張 俊，寧 博，白 梅，李冠宇

（大連海事大學(xué) 智能科學(xué)與技術(shù)系，遼寧 大連 116024）

1 背 景

“智能信息處理”課程是智能科學(xué)與技術(shù)專業(yè)（簡稱智能專業(yè)）的重要專業(yè)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(jīng)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(shù)；二是學(xué)習(xí)內(nèi)容難度比較大，其學(xué)習(xí)內(nèi)容在計算機科學(xué)與技術(shù)等相關(guān)專業(yè)是研究生階段學(xué)習(xí)的內(nèi)容，不僅要求學(xué)生掌握良好的數(shù)學(xué)基礎(chǔ)知識，更要求學(xué)生具有良好的算法設(shè)計與分析能力。各個學(xué)校智能科學(xué)與技術(shù)專業(yè)各具特色，而且學(xué)時學(xué)分設(shè)置不同。例如西安電子科技大學(xué)開設(shè)“智能計算導(dǎo)論”[1]，主要內(nèi)容包括仿生過程算法（模擬進化計算）、仿生結(jié)構(gòu)算法（人工神經(jīng)網(wǎng)絡(luò)算法）和仿生行為算法（模糊邏輯與模糊推理）；河北工業(yè)大學(xué)開設(shè)“智能信息處理”課程主要內(nèi)容包括模糊集與粗集理論、人工神經(jīng)網(wǎng)絡(luò)、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(shè)置也不盡相同[3]。合理設(shè)置和安排“智能信息處理”課程教學(xué)內(nèi)容，提高教學(xué)效果，是值得繼續(xù)關(guān)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(guān)系、內(nèi)容緊密相關(guān)（即內(nèi)容具有承前啟后或者互為補充）的智能專業(yè)的專業(yè)基礎(chǔ)課、專業(yè)課程或者專業(yè)實踐課程構(gòu)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?！爸悄苄畔⑻幚怼闭n程設(shè)置現(xiàn)狀

自2004年北京大學(xué)開設(shè)智能科學(xué)與技術(shù)專業(yè)以來，到目前為止全國已有50余所高校設(shè)置了智能科學(xué)與技術(shù)專業(yè)，其中有些高校智能專業(yè)偏計算機科學(xué)與技術(shù)學(xué)科，有些偏自動化學(xué)科，有些偏測量與控制學(xué)科，這些專業(yè)特點必然導(dǎo)致各個學(xué)校的專業(yè)課程體系設(shè)置各具特色。表1總結(jié)了全國8所高校開設(shè)“智能信息處理”課程的情況。

由表1可知，各個學(xué)校開設(shè)“智能信息處理”的課程名稱并不完全相同，北京大學(xué)、華南理工大學(xué)、大連海事大學(xué)開設(shè)“智能信息處理”，而北京郵電大學(xué)開設(shè)“計算智能”，西安電子科技大學(xué)和重慶郵電大學(xué)開設(shè)“智能計算導(dǎo)論”或者“智能計算基數(shù)”課程，其他大學(xué)有的開設(shè)“智能算法及應(yīng)用”，有的開設(shè)“神經(jīng)網(wǎng)絡(luò)”；有的學(xué)校把“智能信息處理”課程分為多門課程單獨開設(shè)，如北京科技大學(xué)開設(shè)“模糊系統(tǒng)理論”和“智能算法及應(yīng)用”兩門課程，北京郵電大學(xué)開設(shè)“計算智能”和“群體智能”兩門課；各個大學(xué)相關(guān)課程的學(xué)分也不盡相同，分別從4學(xué)分、3學(xué)分到2學(xué)分不等，相應(yīng)的總學(xué)時、理論課學(xué)時和實驗學(xué)時也不相同。另外各個高校的開課性質(zhì)和學(xué)期也不相同，有的是必修，有的是選修，有的在四年級第一學(xué)期開設(shè)，有的在三年級第一學(xué)期或者第二學(xué)期開設(shè)。

表1 部分高校智能科學(xué)與技術(shù)專業(yè)開設(shè)“智能信息處理”相關(guān)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(nèi)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(lǐng)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(jīng)網(wǎng)絡(luò)、進化計算和群體智能等內(nèi)容。

2.3 傳統(tǒng)的“智能信息處理”課程教學(xué)方法

傳統(tǒng)的“智能信息處理”教學(xué)方法主要是根據(jù)課程本身來設(shè)計教學(xué)內(nèi)容，根據(jù)教學(xué)內(nèi)容設(shè)計教學(xué)方法，并且以課堂教學(xué)為主。傳統(tǒng)的教學(xué)方法沒有從課程群的角度出發(fā)系統(tǒng)地設(shè)計課程體系以及課程的教學(xué)內(nèi)容。從全國各高校“智能信息處理”課程設(shè)置現(xiàn)狀和教材概述可知，各個學(xué)校根據(jù)各自的專業(yè)特點設(shè)置“智能信息處理”課程的教學(xué)內(nèi)容，教學(xué)內(nèi)容各不相同；相關(guān)課程的教學(xué)內(nèi)容設(shè)置也會有較多重復(fù)，使得課程之間分工和銜接不夠理想，從而影響學(xué)生的學(xué)習(xí)積極性，最終影響了教學(xué)效果和學(xué)習(xí)效果。

