最近中文字幕2018免费版2019,久久国产劲暴∨内射新川,久久久午夜精品福利内容,日韩视频 中文字幕 视频一区

首頁 > 文章中心 > 人工智能學習報告

人工智能學習報告

前言:想要寫出一篇令人眼前一亮的文章嗎?我們特意為您整理了5篇人工智能學習報告范文,相信會為您的寫作帶來幫助,發現更多的寫作思路和靈感。

人工智能學習報告

人工智能學習報告范文第1篇

>> 研究生人工智能系列課程教學改革 研究生人工智能課程教學探索 研究生“人工智能”課程教學改革探索 人工智能實驗課教學改革研究 人工智能課程全英文教學改革 創新型人工智能教學改革與實踐 《人工智能》碩士課程教學改革的研究與實踐 落實科學發展觀,深化“人工智能”課程的教學改革 面向人工智能的信息管理與信息系統專業教學改革 人工智能課程教學方法研究 人工智能的應用研究 日本巨資扶持人工智能研究 人工智能系列課程研究 高中人工智能教學初探 《人工智能》雙語教學初索 人工智能雙語教學建設 人工智能實驗教學探討 “人工智能”之父 人工智能 AI人工智能 常見問題解答 當前所在位置:l(美國人工智能協會)、caiac.ca/(加拿大人工智能協會)等,它們包括了學科前沿動態、討論交流及大量的代碼資源等。通過使用這些資源,學員可及時了解人工智能最新發展動態,進行人工智能程序設計的交流及對一些問題進行較為深入的探討。

2教學方法研究

研究生教學應更突出學生的主體地位,注重發揮其學習的主動性和自覺性,為此,課程組結合課程特點,在教學方法進行了如下探索。

2.1加強教學設計

教學設計就是對教學活動進行系統計劃的過程, 是教什么(課程內容)及怎么教(組織、方法、策略、手段及其他傳媒工具的使用等)的過程[2]。在教學過程中,每節課授課前,堅持集體備課的原則,由課程組集體討論選定授課內容,補充閱讀文獻,根據授課對象與課程內容特點,確定課堂組織方式,采用的授課方式以研討式教學為主,給合講授、實驗、自學等。

2.2抓好課堂教學環節

教學方法與教學手段是保證課堂教學效果的關鍵。本課程授課對象主要為碩士研究生,他們的接受能力較強,有一定的求知欲。由于學員人數較少,授課方式可靈活組織。教室有完備的多媒體設備,基本的軟件實驗環境,教學過程可采用靈活教學方法、多種教學手段,提高教學效率,保證授課質量。

1) 以研討式為主的教學方式。研究生教學應堅持學術研究為導向,發揮學員在學習過程中的主動性和自覺性。由于研究生學員有一定的學習基礎與自學能力,教員可以在課前給學員布置預習內容,學員通過查閱資料、分析整理進而形成自己的觀點,使在課堂教學中師生互動交流成為可能,改變傳統的教員講,學員聽的灌輸式教學方式。研討式教學也有力于培養學員積極思考、創新思維的習慣與能力。

2) 教學手段的信息化。人工智能原理教學一個突出矛盾是知識點多、內容抽象、理論性強,但學時較少,因此,必須發揮現代教學手段的作用,提高教學效率。為此,課程組對每節課都精心設計了教學課件,課堂教學中以課件為主,輔以板書,充分利用多媒體信息量大、直觀等優點,改善教學效果;引入教學聲像資料,便于學員課下學習;設計演示程序,使部分比較抽象、不易于理解的內容,如子句歸結、搜索策略更形象直觀,易于學習和掌握。

3注重培養學員學術研究能力

學術能力是指專門對某一學問進行系統的哲理或理論研究的能力,它不僅包括思辨的方面,還包括實踐及感性的敏感力等方面。研究生階段學習的一個突出特點是要求學習的主體――研究生必須具備研究的能力[3]。論文寫作是培養、鍛煉、提高研究生的學術能力的重要途徑,在教學實施過程中,要求每個專題學習結束后,都要提交一份格式符合期刊發表要求的總結報告,題目可自行選定,也可由教員指定;內容既可以是人工智能該專題某一算法的實現,也可以是對某一問題的進一步研究,或者是對該專題最新研究進展的綜述。教員重點在以下幾個方面予以指導。

