使用。
4结语
专家系统课程的发展开发过程是教学研究和教学改革实践相结合的过程,需要不断加强学习、总结经验。本文从总结了专家系统课程定位与、建设目标、教材的选用设计和课程知识框架等方面的总结了“专家系统”课程建设情况。在,并就教学改革过程中注重多媒体教学的效果、双语的实施和课程互动活动的改革等问题进行比较深入的介绍与探讨。通过CLIPS语言与专家系统实验的结合,阐述了实验教学的目的、CLIPS实验特色及和实验方法,体现了基于CLIPS实验教学的优势与特色。在未来的教育领域,专家系统技术将成为信息时代教育发展的新生力军,专家系统也将成为新世纪人类智能管理与决策的得力助手。
致谢注 :本文受国家级智能科学基础系列课程教学团队项目(2008)支持,感谢本文得到中南大学信息科学与工程学院智能所的大力支持,特别感谢蔡自兴教授的鼓励与帮助。
参考文献:
[1] 李蕾,王婵,王小捷,等..“机器智能”课程建设初探[J]. 计算机教育,2009(1):86-92.
[2] 陈爱斌.“人工智能”课程教学的实践与探索[J]. 株洲工学院学报,2006,20(6):137-139.
[3] 蔡自兴,Durkin,龚涛. 高级专家系统:原理设计及应用[M]. 北京:科学出版社,2005:1-2.
[4] 蔡自兴. 智能控制导论[M]. 北京:中国水利水电出版社,2007,:28-29.
[5] 杜海琼,张剑平..“专家系统”教学的认知教学理论基础及其教学实施[J]. 现代教育技术,2008,18(8):18-21.
[6] 杜海琼,张剑平. 认知学徒制在“推理与专家系统”教学中的应用[J]. 现代教育技术,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. 正确运用多媒体,促进认知学习的最优化[J]. 思茅师范高等专科学校学报,2002,18(4):55-57.
[8] 杜晖. 决策支持与专家系统[M]. 北京:电子工业出版社,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课题介绍
随着计算机技术的飞速发展，计算机作为知识经济时代的产物，已被广泛应用于社会各个行业和领域，而素质教育在学校不断的深化，学校对学生的实践能力也越来越重视，所以学校的实验室和实验课课时也越来越多。如何编排实验室实验教学课表?以往在实验室管理中，都只能通过人工的方式编排[1]。但是，伴随着各类学科范围的不断扩大，各个院系的实验学科科目逐渐增多，以至于庞大的课时、众多的教师、复杂的实验室信息令实验室的管理人员头晕脑涨，无法合理、迅速、高效地制定出相应的排课计划[2]。采用手工方式排课，有时需要花费一个月甚至更长时间才能完成一个学期的排课任务[3]。这就促使我们必须采用一些辅助的手段来帮助。因此，实验室实验教学排课系统就成了需要。作为计算机应用的一部分，使用计算机对学校实验室排课进行管理，具有着手工管理所无法比拟的优点[4]。例如:检索迅速、查找方便、可靠性高、存储量大、保密性好、寿命长、成本低等。这些优点能够极大地提高管理的效率，也是学校的科学化、正规化管理及与世界接轨的重要条件[5]。
2国内外的研究状况、发展趋势
这个实验室实验教学排课系统的主要问题还是排课问题。国外针对排课问题展开的研究较早。1963年CCGotlieb在他的文章《TheConstructionofClass-TeacherTime-Tables》中提出了课表编排的数学模型[6]。这篇文章引起了人们对于排课问题的重视。1976年SEven在其论文《TheComplexityofTimetableAndMultiCommodityFlowProblem》中[7]，第一次证明了课表问题是NP完全的。SEven的论证进一步地将人们对课表问题复杂性的认识提高到理论高度。国内对排课问题的研究较晚，1984年，清华大学在《清华大学学报》上发表了林漳希和林尧瑞在该课题上的实验性研究成果《人工智能技术在课表编排中的应用》[8]。
为了使课表的编排更准确、合理、快速，高校教务部门已先后开发出一些适用的排课系统。我们发现这些软件有以下不足:每个学期的课程、教师、教室信息相对固定，但却不能被重用;不能保存每个学期的历史数据，不便教师对以前课表进行查询;未提供用户的分级使用制度;自动排课速度较慢;形成的课表大小不固定，增加打印难度[9]，因此现在的排课系统正在向解决这些问题的方向发展。
3实验室排课系统的原则
根据目前高校课程体系构设置特点，实验室实验教学排课系统要考虑以下各种因素：
首先：要做到每个班级、教师、实验室各种资源不冲突，这是实验室实验教学排课系统最起码的原则[10]。
