神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用課程案例庫(kù)建設(shè)與教學(xué)實(shí)踐

摘 "要：針對(duì)神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用課程中的核心知識(shí)點(diǎn)和難點(diǎn)問(wèn)題，以科學(xué)研究、工程實(shí)踐為基礎(chǔ)，建設(shè)一系列具有代表性、創(chuàng)新性、綜合性和典型性的教學(xué)案例，并將其應(yīng)用于控制科學(xué)與工程專業(yè)研究生及測(cè)控技術(shù)與儀器本科生課程教學(xué)中。教學(xué)實(shí)踐表明，所設(shè)計(jì)的案例能夠有效提升學(xué)生的創(chuàng)新能力、動(dòng)手能力和表達(dá)能力，培養(yǎng)學(xué)生的科研素養(yǎng)和工程思維，為培養(yǎng)高水平的電子信息類專業(yè)人才提供有力的支撐。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用；案例庫(kù)；電子信息；測(cè)控技術(shù)與儀器；自動(dòng)化

中圖分類號(hào)：G642 " " "文獻(xiàn)標(biāo)志碼：A " " " " "文章編號(hào)：2096-000X（2025）08-0114-04

Abstract： For the core knowledge points and difficult problems in the course of Neural Network Theories and Applications， a series of representative， innovative， comprehensive and typical teaching cases are constructed based on scientific research and engineering practice. Then， the developed cases are applied to the teaching of the graduate course in major of control science and engineering as well as the bachelor course of measurement and control technology and instrumentation. Teaching practice shows that the designed cases can improve students' ability of innovation， practice and expression， cultivate students' scientific literacy and engineering thinking， and provide important support for cultivating high-level electronic information professionals.

Keywords： Neural Network Theories and Applications; case base; electronic information; measurement and control technology and instrumentation; automation

神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用是測(cè)控技術(shù)與儀器、電子信息相關(guān)專業(yè)高年級(jí)本科或控制科學(xué)與工程碩士研究生一門重要的專業(yè)課，主要內(nèi)容為各類人工神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)、算法原理及其在工業(yè)過(guò)程、生命科學(xué)、海洋探測(cè)和經(jīng)濟(jì)社會(huì)等領(lǐng)域中的應(yīng)用。通過(guò)本課程的學(xué)習(xí)，學(xué)生能夠掌握神經(jīng)網(wǎng)絡(luò)基本理論、算法設(shè)計(jì)和程序?qū)崿F(xiàn)，且可將其應(yīng)用于實(shí)際復(fù)雜問(wèn)題的數(shù)據(jù)建模與分析。該課程是一門理論與實(shí)踐緊密結(jié)合的課程，要求學(xué)生有扎實(shí)的數(shù)學(xué)基礎(chǔ)、較強(qiáng)的工程意識(shí)和良好的編程能力[1]。

針對(duì)該課程的教學(xué)，國(guó)內(nèi)高校在現(xiàn)有的教學(xué)體系和模式下，積極吸收和借鑒國(guó)際工程教育的理念，結(jié)合自身專業(yè)的培養(yǎng)目標(biāo)，探索并實(shí)踐各種先進(jìn)的教學(xué)模式[2]。其中，案例式教學(xué)以實(shí)際的案例為基礎(chǔ)，注重理論知識(shí)與實(shí)際應(yīng)用的有效結(jié)合，有利于培養(yǎng)學(xué)生的探索意識(shí)、動(dòng)手能力、科研思維能力和工程意識(shí)，提高學(xué)生的綜合能力，從而被廣泛研究和實(shí)踐[3-4]。

近年來(lái)，在神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用課程教學(xué)中，以工程案例為驅(qū)動(dòng)，將理論知識(shí)與工程實(shí)踐相結(jié)合的教學(xué)模式也得到了積極的探索與應(yīng)用[5-7]。然而，目前該課程案例庫(kù)建設(shè)中仍存在一些問(wèn)題，如注重神經(jīng)網(wǎng)絡(luò)理論和概念的傳授，驗(yàn)證性案例較多，而綜合型、創(chuàng)新型案例相對(duì)較少，同時(shí)在案例任務(wù)中偏重于程序設(shè)計(jì)，而忽視結(jié)合神經(jīng)網(wǎng)絡(luò)模型的科學(xué)問(wèn)題分析[8-10]。

