［摘 要］文章依托人工神經(jīng)網(wǎng)絡研究生課程的講授經(jīng)驗，分析其特點和現(xiàn)狀，著重探討其教學內(nèi)容上的時效性與實踐性問題，提出神經(jīng)網(wǎng)絡與深度學習融合的線上線下混合式教學改革，提升課程理論和方法的時效性；提出前沿性的實踐類研究型專題，提升研究生的實踐動手能力；搭建與課程內(nèi)容配套的線上系統(tǒng)，方便研究生自主學習、互動學習。通過踐行“與時俱進、互動評價、專題創(chuàng)新”的教學理念，提高研究生的創(chuàng)新思維與綜合素質。

［關鍵詞］人工神經(jīng)網(wǎng)絡課程；深度學習；混合式教學；人工智能類課程

［中圖分類號］G642.0 ［文獻標識碼］A ［文章編號］2095-3437（2024）15-0075-05

一、問題的提出

人工智能是新一輪科技和產(chǎn)業(yè)變革的核心驅動力，我國已將人工智能發(fā)展放在國家戰(zhàn)略層面。高校作為人工智能發(fā)展的人才高地，研究生教育在培養(yǎng)高素質、高水平專業(yè)技術人才方面起著關鍵作用[1]。在人工智能熱點中，人工神經(jīng)網(wǎng)絡（Artificial Neural Networks）擔當重要的角色，其涉及計算機科學與技術、控制科學與技術、信息與通信工程、電子科學與技術等學科，其應用也滲透到機器人、自動駕駛等方面[2]。人工神經(jīng)網(wǎng)絡課作為高校智能方向的核心課程，融合了數(shù)理統(tǒng)計、計算機科學、運籌學等學科知識，其課程內(nèi)容主要由感知器、BP神經(jīng)網(wǎng)絡等網(wǎng)絡模型構成，為學生奠定了人工神經(jīng)網(wǎng)絡的概念、特點和理論基礎，幫助學生了解其在數(shù)值計算、模式識別與分類等方面的應用。

考慮到常年穩(wěn)定的教學內(nèi)容和教學大綱使得授課內(nèi)容相對滯后，尤其是近年人工神經(jīng)網(wǎng)絡的理論、技術與方法在日新月異地更新[3]，不少該領域的新方法與技術對于授課教師而言也是全新的。因此，面對人工智能快速發(fā)展和應用廣泛的現(xiàn)實，常規(guī)的人工神經(jīng)網(wǎng)絡課程教學內(nèi)容和講授方法面臨全新的挑戰(zhàn)。

教學組針對該課程技術更新快、應用面廣、知識點多等特點，積極改進教學方法，補充更新教學內(nèi)容，整理利用網(wǎng)絡資源，加強研究生實踐創(chuàng)新能力培養(yǎng)，推行和完善智能時代下的人工神經(jīng)網(wǎng)絡課程建設，幫助學生在理論知識認識、實踐技能鍛煉、創(chuàng)新能力培養(yǎng)等方面獲得與時俱進的提升。

二、人工神經(jīng)網(wǎng)絡課程的問題分析與改革舉措

為了使人工神經(jīng)網(wǎng)絡課程更好地培養(yǎng)具有知識面廣、創(chuàng)新意識強的研究生，文章從分析原課程的問題出發(fā)，提出課程的改革舉措。

（一）時效性滯后

由于該課程知識所關聯(lián)的方法與技術更新速度快，從教學內(nèi)容的時效性上分析發(fā)現(xiàn)，目前教學內(nèi)容相對滯后于前沿技術。原課程教學內(nèi)容主要由感知器、BP、RBF、Elman、Hopfield神經(jīng)網(wǎng)絡等傳統(tǒng)經(jīng)典的網(wǎng)絡模型組成，相對現(xiàn)今前沿的模型、方法和技術已有較大的時間跨度，而新興的諸多深度學習網(wǎng)絡模型已經(jīng)在機器視覺、語言理解等領域帶來重大突破[4]。可見，在必須掌握經(jīng)典知識的前提下，研究生應接觸、了解和學習新內(nèi)容，但傳統(tǒng)神經(jīng)網(wǎng)絡教學還達不到該要求。因此，教學內(nèi)容的更新和前后知識的相互關聯(lián)是必要的改革舉措。

（二）實踐性不足

由于該課程知識蘊含較多數(shù)學理論，從而占有較多課時，從教學實踐性分析發(fā)現(xiàn)，課程實驗資源缺乏，研究生動手實踐機會較少。原課程教學內(nèi)容側重原理和算法推導，這對掌握經(jīng)典的人工神經(jīng)網(wǎng)絡思想很重要。但如今的網(wǎng)絡模型重在開源、實踐與實用，原課程實驗的設計較少，導致研究生的動手實踐能力、科研與分析能力得不到提高，制約了應用型創(chuàng)新人才的培養(yǎng)，難以滿足工程素質教育的要求。因此，應設計課程教學內(nèi)容相關的實驗和實踐，以實現(xiàn)理論知識與應用之間的互動創(chuàng)新。