1) 選題準確。要求選題不能過于宏大,應以小題目反映大問題,具有一定的可研究性為宜。

2) 研究內容。研究目標明確,方法恰當,能夠提出自己的見解,所提觀點正確。

3) 論文結構。結構清晰、完整,論述嚴謹,表達規范。

4) 占有文獻豐富。撰寫過程中要有意識培養學員查閱科技文獻的能力,要求查閱反映最新研究成果的權威文獻。

4加強實驗環節教學

人工智能教學在進行各種理論知識講授的同時,還應重視實踐教學,把抽象的知識轉化為形象、直觀的實驗,讓學員真正理解人工智能的概念、本質、研究目標,從而提高學員多角度思維的能力和邏輯推理能力,進一步了解信息技術、計算機技術發展的前沿,培養他們對人工智能研究的興趣,激發對人工智能技術未來的追求。為此,課程組借鑒國內外知名大學人工智能實驗教學經驗,編寫了《人工智能原理實驗指導書》,圍繞問題表示、經典邏輯推理、不確定推理、搜索策略及簡單專家系統實現等教學內容提供了7組實驗供學員選擇。

例如,在狀態空間搜索一節教學過程中,先完成理論部分的教學,使學員對狀態空間基本概念、問題表示及求解方法有一個準確的認識,然后進行實驗教學。由學員自主完成重排九宮問題求解的程序,初始狀態和目標狀態如圖1所示,調整的規則是,每次只能將與空格(左、上、下、右)相鄰的一個數字平移到空格中[4]。實驗過程重點指導學員掌握狀態空間進行問題求解的關鍵步驟:問題表示和搜索策略。問題表示就是要確定該問題的基本信息及程序實現的數據結構,基本信息有初始狀態集合、操作符集合、目標檢測及路徑費用函數,數據結構可采用向量、鏈表等形式;搜索策略可分為盲目式搜索和啟發式搜索,可按照先易后難的原則,先實現盲目搜索中的廣度優先及深度優先搜索,在此基礎上再定義估價函數實現啟發式搜索。而在啟發式搜索實現過程中,又可以通過定義不同的啟發函數:如某狀態格局與目標節點格局不相同的牌數、不在目標位置的牌距目標位置的距離之和等加以比較,準確理解啟發函數的意義。通過實驗,學員加深了對課堂講授的理論知識的理解,能夠熟練地將狀態空間法運用于實際問題的求解,提高了工程實踐能力。

實驗教學組織方式可根據具體的實驗內容特點,采用上機編程實驗、演示程序驗證、模擬平臺開發、分組討論等多種形式進行。

5適度開展雙語教學

研究生的英語基礎普遍較好,基本都通過了國家公共英語四級考試,部分學員通過了六級考試,加之在本科階段還開設了專業英語課程,因此,在培養研究生人工智能知識的同時,我們要提高學員閱讀原版英文資料、用英語進行簡單科技寫作及對外學術交流的能力,適度開展雙語教學,對此,我們可采取以下基本方式。

1) 專業術語全部用英語表示。

在教學過程中用英語表達人工智能原理中的專業術語和主要概念,如Knowledge Representation(知識表示)、Depth-First Search(深度優先搜索)、Breadth- First Search(廣度優先搜索)等。

2) 以英文原版教材為教學參考書。

選定機械工業出版社出版的《Artificial Intelligence Structures and Strategies for Complex Problem Solving》為參考書,該書“是人工智能課程的完美補充。它既能給讀者以歷史的觀點,又給出所有技術的實用指南[5]。”