本文針對(duì)當(dāng)前神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用課程案例庫(kù)建設(shè)及實(shí)踐教學(xué)中存在的問(wèn)題，基于教師團(tuán)隊(duì)實(shí)際科研課題及工程項(xiàng)目，開(kāi)展相關(guān)的課程案例庫(kù)建設(shè)。旨在通過(guò)具體的科學(xué)和工程問(wèn)題，引導(dǎo)學(xué)生分析、討論、主動(dòng)發(fā)現(xiàn)問(wèn)題，并設(shè)計(jì)算法和程序解決這些問(wèn)題，培養(yǎng)學(xué)生的獨(dú)立思考能力、科研能力和動(dòng)手能力，實(shí)現(xiàn)科教融合的控制科學(xué)與工程、測(cè)控技術(shù)與儀器專業(yè)人才的培養(yǎng)。

一 "課程案例庫(kù)建設(shè)內(nèi)容

以科學(xué)研究、工程實(shí)踐為背景，針對(duì)神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用教學(xué)中核心知識(shí)點(diǎn)和難點(diǎn)問(wèn)題，建設(shè)了具有代表性、創(chuàng)新性、綜合性和典型性的6個(gè)案例，具體案例如下。

（一） "基于BP神經(jīng)網(wǎng)絡(luò)的銅礦浮選過(guò)程建模

以銅礦企業(yè)實(shí)際生產(chǎn)問(wèn)題為研究對(duì)象，基于銅礦浮選過(guò)程的真實(shí)歷史數(shù)據(jù)，對(duì)其生產(chǎn)過(guò)程的銅精礦品位這個(gè)關(guān)鍵性能指標(biāo)進(jìn)行數(shù)據(jù)驅(qū)動(dòng)建模和分析。典型的浮選過(guò)程生產(chǎn)工藝如圖1所示，在這個(gè)生產(chǎn)過(guò)程中，精礦品位作為關(guān)鍵性能指標(biāo)，能夠有效地表征最終產(chǎn)品的質(zhì)量以及過(guò)程的生產(chǎn)效率。因此，有必要開(kāi)發(fā)一種數(shù)據(jù)驅(qū)動(dòng)的建模方法，建立對(duì)該指標(biāo)的軟測(cè)量模型，從而實(shí)現(xiàn)對(duì)于該關(guān)鍵參數(shù)的實(shí)時(shí)預(yù)測(cè)。

圖1 "銅礦浮選過(guò)程工藝流程

反向傳播（Back Propagation， BP）神經(jīng)網(wǎng)絡(luò)是應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)，該部分教學(xué)內(nèi)容在神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用課程中具有非常重要的意義。在本課程中，BP神經(jīng)網(wǎng)絡(luò)相關(guān)知識(shí)需要4個(gè)課時(shí)的理論教學(xué)和2個(gè)課時(shí)的實(shí)驗(yàn)教學(xué)。然而，BP算法的公式推導(dǎo)需要鏈?zhǔn)酵茖?dǎo)和梯度下降法的知識(shí)，學(xué)生在學(xué)習(xí)過(guò)程中容易出現(xiàn)理解不充分、概念模糊等問(wèn)題。

經(jīng)過(guò)前期的科研和實(shí)驗(yàn)，團(tuán)隊(duì)發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)對(duì)于浮選過(guò)程的數(shù)據(jù)和精礦品位的預(yù)測(cè)具有良好的性能，因此設(shè)計(jì)了一個(gè)基于BP神經(jīng)網(wǎng)絡(luò)的銅礦浮選過(guò)程軟測(cè)量的課程教學(xué)案例。案例要求學(xué)生能夠獨(dú)立設(shè)計(jì)基礎(chǔ)的三層BP神經(jīng)網(wǎng)絡(luò)，并在MATLAB或Python環(huán)境下編程實(shí)現(xiàn)，最后通過(guò)仿真實(shí)驗(yàn)驗(yàn)證所建立模型的精度和可解釋性。通過(guò)本案例的實(shí)施，可讓學(xué)生系統(tǒng)地掌握BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)、訓(xùn)練算法以及模型驗(yàn)證準(zhǔn)則和方法等知識(shí)，為后面循環(huán)神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)網(wǎng)絡(luò)等復(fù)雜網(wǎng)絡(luò)的學(xué)習(xí)打下良好的基礎(chǔ)。