第二：先排有指定要求的课程。指定要求包括教室和时间都指定、指定时间或指定教室等情况。
第三：按事先设定的优先级将不同类别的课排在不同的时间段。
第四：学生上课时间分布的均匀性。时间的均匀性是指在一个星期内同一门课程在天数安排的均匀性。比如说数据构课在一周内要上三次，且都在实验室里上，实验室实验教学排课系统要做到最好安排在周一、周三、周五这三天来上。
第五：学生实验课节数分布的均匀性。这是为了保证一个专业的课程安排在一周内不总是上一天内的第一、二节或者总是上最后一、二节。
第六：可以将课表导出到word中，并进行打印操作。
第七：可以手工调整课程的时间[3]。
4实验室排课系统的局限性
排课系统分为计算机处理和人工调整两个部分。计算机处理是有一定局限性的。局限性主要体现在两个方面:
首先计算机排课与人工排课是有区别的。人的思维可以是收敛也可以发散的，因而排课时非常灵活，随意性较强，工作步骤可以随情况的变化而调整，觉得怎样更合理就怎样做，甚至可以只推翻某一部分重排，亦可以进行网络式的回溯调整。计算机就不同了，它目前并不具有人脑那样发散的思维能力，它的大脑里的一切信息都是由程序和数据组成的，每一步工作都需由人把自己的工作经验抽象成计算机语言，根据一定的程序进行控制，让其领会人的意图而达到预期的排课目的[11]。
其次计算机调度系统本身所具有的局限性。计算机虽然可以精确地处理大量的数据，但由于现有排课程序算法模式不可能太多，回溯调整的范围、深度不可能太大，否则程序太复杂。实际上目前由于受计算机固定思维和程序规模的限制，单纯依靠计算机处理排课数据是不可能达到最佳的排课效果的[12]。
5实验室排课系统构
5.1基本组成构架
整个系统分为登录子系统、排课子系统、课表子系统和综合管理子系统。
用户登录：包括对用户的合法性验证，用户的分类，并根据不同类型的用户分配不同的权限。
排课功能：通过已知的信息，尽量避免课时、老师、实验室的冲突，通常情况下是由任课教师根据已知信息至少提前一周进行排课，这样老师就可以选择上课时间，方便排出学校、老师、学生都满意的的实验教学课程表。如果任课教师要取消排课也要提前一周进行，如要临时取消课程必须与管理员联系，由管理员进行取消。这样可以减少管理员的工作量。
课表：对已排好的实验教学课表进行，不同的用户可以根据自己的需要按不同方式查询课表。本系统还实现了将课表导入word，这样可以方便的打印排好的课程表。
综合管理：主要是管理个人信息、教师信息、实验室信息、课程信息、班级信息，时间控制信息等。在这里面可以对这些信息进行添加、修改、删除等操作。
5.2平台选择
本系统采用VC#.NET和SQL来开发，VC#.NET是基于VisualStudio.NET的，它综合了VisualBasic的高生产率和C++的行动力，使生产性能得到了提高，它具有比C和C++更简单的语法，比Java更适合融入Microsoft的技术[13]。SQL是关系数据库的标准语言，它已成为关系数据库产品事实上的标准[14]。
6结束语
如今国内软件市场上也有很多通用型的排课软件，例如排课无忧，排课高手等等。这些通用软件往往无法满足学校的某些特殊要求[10]。因此，针对学校的一些特殊要求，需要开发出满足不同要求的排课系统。本设计主要是针对我系的具体要求开发出一个满足一定条件的实验室排课系统，在设计过程中，需要掌握VC#.NET和SQL的相关知识。
参考文献
1邱锦伦，曹旻.VisualC#.NET程序设计教程.北京：清华大学出版社，2006
2何克抗.《现代教育技术》.北京师范大学出版，1998.11
3王晟.VisualC#.NET数据库开发经典案例解析.北京：清华大学出版社，2005
4黄明，梁旭.ASP信息系统设计与开发实例.北京：机械工业出版社，2005
5王辉，黄红超.ASP.NET实用教程.北京：清华大学出版社，2005
6CCGotlieb.TheConstructionofClass-TeacherTime-Tables，1963
7SEven.TheComplexityofTimetableandMultiCommodityFlowProblem，1976
8林漳希，林尧瑞.人工智能技术在课表编排中的应用.北京：清华大学学报，1984
9王力.高校通用排课管理信息系统的设计与实现.贵州：贵州工业大学学报，1999
10刘振岩，刘慧敏，王欢.ASP.NET数据库开发.北京：清华大学出版社，2004
11田辉.ASP.NET2.0开发技术简明教程.北京：清华大学出版社，2008
12齐炳和，许学东.微机编制课程表工作中的问题和对策.济南：山东工业大学学报，1995
13前沿软件研究室，郑小平.VisualC#.NET开发实践.北京：人民邮电出版社，2001
