基于智能課程群的“智能信息處理”課程教學探討

張 俊，寧 博，白 梅，李冠宇

（大連海事大學 智能科學與技術系，遼寧 大連 116024）

1 背 景

“智能信息處理”課程是智能科學與技術專業（簡稱智能專業）的重要專業課程。該課程具有鮮明的特點，一是包含的知識范疇比較廣，不僅包含神經計算、進化計算、模糊計算等知識，還包含可拓計算、云計算、量子計算等眾多智能信息處理理論、方法和技術；二是學習內容難度比較大，其學習內容在計算機科學與技術等相關專業是研究生階段學習的內容，不僅要求學生掌握良好的數學基礎知識，更要求學生具有良好的算法設計與分析能力。各個學校智能科學與技術專業各具特色，而且學時學分設置不同。例如西安電子科技大學開設“智能計算導論”[1]，主要內容包括仿生過程算法（模擬進化計算）、仿生結構算法（人工神經網絡算法）和仿生行為算法（模糊邏輯與模糊推理）；河北工業大學開設“智能信息處理”課程主要內容包括模糊集與粗集理論、人工神經網絡、遺傳算法、群體智能、人工免疫、量子計算和信息融合等[2]。而“智能信息處理”課程實驗設置也不盡相同[3]。合理設置和安排“智能信息處理”課程教學內容，提高教學效果，是值得繼續關注和研究的問題。

所謂智能課程群，是指由多門具有先修或者后修關系、內容緊密相關（即內容具有承前啟后或者互為補充）的智能專業的專業基礎課、專業課程或者專業實踐課程構成的智能類的課程群。

2 “智能信息處理”課程概述

2.1 全國各高校“智能信息處理”課程設置現狀

自2004年北京大學開設智能科學與技術專業以來，到目前為止全國已有50余所高校設置了智能科學與技術專業，其中有些高校智能專業偏計算機科學與技術學科，有些偏自動化學科，有些偏測量與控制學科，這些專業特點必然導致各個學校的專業課程體系設置各具特色。表1總結了全國8所高校開設“智能信息處理”課程的情況。

由表1可知，各個學校開設“智能信息處理”的課程名稱并不完全相同，北京大學、華南理工大學、大連海事大學開設“智能信息處理”，而北京郵電大學開設“計算智能”，西安電子科技大學和重慶郵電大學開設“智能計算導論”或者“智能計算基數”課程，其他大學有的開設“智能算法及應用”，有的開設“神經網絡”；有的學校把“智能信息處理”課程分為多門課程單獨開設，如北京科技大學開設“模糊系統理論”和“智能算法及應用”兩門課程，北京郵電大學開設“計算智能”和“群體智能”兩門課；各個大學相關課程的學分也不盡相同，分別從4學分、3學分到2學分不等，相應的總學時、理論課學時和實驗學時也不相同。另外各個高校的開課性質和學期也不相同，有的是必修，有的是選修，有的在四年級第一學期開設，有的在三年級第一學期或者第二學期開設。

表1 部分高校智能科學與技術專業開設“智能信息處理”相關課程情況

2.2 “智能信息處理”教材概述

“智能信息處理”包含的知識范疇比較廣，目前已出版的主要有“智能信息處理”和“計算智能”教材，各本教材所包含的內容也不盡相同，見表2。

由表2可知，“智能信息處理”類教材含有的知識領域比“計算智能”類教材要廣，而上述兩類教材一般都包含了模糊理論、粗集理論、神經網絡、進化計算和群體智能等內容。

2.3 傳統的“智能信息處理”課程教學方法

傳統的“智能信息處理”教學方法主要是根據課程本身來設計教學內容，根據教學內容設計教學方法，并且以課堂教學為主。傳統的教學方法沒有從課程群的角度出發系統地設計課程體系以及課程的教學內容。從全國各高?！爸悄苄畔⑻幚怼闭n程設置現狀和教材概述可知，各個學校根據各自的專業特點設置“智能信息處理”課程的教學內容，教學內容各不相同；相關課程的教學內容設置也會有較多重復，使得課程之間分工和銜接不夠理想，從而影響學生的學習積極性，最終影響了教學效果和學習效果。

表2 “智能信息處理”教材內容

3 基于智能課程群的“智能信息處理”課程教學方法

3.1 以“智能信息處理”課程為核心的智能課程群體系設置

由于智能專業還沒有官方的專業建設規范，各個學校智能專業的課程體系設置差別還是比較大的。在專業建設的過程中，我們逐漸理順課程之間的關系，不斷優化課程體系和教學內容設置，形成了以“智能信息處理”課程為核心的智能課程群，如圖1所示。