（二） "基于極限學(xué)習(xí)機(jī)的空氣分離裝置在線軟測(cè)量

本案例以某鋼鐵企業(yè)大型空氣分離裝置的氧氣濃度在線分析問(wèn)題為研究對(duì)象。該裝置有五個(gè)相互關(guān)聯(lián)的精餾塔，裝置工藝流程如圖2所示。分離裝置主要是利用低溫精餾的原理，在各精餾塔中經(jīng)過(guò)多次蒸發(fā)和冷凝，獲得煉鋼所需的氮?dú)狻⒀鯕夂蜌鍤獾雀黝悮怏w。在該裝置中，氧氣濃度是個(gè)關(guān)鍵性能指標(biāo)，對(duì)于生產(chǎn)安全和生產(chǎn)效率至關(guān)重要。然而，實(shí)際生產(chǎn)中分析儀工作不夠穩(wěn)定，因此有必要設(shè)計(jì)一種訓(xùn)練速度快、模型更新能力強(qiáng)的神經(jīng)網(wǎng)絡(luò)，以在工況發(fā)生變化時(shí)及時(shí)地更新軟測(cè)量模型。

極限學(xué)習(xí)機(jī)是一類特殊的神經(jīng)網(wǎng)絡(luò)，其相比傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)，具有訓(xùn)練速度快、模型簡(jiǎn)單等優(yōu)點(diǎn)，且能夠保證較好的模型精度。結(jié)合該問(wèn)題背景，教學(xué)團(tuán)隊(duì)設(shè)計(jì)了基于極限學(xué)習(xí)機(jī)的空氣分離裝置在線軟測(cè)量案例。通過(guò)本案例的實(shí)施，能夠讓學(xué)生從理論公式和代碼實(shí)現(xiàn)兩個(gè)維度思考極限學(xué)習(xí)機(jī)的結(jié)構(gòu)、原理和訓(xùn)練方法，有助于提高學(xué)生的學(xué)習(xí)興趣，以更好地理解這部分內(nèi)容。

（三） "汽油精制過(guò)程辛烷值損失建模

該案例數(shù)據(jù)來(lái)源于第十八屆中國(guó)研究生數(shù)學(xué)建模競(jìng)賽，是以某石化企業(yè)汽油精制工藝為研究對(duì)象。該工藝過(guò)程主要包含四個(gè)部分：進(jìn)料和脫硫子系統(tǒng)、吸附再生子系統(tǒng)、吸附劑循環(huán)子系統(tǒng)以及產(chǎn)品冷卻穩(wěn)定子系統(tǒng)，具體工藝流程如圖3所示。該流程中，汽油辛烷值是一個(gè)關(guān)鍵變量，能夠影響產(chǎn)品的純度和生產(chǎn)的效率，因此需要設(shè)計(jì)數(shù)據(jù)驅(qū)動(dòng)的建模算法，建立汽油辛烷值預(yù)測(cè)模型，然后在模型基礎(chǔ)上對(duì)該系統(tǒng)進(jìn)行最優(yōu)化控制。

圖2 "空氣分離裝置及工藝流程

圖3 "汽油精制工藝流程

此案例是一個(gè)綜合性案例，可分為數(shù)據(jù)預(yù)處理、輸入變量選擇、辛烷值預(yù)測(cè)建模、操作變量?jī)?yōu)化、仿真結(jié)果可視化展示五個(gè)子問(wèn)題，研究目標(biāo)為最小化汽油精制過(guò)程中的辛烷值損失。案例能夠鍛煉學(xué)生對(duì)機(jī)器學(xué)習(xí)中相關(guān)性分析、最大互信息理論、神經(jīng)網(wǎng)絡(luò)建模和智能優(yōu)化算法等各種知識(shí)的綜合運(yùn)用能力，可為學(xué)生參加國(guó)家級(jí)學(xué)科競(jìng)賽打下堅(jiān)實(shí)的基礎(chǔ)。