（三）課時有限制

由于課程授課課時有限，從教學方式上分析發(fā)現(xiàn)，線下授課受到時空限制且未能高效地利用如今開源的人工智能網(wǎng)絡資源。為了提高研究生的學習效率，強化和促進研究生課下自主學習的能力，教師可以研發(fā)配套的線上系統(tǒng)，以滿足研究生在計算機和手機端登錄和訪問的需求，綜合采用“線上+線下”混合式教學模式[5]來服務研究生，讓研究生可以隨時隨地查看課程相關內(nèi)容，更加貼近研究生教育對教學和能力培養(yǎng)的直接需求，進一步提升課程質量。

綜上，針對該課程的問題和相應的改革舉措，從經(jīng)典神經(jīng)網(wǎng)絡到新興深度網(wǎng)絡模型，設計由淺到深并有機關聯(lián)的教學內(nèi)容；設計可研究的實踐創(chuàng)新專題，調動研究生自主研究的興趣，更好地衡量和評價研究生對課程內(nèi)容的理解程度和科研水平，培養(yǎng)研究生的創(chuàng)新思維和科研素質。在此基礎上，開發(fā)課程配套的線上系統(tǒng)，采用多元化學習方式，提高研究生的學習效率，強化師生互動。本課程的教學改革思路如圖1所示。

三、人工神經(jīng)網(wǎng)絡課程教學改革方法

（一）教學知識點的增量更新

1. 優(yōu)化課程教學內(nèi)容

傳統(tǒng)的人工神經(jīng)網(wǎng)絡課程主要學習淺層前向網(wǎng)絡、誤差反向傳播算法、經(jīng)典的反饋型和自競爭型網(wǎng)絡等內(nèi)容。為了跟蹤學科前沿，緊貼新興方法與技術，教師應及時更新課程內(nèi)容，尤其是深度學習中的新興網(wǎng)絡模型與算法。如將課程教學模塊優(yōu)化為前向神經(jīng)網(wǎng)絡、反饋神經(jīng)網(wǎng)絡、自組織神經(jīng)網(wǎng)絡和深度學習網(wǎng)絡四大模塊，課程教學模塊優(yōu)化前后對比情況見表1。

在課程教學模塊優(yōu)化上，以時間為順序選擇具有重要意義的卷積型深度學習網(wǎng)絡模型，從圖像分類、分割、目標檢測三個方向來講授，如ResNet、UNet和YOLO系列等十余種應用廣泛并受到一致認可的重要模型[6]，其中的重要知識點以卷積計算方法和結構、模型結構設計和學習策略為主，突出各個網(wǎng)絡模型的特點以及其在深度學習發(fā)展上的重大作用。在認識卷積型深度學習網(wǎng)絡的基礎上，講授目前發(fā)展強勁的自注意力機制結構，以Transformer、Bert、ViT等具有里程碑意義的模型為主[7]，重要知識點圍繞自注意力計算方法與結構、自注意力變種、自注意力網(wǎng)絡基礎結構而展開，突出其與卷積型網(wǎng)絡的異同及其在前沿發(fā)展中的重要意義。

2. 優(yōu)化內(nèi)容模塊學時

在課程教學模塊內(nèi)容優(yōu)化的同時，教師應保持課程的授課學時不變，這需要合理地壓縮部分經(jīng)典網(wǎng)絡內(nèi)容，課程學時優(yōu)化前后對比情況見表2。

（1）經(jīng)典神經(jīng)網(wǎng)絡部分，前向神經(jīng)網(wǎng)絡的理論學時由14學時減少到10學時，刪減PID神經(jīng)網(wǎng)絡內(nèi)容，反饋神經(jīng)網(wǎng)絡的理論學時由6學時減少到4學時。

（2）深度學習網(wǎng)絡部分，理論學時增加6學時，實踐學時增加14學時。

整體上，新增知識方面的授課學時增加占比約20%，總體實踐課時增加20%以上，使研究生所學習的課程內(nèi)容與人工智能前沿接軌，提高研究生的專業(yè)技術與實踐能力。

（二）研究型專題的設計與評價

在教學方法上，研究生教學應區(qū)別于本科生教學，前者更加注重培養(yǎng)學生的自主學習與探索能力。針對人工神經(jīng)網(wǎng)絡課程特點和教學重點內(nèi)容，引入實踐案例或教師所從事的科研項目內(nèi)容，為重點知識設計專題。目前教學組已完成近30個專題的設計。這些專題具有研究性、實用性和實踐性，要求研究生自我學習、自主探索，或者形成學習小組，合理分工、團結協(xié)作完成專題任務，小組之間相互交流學習，共同促進。面對難度較大的專題，鼓勵研究生通過參加導師的科研項目或參加國內(nèi)知名的學術會議、研究生學術論壇等，以拓寬視野、尋找專題研究的新思路、新方法，培養(yǎng)研究生的工程設計能力和創(chuàng)新思維能力。