圖1 以 “智能信息處理”課程為核心的智能課程群

如圖1所示，“智能信息處理”課程的先修課側重智能理論的學習，包括“人工智能基礎”和“模式識別”；“智能信息處理”課程則側重智能方法和技術的學習，與其同時開設的課程還包括“不確定性計算”和“機器學習”課程；而“智能信息處理”的后修課程側重智能系統和智能應用的學習，包括“智能系統導論”“數據倉庫與數據挖掘”“智能信息檢索”和“智能信息系統課程設計”等課程。

為了避免課程之間的教學內容重復，以“智能信息處理”課程為核心，先修課程、同時開設的相關課程，以及后修課程之間的教學內容需要分工與協調，如“不確定性計算”課程講授模糊計算和粗糙集等內容，則“智能信息處理”課程不講模糊計算，重點講述神經計算、進化計算和群智能等內容。

3.2 教學內容設置

“智能信息處理”課程教學內容通常包括模糊計算、神經計算、進化計算和群體智能4部分。但在基于智能課程群的課程體系設置中，由于“不確定性計算”課程已包含模糊計算和粗集理論等教學內容，因此，“智能信息處理”課程教學內容只需包括神經計算、進化計算和群體智能3部分。

神經計算、進化計算和群體智能等知識領域所包含的內容非常豐富，每一部分都有很大的深度和難度，也都有相應的單獨的專著或者教材來講述。因此，針對“智能信息處理”知識范疇比較廣泛和學習難度比較大的特點，“智能信息處理”課程內容設置主要遵循兩個原則：一是既要與其他相關課程內容相互銜接，又要避免與其他相關課程內容重復；二是遵循講授“基本概念、基本思想、基本算法和基本應用”等“四項基本原則”，即著重介紹智能信息處理的基本概念和基本思想，著重分析基本的智能算法，在此基礎上介紹相應的改進算法及其應用?；谥悄苷n程群的“智能信息處理”課程教學內容設置見表3。

3.3 教學方法改革

“智能信息處理”課程具有較深的學習難度和廣度，一方面該課程對學生的要求比較高，在具有良好的數學基礎和算法設計與分析能力的基礎上，既要提高課堂學習效率，又要多花課外時間融會貫通所學知識；另一方面該課程對任課教師的要求也比較高，具有比較高的授課難度，既要求任課教師具有較高的數學功底和推導演算能力，也要求教師能夠采用靈活的教學方法和深入淺出的教學語言把復雜的智能算法講清楚講明白。我們探索了一些課程教學方法改革。

3.3.1 遵循“四項基本原則”，培養學生智能信息處理思維

所謂“四項基本原則”是指“基本概念、基本思想、基本算法和基本應用”，即在教學過程中，著重從智能信息處理的基本概念和基本思想出發，重點講授基本的智能算法和基本的智能應用，把學生領入智能信息處理的大門，使得學生掌握好扎實的智能信息處理基礎知識、基本理論和方法，為未來進一步學習智能信息處理理論、方法和技術奠定堅實的基礎。

表3 “智能信息處理”課程教學內容設置

在遵循“四項基本原則”的基礎上，著重培養學生形成較為全面的智能信息處理思維。我們認為，掌握好“智能信息處理思維”比掌握更多的“智能信息處理算法”更重要。俗話說“不怕做不到，就怕想不到”，就是強調“思維和想法”比具體的“方法和技術”更重要。因此，我們在講授“基本概念、基本思想、基本算法和基本應用”的過程中，不僅講授“概念、思想、算法和應用”是什么，更要講授“為什么”，讓學生做到“既知其然，又知其所以然”。

3.3.2 注重智能算法設計與分析，培養學生分析問題和解決能力

智能算法設計與分析是智能信息處理的核心，幾乎所有的智能信息處理理論、方法和技術最后都要落實到智能算法設計和分析上來。因此，我們在講授基本的智能算法時，首先從算法基本思想出發，講清楚智能算法要解決的問題、基本的原理和思想，然后重點講述算法的四要素（輸入、輸出、數據結構和處理過程），并從算法遵循的數學原理、參數調節、算法優缺點和改進的方法等方面對算法進行較為深入的剖析，使得學生較為徹底地掌握好所學的智能算法。

在講授智能算法的基本應用時，重點是培養學生分析問題和解決問題的能力。針對具體應用，從問題分析和定義、問題建模和編碼，算法初始參數設定、基本算子定義，算法設計、算法實現和算法測試等各個方面一步一步引導學生掌握智能算法的基本應用方法和步驟。

3.3.3 加強智能算法對比分析和交叉應用，培養學生靈活運用知識的能力

各種智能信息處理方法既相互獨立又互相滲透和交叉融合。例如，對于同一個優化問題，如旅行商問題和背包問題等，既可以采用遺傳算法來解決又可以用粒群算法等群智能算法來解決；另一方面，遺傳算法可以應用到神經網絡的權重調整中來，模糊理論和人工神經網絡相結合產生模糊神經網絡等。