（四） "循環(huán)神經(jīng)網(wǎng)絡(luò)及在脫硫過(guò)程的軟測(cè)量應(yīng)用

某火電廠煙氣脫硫系統(tǒng)包含兩個(gè)脫硫塔和一組濕式靜電除塵器，如圖4所示。該系統(tǒng)主要是利用石灰石漿液中的碳酸鈣與火電廠鍋爐煙氣中二氧化硫氣體產(chǎn)生化學(xué)反應(yīng)，生成固體的石膏，從而實(shí)現(xiàn)煙氣脫硫的目的。這個(gè)過(guò)程中，在煙囪出口處煙氣的二氧化硫濃度是整個(gè)系統(tǒng)的關(guān)鍵指標(biāo)。然而，在線分析儀需要定期維護(hù)，有時(shí)候工作條件不太穩(wěn)定，需要設(shè)計(jì)一個(gè)數(shù)據(jù)驅(qū)動(dòng)的軟傳感器模型提高監(jiān)測(cè)的可靠性。

該系統(tǒng)采用雙吸收塔結(jié)構(gòu)，系統(tǒng)所采集的過(guò)程數(shù)據(jù)存在一定的時(shí)間延遲，而循環(huán)神經(jīng)網(wǎng)絡(luò)是一類具有反饋結(jié)構(gòu)、能夠有效處理時(shí)間序列數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)，在對(duì)具有時(shí)滯特征的復(fù)雜過(guò)程建模時(shí)具有一定的優(yōu)越性。典型的循環(huán)神經(jīng)網(wǎng)絡(luò)有長(zhǎng)短期記憶網(wǎng)絡(luò)（Long Short-Term Memory，LSTM）、門控循環(huán)單元（Gated Recurrent Unit，GRU）等。基于某電廠所采集的煙氣脫硫生產(chǎn)過(guò)程的歷史數(shù)據(jù)，首先通過(guò)仿真實(shí)驗(yàn)驗(yàn)證BP神經(jīng)網(wǎng)絡(luò)、極限學(xué)習(xí)機(jī)這類前饋網(wǎng)絡(luò)在該問(wèn)題上的效果不理想，其次指導(dǎo)學(xué)生設(shè)計(jì)LSTM神經(jīng)網(wǎng)絡(luò)、GRU神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)該過(guò)程的軟測(cè)量建模，最后通過(guò)不同神經(jīng)網(wǎng)絡(luò)的性能對(duì)比驗(yàn)證循環(huán)神經(jīng)網(wǎng)絡(luò)的優(yōu)越性。這一案例可解決學(xué)生在循環(huán)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)中遇到的模型機(jī)理復(fù)雜、參數(shù)調(diào)整困難等難題。

圖4 "某火電廠煙氣脫硫系統(tǒng)工藝流程

（五） "基于卷積神經(jīng)網(wǎng)絡(luò)的軸承故障診斷

深度學(xué)習(xí)是神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用課程中的難點(diǎn)和重點(diǎn)問(wèn)題，其原理和應(yīng)用都難以掌握，學(xué)生在該部分的學(xué)習(xí)中普遍感到困難。卷積神經(jīng)網(wǎng)絡(luò)作為一類典型的前饋深度學(xué)習(xí)網(wǎng)絡(luò)，具有復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)和強(qiáng)大的非線性數(shù)據(jù)處理能力。隨著工業(yè)大數(shù)據(jù)和人工智能技術(shù)的發(fā)展，卷積神經(jīng)網(wǎng)絡(luò)及其他深度學(xué)習(xí)網(wǎng)絡(luò)在機(jī)械設(shè)備的軸承故障診斷方面的研究日益廣泛。在軸承故障診斷領(lǐng)域，凱斯西儲(chǔ)大學(xué)提供了一個(gè)公開(kāi)的數(shù)據(jù)集，當(dāng)前很多學(xué)者的相關(guān)研究都是依托此數(shù)據(jù)開(kāi)展的。