課程從課題類型、難易程度兩個方面設計研究型專題，包括基礎類、應用類和挑戰(zhàn)類。研究生或學習小組自行選擇神經(jīng)網(wǎng)絡模型并完成文獻查詢、Python編程、仿真驗證、指標評價等實驗與實踐工作，達到專題所要求的目標；同時，鼓勵研究生通過文獻閱讀和自身的研究課題，激發(fā)研究生的創(chuàng)新精神，自行設定課題對象和目標，在通過教師審核后完成相應的任務，以達到本課程要求的目標，獲得相應的成績。研究生設計的部分研究性專題見表3。

（三）輔助教學的線上系統(tǒng)開發(fā)與使用

基于最新web技術開發(fā)實現(xiàn)與課程內(nèi)容配套的線上系統(tǒng)，分為前端界面和后端數(shù)據(jù)庫兩個部分。前端界面能夠展示學習資料，包括PPT講義、習題、示例代碼和網(wǎng)絡共享資源、研究型專題、問題討論和交流等；后端數(shù)據(jù)庫支持整個系統(tǒng)，完成各類學習數(shù)據(jù)、研究生數(shù)據(jù)的結構化存儲，以服務網(wǎng)站系統(tǒng)各項功能的實現(xiàn)。該課程線上系統(tǒng)的主要功能（見圖2）包括如下四個模塊。

1. 課程資源模塊

課程自編課件PPT，應用及其示例代碼、其他參考資料、網(wǎng)絡共享資源等材料的上傳下載功能。

2. 作業(yè)習題集模塊

各章節(jié)作業(yè)、自編習題集和優(yōu)秀作業(yè)的瀏覽、上傳和下載功能。

3. 專題研究模塊

神經(jīng)網(wǎng)絡模型的案例分析、專題集以及個人或小組申請完成專題及其評價功能。

4. 互動交流模塊

師生和學生之間的問題討論和資源共享功能。

通過該系統(tǒng)，教師可在授課時使用系統(tǒng)提供的案例與代碼，展示神經(jīng)網(wǎng)絡模型的功能和作用。課程知識點相關的作業(yè)和習題以在線形式發(fā)布，研究生可結合案例學習。在保證課堂理論授課32學時的基礎上，研究生課后在線上系統(tǒng)隨時隨地查看和學習課程知識點、查看往屆優(yōu)秀作業(yè)、查看研究型專題并提交完成報告。該系統(tǒng)提供的互動交流功能，可實現(xiàn)在線留言、交流和討論功能，提高研究生發(fā)現(xiàn)問題、解決問題的能力。另外，教師和學生都可以通過上傳材料，分享與人工神經(jīng)網(wǎng)絡前沿知識相關的講座、視頻等。通過這種混合式的授課模式，培養(yǎng)研究生的學習素養(yǎng)，提升研究生跟蹤前沿的能力以及對科學研究的興趣。

四、結語

本文以自動化專業(yè)的人工神經(jīng)網(wǎng)絡課程教學改革為主題，通過分析課程中的問題及其原因，有針對性地提出了改革措施，明確了課程內(nèi)容中傳統(tǒng)與新興方法互補融合的重要性，設計了培養(yǎng)研究生實踐與創(chuàng)新的研究型專題，開發(fā)了配套課程內(nèi)容的線上系統(tǒng)以豐富學習形式。人工神經(jīng)網(wǎng)絡課程的改革舉措以人工智能時代特點為角度，以培養(yǎng)具有扎實基礎知識和前沿技術認識的人才為中心，推進傳統(tǒng)的和經(jīng)典的人工神經(jīng)網(wǎng)絡知識與前沿的和新興的神經(jīng)網(wǎng)絡知識相互結合，突出學以致用、解決實際問題的能力培養(yǎng)，使課程真正關注研究生綜合素質的提高，幫助研究生在基礎知識與技能、團隊協(xié)作、分析與解決問題、溝通等方面得到良好的訓練，為研究生將來從事AI領域工作打下堅實的基礎。教學組將持續(xù)推進研究生教育改革步伐，建立高水平的“金課”和一流課程。

［ 參 考 文 獻 ］

[1］ 邱賽兵，劉心歌.數(shù)學專業(yè)研究生神經(jīng)網(wǎng)絡課程的教學改革與研究[J].湖南理工學院學報（自然科學版），2016，29（2）：81-83.

[2］ 張馳，郭媛，黎明.人工神經(jīng)網(wǎng)絡模型發(fā)展及應用綜述[J].計算機工程與應用，2021，57（11）：57-69.

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

[4] 張強，牛天林，邵思羽，等.神經(jīng)網(wǎng)絡理論與應用課程線上線下混合教學模式探析[J].高教學刊，2022，8（14）：66-69.

[5] 趙岑，王展碩.線上線下融合式學生工作的特征與實踐[J].高等教育研究，2021，42（11）：83-88.

[6] 陳科圻，朱志亮，鄧小明，等.多尺度目標檢測的深度學習研究綜述[J].軟件學報，2021，32（4）：1201-1227.

[7] 賈紅雨，王宇涵，叢日晴，等.結合自注意力機制的神經(jīng)網(wǎng)絡文本分類算法研究[J].計算機應用與軟件，2020，37（2）：200-206.

［責任編輯：黃緊德］