因此，我們在遵循“四項基本原則”講授各個智能算法的時候，也要加強智能算法的對比分析和交叉應用方面的知識講解，剖析同一個優化問題利用不同智能算法解決時各自優缺點是什么，或者是“取長補短”融合哪幾種智能算法來解決同一個問題，在這個過程著重培養學生靈活運用智能信息處理理論、方法和技術的能力，不是把知識“學死了”，而是把知識“學活了”。

3.3.4 強調理論與實踐相結合，培養學生實踐動手能力

“智能信息處理”是一門既注重理論方法又強調實踐性的課程，因此教師授課和學生學習過程中都要強調理論和實踐相結合，以進一步培養學生實踐動手能力?！爸悄苄畔⑻幚怼闭n程教學通常包括理論和實驗兩部分，根據理論教學內容，安排實驗教學項目，如感知器、BP神經網絡、遺傳算法和禁忌搜索算法的實驗。

在實驗過程中，學生可以采用Matlab、Java或者Python等多種開發環境和程序設計語言來完成實驗，而且也鼓勵學生對同一個優化問題，利用不同的智能算法加以實現，并調節算法參數進行詳細的實驗對比分析。

3.3.5 教學方法改革存在的不足

在“智能信息處理”課程教學過程中也存在一些不足。例如目前“智能信息處理”相關的教材普遍出版時間較早，大多數教材出版時間已經超過10年了，需要進一步加強教材建設，選用最新教材。在教學過程中，需要融入更多的智能算法應用案例，提供更多的習題練習，以幫助學生掌握智能信息處理的理論、方法和技術。在實驗方面，需要提供更具有指導意義的智能信息處理實驗指導手冊，以進一步提高實驗效果。

4 大連海事大學“智能信息處理”課程教學實踐

大連海事大學（簡稱海大）智能專業自2009年招生以來，已為2009級至2016級等8個年級開設了“智能信息處理”課程。海大智能專業在三年級第一學期開設“智能信息處理”必修課程，3學分54學時，其中理論學時為36學時，實驗學時為18學時。

圖2 各學年學生成績優良率等對比分析圖

通過分析7年來海大智能專業“智能信息處理”課程學生成績情況，驗證海大智能專業的“智能信息處理”課程教學方法改革取得較好的效果。

海大智能專業的“智能信息處理”課程采取閉卷考試、平時成績30分、期末成績70分綜合百分制計分的考核方式評定學生最終成績。其中平時成績10分由考勤和作業成績組成，實驗成績20分由4個實驗報告成績組成，每個實驗報告成績為5分。

圖2展示自2011年至2016年海大智能專業學生學習“智能信息處理”課程的成績情況，其中2014年成績評定良好率奇高，因此不與其他年份成績做比較。由圖2可知，歷年的優秀率最低為7%，最高為33%，平均優秀率為15%；良好率最低為22%，最高為59%，平均良好率為42.8%；中等率最低為24%，最高為41%，平均中等率為28.8%；及格率最低為3%，最高為19%，平均及格率為6.4%。從上述成績比率分析來看，各年級學生，以及所有年級學生總體上的成績基本符合正態分布，成績優秀和良好的學生超過1/2，而成績中等和及格的學生約占1/3多。

從圖2還可知，總體上，學生成績優良率在逐年上升，而中等和及格率在逐年下降，也表明總體上，該門課程的教學效果在逐年向好提升。

圖3展示了歷年的平均成績、最高成績和最低成績，可以看出，歷年的平均成績和最高成績基本穩定，其中平均成績最低為77.96分，最高為83.93分；最高成績最低為92分，最高為96分；最低成績最低為62分，最高為73分。從該圖也可以看出，總體上，平均成績、最高成績和最低成績都在震蕩中小幅提升，也從一個側面反映本門課程的教學效果在逐年向好發展。

圖3 各學年學生成績平均成績、最高成績和最低成績對比分析圖

5 結 語

隨著人工智能技術和大數據技術的飛速發展和應用，智能科學與技術專業必將迎來更加蓬勃的發展?！爸悄苄畔⑻幚怼闭n程作為智能科學與技術專業的主干專業課程，越來越顯示出其重要性。海大智能專業在基于智能課程群的“智能信息處理”課程教學實踐和教學方法改革方面進行了7年的探索，形成了較為成熟的教學理念和教學方法，但是在人工智能2.0時代和大數據時代，該門課程還需要結合新時代新技術發展趨勢，進一步進行課程內容和教學方法改革。