基于凱斯西儲(chǔ)大學(xué)軸承數(shù)據(jù)中心所提供的公開(kāi)數(shù)據(jù)集，教學(xué)團(tuán)隊(duì)設(shè)計(jì)了一個(gè)基于卷積神經(jīng)網(wǎng)絡(luò)技術(shù)的軸承診斷教學(xué)案例，以軸承故障工況分類為案例任務(wù)，引導(dǎo)學(xué)生分析深度學(xué)習(xí)網(wǎng)絡(luò)的原理、基本結(jié)構(gòu)和訓(xùn)練方法，思考深度網(wǎng)絡(luò)中的梯度爆炸和梯度消失問(wèn)題，以及各種不同的激活函數(shù)在處理梯度消失或爆炸問(wèn)題上的效果。該案例是深度學(xué)習(xí)網(wǎng)絡(luò)在特定任務(wù)分類問(wèn)題中的應(yīng)用，能夠?qū)⒊橄蟮睦碚搯?wèn)題具體化，可促進(jìn)學(xué)生更快地掌握深度學(xué)習(xí)網(wǎng)絡(luò)模型相關(guān)理論、方法和技術(shù)。

（六） "干熄焦系統(tǒng)建模與控制優(yōu)化

該案例背景來(lái)源于教師團(tuán)隊(duì)與某鋼廠合作的實(shí)際科研課題“干熄焦生產(chǎn)過(guò)程數(shù)據(jù)建模與控制系統(tǒng)優(yōu)化”，主要研究?jī)?nèi)容包括神經(jīng)網(wǎng)絡(luò)建模以及操作變量?jī)?yōu)化兩部分。典型的干熄焦生產(chǎn)流程如圖5所示。在該工藝中，循環(huán)風(fēng)的溫度是個(gè)關(guān)鍵性能指標(biāo)，能夠影響燒焦的質(zhì)量和蒸汽的產(chǎn)量，因此需要對(duì)該指標(biāo)進(jìn)行有效的控制和優(yōu)化。經(jīng)過(guò)前期的研究，教學(xué)團(tuán)隊(duì)發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)對(duì)于過(guò)程歷史數(shù)據(jù)建模效果較好。

圖5 "干熄焦生產(chǎn)過(guò)程工藝流程

該案例涉及了控制科學(xué)與工程專業(yè)中神經(jīng)網(wǎng)絡(luò)與最優(yōu)化方法兩門課程的知識(shí)，是一個(gè)典型的綜合案例，對(duì)學(xué)生的工程思維和獨(dú)立思考能力具有很強(qiáng)的鍛煉價(jià)值。具體的案例實(shí)現(xiàn)步驟如下：首先對(duì)企業(yè)提供的歷史生產(chǎn)數(shù)據(jù)進(jìn)行分析，要求學(xué)生利用特征選擇、多元回歸、神經(jīng)網(wǎng)絡(luò)等各種機(jī)器學(xué)習(xí)技術(shù)，對(duì)干熄焦系統(tǒng)的關(guān)鍵參數(shù)進(jìn)行數(shù)據(jù)驅(qū)動(dòng)建模，并分析所建模型的合理性和可解釋性。其次研究遺傳算法、粒子群優(yōu)化算法等智能優(yōu)化算法，以最大化蒸汽產(chǎn)量、最小化原料消耗為目標(biāo)，對(duì)操作變量進(jìn)行優(yōu)化。最后通過(guò)歷史數(shù)據(jù)的模擬對(duì)比優(yōu)化效果及各類算法的優(yōu)劣性。

二 "案例在教學(xué)實(shí)踐中的應(yīng)用

目前案例已應(yīng)用于齊魯工業(yè)大學(xué)（山東省科學(xué)院）電子電氣與控制學(xué)部控制科學(xué)與工程、電子信息研究生及測(cè)控技術(shù)與儀器本科生選修課程神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用的教學(xué)中，覆蓋學(xué)生近200人。基于所建設(shè)的案例，教學(xué)團(tuán)隊(duì)在教學(xué)內(nèi)容、教學(xué)方法、授課方式等方面進(jìn)行了創(chuàng)新和實(shí)踐，并取得了突出的效果，具體實(shí)踐方案及效果如下。