表2 “智能信息處理”教材內(nèi)容

3 基于智能課程群的“智能信息處理”課程教學(xué)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(shè)置

由于智能專業(yè)還沒有官方的專業(yè)建設(shè)規(guī)范，各個學(xué)校智能專業(yè)的課程體系設(shè)置差別還是比較大的。在專業(yè)建設(shè)的過程中，我們逐漸理順課程之間的關(guān)系，不斷優(yōu)化課程體系和教學(xué)內(nèi)容設(shè)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(cè)重智能理論的學(xué)習(xí)，包括“人工智能基礎(chǔ)”和“模式識別”；“智能信息處理”課程則側(cè)重智能方法和技術(shù)的學(xué)習(xí)，與其同時開設(shè)的課程還包括“不確定性計算”和“機器學(xué)習(xí)”課程；而“智能信息處理”的后修課程側(cè)重智能系統(tǒng)和智能應(yīng)用的學(xué)習(xí)，包括“智能系統(tǒng)導(dǎo)論”“數(shù)據(jù)倉庫與數(shù)據(jù)挖掘”“智能信息檢索”和“智能信息系統(tǒng)課程設(shè)計”等課程。

為了避免課程之間的教學(xué)內(nèi)容重復(fù)，以“智能信息處理”課程為核心，先修課程、同時開設(shè)的相關(guān)課程，以及后修課程之間的教學(xué)內(nèi)容需要分工與協(xié)調(diào)，如“不確定性計算”課程講授模糊計算和粗糙集等內(nèi)容，則“智能信息處理”課程不講模糊計算，重點講述神經(jīng)計算、進化計算和群智能等內(nèi)容。

3.2 教學(xué)內(nèi)容設(shè)置

“智能信息處理”課程教學(xué)內(nèi)容通常包括模糊計算、神經(jīng)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(shè)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(xué)內(nèi)容，因此，“智能信息處理”課程教學(xué)內(nèi)容只需包括神經(jīng)計算、進化計算和群體智能3部分。

神經(jīng)計算、進化計算和群體智能等知識領(lǐng)域所包含的內(nèi)容非常豐富，每一部分都有很大的深度和難度，也都有相應(yīng)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(xué)習(xí)難度比較大的特點，“智能信息處理”課程內(nèi)容設(shè)置主要遵循兩個原則：一是既要與其他相關(guān)課程內(nèi)容相互銜接，又要避免與其他相關(guān)課程內(nèi)容重復(fù)；二是遵循講授“基本概念、基本思想、基本算法和基本應(yīng)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(chǔ)上介紹相應(yīng)的改進算法及其應(yīng)用?；谥悄苷n程群的“智能信息處理”課程教學(xué)內(nèi)容設(shè)置見表3。

3.3 教學(xué)方法改革

“智能信息處理”課程具有較深的學(xué)習(xí)難度和廣度，一方面該課程對學(xué)生的要求比較高，在具有良好的數(shù)學(xué)基礎(chǔ)和算法設(shè)計與分析能力的基礎(chǔ)上，既要提高課堂學(xué)習(xí)效率，又要多花課外時間融會貫通所學(xué)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(shù)學(xué)功底和推導(dǎo)演算能力，也要求教師能夠采用靈活的教學(xué)方法和深入淺出的教學(xué)語言把復(fù)雜的智能算法講清楚講明白。我們探索了一些課程教學(xué)方法改革。

3.3.1 遵循“四項基本原則”，培養(yǎng)學(xué)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(yīng)用”，即在教學(xué)過程中，著重從智能信息處理的基本概念和基本思想出發(fā)，重點講授基本的智能算法和基本的智能應(yīng)用，把學(xué)生領(lǐng)入智能信息處理的大門，使得學(xué)生掌握好扎實的智能信息處理基礎(chǔ)知識、基本理論和方法，為未來進一步學(xué)習(xí)智能信息處理理論、方法和技術(shù)奠定堅實的基礎(chǔ)。

表3 “智能信息處理”課程教學(xué)內(nèi)容設(shè)置

在遵循“四項基本原則”的基礎(chǔ)上，著重培養(yǎng)學(xué)生形成較為全面的智能信息處理思維。我們認(rèn)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(diào)“思維和想法”比具體的“方法和技術(shù)”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(yīng)用”的過程中，不僅講授“概念、思想、算法和應(yīng)用”是什么，更要講授“為什么”，讓學(xué)生做到“既知其然，又知其所以然”。