3) 加強英文文獻的閱讀。

在課程論文撰寫時,要求閱讀一定數量的外文文獻;在討論課中,鼓勵學員使用英語進行討論。

經過課程學習,學員都能準確掌握人工智能學科專業詞匯,英文運用能力得到一定提高,能較自如地閱讀原版英文專業資料,為進一步用英文進行學術交流及學術論文寫作打下基礎。

6考試與成績評定改革

考核方式采用傳統的試卷與課程論文、實踐環節等三部分組成,全面考查學員對基礎理論知識掌握情況以及理論聯系實際的能力,其中試卷占70%,課程論文占10%,實踐環節占20%。課程論文題目不作限制,由學員在課程學習階段結合某一專題選定題目,課程論文以選題意義、研究內容、論文結構、參考文獻及撰寫規范等指標為評價依據;實驗成績采用實驗過程考查、實驗結果驗收和實驗報告評閱相結合的考核方法,綜合評定。這樣做不但考核了學員人工智能基本理論掌握情況,也反映了學員的學術研究能力和工程實踐能力。同時,考核結合實際教學進程,改變了單一課終總結性考核的弊端。

7結語

經過課程組近兩年的教學方法研究與教學實踐,研究生人工智能原理課程教學收到較好的效果,但仍存在一些問題,如在課堂討論環節,個別學員準備不充分、討論不夠深入;課程論文撰寫選題隨意,文獻綜述不夠全面、準確,論文格式不夠規范等。在今后的授課中,課程組將根據授課研究生人數較少的特點,采取明確每名學員預習重點、加強課程論文交流等方式予以改進,力求取得更好的教學效果。同時,進一步充分利用便利的校園網平臺,開展“人工智能原理”網絡課程建設,購買或自主開發網絡教學資源,引導學員利用網絡資源進行個性化自主學習,增強教學過程的信息化程度。

參考文獻:

[1] 王永慶. 人工智能原理與方法[M]. 西安:西安交通大學出版社,2002:1.

[2] 李志厚. 國外教學設計研究現狀與發展趨勢[J]. 外國教育研究,1998(1):6-10.

[3] 肖川,胡樂樂. 論研究生學術能力的培養[J]. 學位與研究生教育,2006(9):1-5.

[4] 周金海. 人工智能學習輔導與實驗指導[M]. 北京:清華大學出版社,2008:204.

[5] George F.Luger.Artificial Intelligence Structures and Strategies for Complex Problem Solving[M].北京:機械工業出版社,2009:754.

Reform on Postgradrates Artificial Intelligence Course Teaching

TAN Yuehui, QI Jianfeng, WANG Hongsheng, LI Xiongwei

(Department of Computer Engineering, Ordnance Engineering College, Shijiazhuang 050003, China)

人工智能學習報告范文第2篇

關鍵詞:人工智能;教學內容;教學方法

中圖分類號:G642 文獻標識碼:A

1 引言

人工智能(AI)是二十世紀五十年代后期興起的利用計算機模擬人類智能活動去求解問題的學科,與空間技術、原子能技術一起被譽為二十世紀三大科學技術成就,目前廣泛應用于專家系統、機器翻譯、語音識別、文字識別、計算機視覺、機器人、電子游戲等方面,已經成為計算機技術發展以及許多高新技術產品中的核心技術。

為了適應人工智能技術日益廣泛的需要,國內外高校普遍開設了“人工智能”方面的課程,特別是作為計算機方面專業的核心課程之一。我校自從1993年開始為自動化專業本科生開設“智能控制”選修課,1996年為自動化、計算機、機械等專業本科生開設“人工智能導論”、“人工智能及其應用”課程。目前,我校軟件學院、信息學院、機電學院都開設了“人工智能導論”課程,已經成為計算機科學與技術、軟件工程、數字媒體技術、自動化、機械制造與自動化等許多專業本科生的一門重要的技術基礎課程,也是面向包括人文社科等全校所有專業的公選課之一,其目的是使學生了解人工智能的基本概念和基本原理,初步學習和掌握人工智能的基本技術和前沿內容,拓寬知識面,啟發思路,為學生提供最基本的人工智能技術和有關問題的入門性知識,提高學生應用開發軟件的能力和水平,為今后在相關領域的研究和應用奠定更為堅實的基礎。因此,建設好“人工智能導論”課程具有重要意義和很廣的受益面。