（一） "案例教學(xué)實(shí)踐方案

在上述課程案例建設(shè)的基礎(chǔ)上，基于案例驅(qū)動(dòng)的教學(xué)過(guò)程實(shí)施如下：

1）選擇并發(fā)布案例。教師根據(jù)目前理論課程內(nèi)容和教學(xué)目標(biāo)，選擇相應(yīng)的案例并在網(wǎng)絡(luò)教學(xué)平臺(tái)發(fā)布，包括案例的研究對(duì)象、相關(guān)數(shù)據(jù)、任務(wù)要求等內(nèi)容。

2）分組準(zhǔn)備。每小組由2～3名同學(xué)組成，設(shè)組長(zhǎng)1名，負(fù)責(zé)統(tǒng)籌協(xié)調(diào)小組任務(wù)。在規(guī)定時(shí)間內(nèi)，小組應(yīng)完成案例的數(shù)據(jù)分析、文獻(xiàn)查閱，展開(kāi)小組討論并形成獨(dú)立的見(jiàn)解與觀點(diǎn)。

3）課題討論。教師會(huì)組織各小組進(jìn)行案例論證，各小組可陳述擬采取的技術(shù)路線和研究方法，教師對(duì)各組的方案進(jìn)行可行性分析并提出建議。

4）課題研究及報(bào)告。各小組根據(jù)所設(shè)計(jì)的技術(shù)路線開(kāi)展算法設(shè)計(jì)、程序?qū)崿F(xiàn)、仿真實(shí)驗(yàn)和結(jié)果分析等工作，歸納整理研究文檔并提交技術(shù)報(bào)告、代碼和匯報(bào)視頻并完成答辯。

5）過(guò)程考核。以案例式教學(xué)為基礎(chǔ)，對(duì)課程考核方式也進(jìn)行了改革，將學(xué)生參與案例情況等作為重要的考核依據(jù)，占本課程總成績(jī)的50%。與傳統(tǒng)的以試卷成績(jī)?yōu)橹鞯目己朔绞较啾龋@種模式更注重對(duì)課程知識(shí)的理解和綜合知識(shí)運(yùn)用能力的考察。

在案例教學(xué)過(guò)程中，教師引導(dǎo)學(xué)生思考案例中的科學(xué)問(wèn)題，學(xué)生則通過(guò)大量的文獻(xiàn)查閱提出自己的創(chuàng)新性觀點(diǎn)，通過(guò)小組合作的方式開(kāi)展課題研究，利用課堂所學(xué)知識(shí)解決實(shí)際問(wèn)題，最后完成技術(shù)報(bào)告和案例PPT制作并做公開(kāi)答辯。任課教師可通過(guò)階段性的案例討論、匯報(bào)及小組報(bào)告掌握學(xué)生對(duì)知識(shí)的掌握情況。這種以學(xué)生為主體，教師引導(dǎo)學(xué)生研究過(guò)程的案例式教學(xué)模式能夠有效提高學(xué)生的科研能力、編程能力、口頭表達(dá)和論文寫(xiě)作能力，培養(yǎng)學(xué)生的工程思維和團(tuán)隊(duì)協(xié)作意識(shí)。

（二） "教學(xué)實(shí)踐評(píng)價(jià)

團(tuán)隊(duì)采用問(wèn)卷法對(duì)案例教學(xué)實(shí)踐2021、2022級(jí)控制科學(xué)與工程、電子信息專業(yè)學(xué)位研究生進(jìn)行了調(diào)查，結(jié)果表明，96%的學(xué)生認(rèn)為神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用課程案例庫(kù)設(shè)計(jì)內(nèi)容豐富、難度適中，能夠激發(fā)學(xué)習(xí)興趣，提高創(chuàng)新能力和學(xué)科素養(yǎng)，加強(qiáng)了學(xué)生對(duì)神經(jīng)網(wǎng)絡(luò)相關(guān)理論知識(shí)的理解和運(yùn)用能力，對(duì)研究生階段的學(xué)習(xí)和科研有明顯的助益。