3.3.2 注重智能算法設(shè)計與分析，培養(yǎng)學(xué)生分析問題和解決能力

智能算法設(shè)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(shù)最后都要落實到智能算法設(shè)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(fā)，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(shù)據(jù)結(jié)構(gòu)和處理過程），并從算法遵循的數(shù)學(xué)原理、參數(shù)調(diào)節(jié)、算法優(yōu)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(xué)生較為徹底地掌握好所學(xué)的智能算法。

在講授智能算法的基本應(yīng)用時，重點是培養(yǎng)學(xué)生分析問題和解決問題的能力。針對具體應(yīng)用，從問題分析和定義、問題建模和編碼，算法初始參數(shù)設(shè)定、基本算子定義，算法設(shè)計、算法實現(xiàn)和算法測試等各個方面一步一步引導(dǎo)學(xué)生掌握智能算法的基本應(yīng)用方法和步驟。

3.3.3 加強智能算法對比分析和交叉應(yīng)用，培養(yǎng)學(xué)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(yōu)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(yīng)用到神經(jīng)網(wǎng)絡(luò)的權(quán)重調(diào)整中來，模糊理論和人工神經(jīng)網(wǎng)絡(luò)相結(jié)合產(chǎn)生模糊神經(jīng)網(wǎng)絡(luò)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(yīng)用方面的知識講解，剖析同一個優(yōu)化問題利用不同智能算法解決時各自優(yōu)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(yǎng)學(xué)生靈活運用智能信息處理理論、方法和技術(shù)的能力，不是把知識“學(xué)死了”，而是把知識“學(xué)活了”。

3.3.4 強調(diào)理論與實踐相結(jié)合，培養(yǎng)學(xué)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(diào)實踐性的課程，因此教師授課和學(xué)生學(xué)習(xí)過程中都要強調(diào)理論和實踐相結(jié)合，以進一步培養(yǎng)學(xué)生實踐動手能力?！爸悄苄畔⑻幚怼闭n程教學(xué)通常包括理論和實驗兩部分，根據(jù)理論教學(xué)內(nèi)容，安排實驗教學(xué)項目，如感知器、BP神經(jīng)網(wǎng)絡(luò)、遺傳算法和禁忌搜索算法的實驗。

在實驗過程中，學(xué)生可以采用Matlab、Java或者Python等多種開發(fā)環(huán)境和程序設(shè)計語言來完成實驗，而且也鼓勵學(xué)生對同一個優(yōu)化問題，利用不同的智能算法加以實現(xiàn)，并調(diào)節(jié)算法參數(shù)進行詳細(xì)的實驗對比分析。

3.3.5 教學(xué)方法改革存在的不足

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

4 大連海事大學(xué)“智能信息處理”課程教學(xué)實踐

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

圖2 各學(xué)年學(xué)生成績優(yōu)良率等對比分析圖

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

海大智能專業(yè)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(xué)生最終成績。其中平時成績10分由考勤和作業(yè)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?yōu)?分。

圖2展示自2011年至2016年海大智能專業(yè)學(xué)生學(xué)習(xí)“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(yōu)秀率最低為7%，最高為33%，平均優(yōu)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(xué)生，以及所有年級學(xué)生總體上的成績基本符合正態(tài)分布，成績優(yōu)秀和良好的學(xué)生超過1/2，而成績中等和及格的學(xué)生約占1/3多。

從圖2還可知，總體上，學(xué)生成績優(yōu)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(xué)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(wěn)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(cè)面反映本門課程的教學(xué)效果在逐年向好發(fā)展。

圖3 各學(xué)年學(xué)生成績平均成績、最高成績和最低成績對比分析圖

5 結(jié) 語

隨著人工智能技術(shù)和大數(shù)據(jù)技術(shù)的飛速發(fā)展和應(yīng)用，智能科學(xué)與技術(shù)專業(yè)必將迎來更加蓬勃的發(fā)展?！爸悄苄畔⑻幚怼闭n程作為智能科學(xué)與技術(shù)專業(yè)的主干專業(yè)課程，越來越顯示出其重要性。海大智能專業(yè)在基于智能課程群的“智能信息處理”課程教學(xué)實踐和教學(xué)方法改革方面進行了7年的探索，形成了較為成熟的教學(xué)理念和教學(xué)方法，但是在人工智能2.0時代和大數(shù)據(jù)時代，該門課程還需要結(jié)合新時代新技術(shù)發(fā)展趨勢，進一步進行課程內(nèi)容和教學(xué)方法改革。