另外，受益于課程教學(xué)，近年來(lái)選修本課程的學(xué)生取得了突出的研究成果，發(fā)表在神經(jīng)網(wǎng)絡(luò)領(lǐng)域高水平SCI期刊如《IEEE Transactions on Instrumentation and Measurement》《Neural Computing and Applications》等學(xué)術(shù)論文十余篇。學(xué)生積極參加中國(guó)研究生數(shù)學(xué)建模競(jìng)賽、中國(guó)研究生電子設(shè)計(jì)競(jìng)賽等本專業(yè)學(xué)科競(jìng)賽，挑戰(zhàn)機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)建模及應(yīng)用相關(guān)題目，有十余人次獲得國(guó)家級(jí)三等獎(jiǎng)以上獎(jiǎng)項(xiàng)。

三 "結(jié)束語(yǔ)

本文以學(xué)生為中心，以培養(yǎng)學(xué)生科研創(chuàng)新素養(yǎng)為目標(biāo)，開(kāi)展了理論知識(shí)與工程實(shí)踐結(jié)合的神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用課程案例建設(shè)，通過(guò)教學(xué)實(shí)踐表明這種案例引導(dǎo)式的教學(xué)模式能夠有效提升學(xué)生的知識(shí)運(yùn)用能力、語(yǔ)言表達(dá)能力，培養(yǎng)了學(xué)生的創(chuàng)新能力和科研素養(yǎng)。所開(kāi)發(fā)的教學(xué)案例具有科學(xué)性、創(chuàng)新性、啟發(fā)性和實(shí)踐性，可輻射電子信息類相關(guān)專業(yè)如測(cè)控技術(shù)與儀器、自動(dòng)化、通信工程等高年級(jí)本科生，以及計(jì)算機(jī)科學(xué)與技術(shù)、人工智能等專業(yè)碩士研究生。

不足之處在于目前的案例庫(kù)內(nèi)容還不夠豐富，課題組將在未來(lái)的研究中開(kāi)發(fā)更多有代表性的案例，并進(jìn)一步在教學(xué)實(shí)踐中推廣案例庫(kù)，以覆蓋更多的學(xué)生。

參考文獻(xiàn)：

[1] 李曉媛，曾慶山.《人工神經(jīng)網(wǎng)絡(luò)》課程的自助互動(dòng)教學(xué)方法探索[J].教育現(xiàn)代化，2018，5（35）：130-133.

[2] 陳修龍，盛永超，高順，等.《機(jī)器人技術(shù)》案例庫(kù)的建設(shè)研究[J].創(chuàng)新創(chuàng)業(yè)理論研究與實(shí)踐，2022，5（11）：161-163.

[3] 黃飛，邢健，蔡文輝，等.基于“工程認(rèn)證”理念的工程訓(xùn)練教學(xué)體系研究與實(shí)踐[J].中國(guó)管理信息化，2021，24（4）：213-214.

[4] 李大威，艾欣.數(shù)據(jù)分析與機(jī)器學(xué)習(xí)課程的案例式教學(xué)改革[J].實(shí)驗(yàn)室研究與探索，2021，40（2）：186-190.

[5] 廉小親，黃靜，吳靜珠.《神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用》課程實(shí)踐教學(xué)案例探討[J].電腦與信息技術(shù)，2020，28（6）：67-70.

[6] 張強(qiáng)，邵思羽，牛天林，等.研究生課程教學(xué)模式改革實(shí)踐——以“神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用”課程為例[J].教育教學(xué)論壇，2021（51）：57-60.

[7] 張強(qiáng)，牛天林，邵思羽，等.神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用課程線上線下混合教學(xué)模式探析[J].高教學(xué)刊，2022，8（14）：66-69.

[8] 劉金琨.一種模糊神經(jīng)網(wǎng)絡(luò)算法的案例教學(xué)探討[J].大學(xué)教育，2022（12）：93-96.

[9] 羅秀麗，陳平.產(chǎn)教融合背景下“神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)”課程教學(xué)改革[J].工業(yè)和信息化教育，2022（11）：17-21.

[10] 張澤宇，郭釗汝，徐金，等.混合式項(xiàng)目案例教學(xué)在卷積神經(jīng)網(wǎng)絡(luò)與圖像分類課程中的實(shí)踐[J].信息與電腦（理論版），2022，34（4）：245-247.