由于人工智能是交叉學科,涉及面廣、內容抽象、不易理解,學生往往有望而生畏的感覺,在教學過程中,老師教、學生學都比較吃力。為了更好地實現上述教學目標,提高本課程的教學質量,協調好教與學的雙邊關系,使學生由望而生畏的感覺,變為有用有趣的感覺,根據已有人工智能課程在教學與實踐方面的經驗和方法,結合“人工智能導論”課程的近幾年教學實踐,對課程的教學體系、教學內容、教學方法、教學手段、考核方式等方面進行了探索總結。

2 調整與優化教學體系和教學內容

“人工智能導論”是計算機科學與技術、軟件工程、數字媒體技術、自動化、機械制造與自動化等許多專業本科生的一門重要的技術基礎課程,也是面向包括人文社科等全校所有專業的公選課之一,其研究領域及內容十分豐富,涉及的基礎面廣。因此如何選好教學內容,既能使學生了解本領域的概貌,又能適合學生的基礎,便于他們在有限的時間完成學習任務,是一件重要而又困難的事情。

進入21世紀以來,人工智能學科又有了新的發展。為了及時反映人工智能研究和學科的最新進展,我們修訂了“人工智能導論”的教學大綱,對教學內容進一步優化和更新,極大充實了各個系統的內容。我們確定的教學內容主要分為三部分:第1部分為概論,介紹人工智能的基本概念、基本內容、主要研究領域及發展過程;第2部分是知識表示,推理和搜索技術,討論幾種常用的知識表示方法、推理技術(包括確定性推理方法和不確定推理方法)和搜索求解策略;第3部分是人工智能應用研究領域,包括專家系統、自然語言理解、機器學習、人工神經網絡、遺傳算法等的基本概念和方法等。其中第2部分是基礎理論,是人工智能的重要基礎,應該循序學習。第3部分是人工智能的應用,由于每個研究內容都相對獨立、自成體系且有其專門的學術著作研究、熱點,因此針對高等院校的本專科生來說,不必循序學習,而且結合專業特點可以選擇其中幾個研究領域。例如對自動化專業的學生來說,可以選擇專家系統、人工神經網絡、遺傳算法等,同時可增加在自動控制領域的應用,包括專家控制、神經網絡控制和進化控制等熱點:而對計算機科學與技術專業來說,可以選擇專家系統、自然語言理解、機器學習等,并輔以動物識別系統、語音識別系統、智能機器人等實例。總之就是要把握課程性質和教學目的,調整本課程教學體系,優化教學內容,讓學生以有限的時間學到人工智能的基礎知識和基本方法。

另外,在選擇和確定教學內容時必須兼顧基礎知識和新興技術,注意與相關課程(如離散數學、數據結構、概率論、自動控制原理、Matlab系統仿真、面向對象的編程技術等)的鏈接,密切理論與實際的關系,通過課堂講授和課外訓練,注意學生能力培養,提高他們的學習效果和整體素質。

3 加強課程立體化建設和系列教材研究

在課程的立體化建設中,教材充當了地基的角色,所有的課程內容安排,無不體現出以教材為基本,以教材為模板。所以本著基礎、實用的原則,我們先后編著出版了《人工智能及其應用》課程教材導論部分概括性強,引人入勝;基礎部分系統全面,敘述深入淺出,循序漸進;應用部分密切理論與實際關系,典型形象。其中第二版在第一版的基礎上,增加了證據理論、模糊推理、神經網絡等理論的一些典型應用,使學生能夠更深入地理解和應用這些理論;另一方面,又新增了自然語言理解及其應用內容,以適應目前計算機翻譯、人機自然語言交互等技術日益廣泛應用的需要。系列教材適應了人工智能導論新課程開設的需要,反映了人工智能學科的發展,為人工智能課程確立了基本框架,發揮了重要作用。系列教材的問世不僅解決了本校“人工智能導論”課程教學用書的問題,而且也被各兄弟院校普遍采用,促進了該課程的普遍開設,推動人工智能學科的發展。

為了配合教材第二版的教學和自學,在已有教學經驗和教學成果積累的基礎上,制作了高質量的教學課件和完整的教學視頻錄像,并刻錄成光盤隨書供讀者使用;同時又研究與開發了網絡課程(http://),以更好地調動學生的學習興趣和主動性,促進本課程的教學改革。

包括主教材、電子教案、教學視頻錄像、網絡課程及教學資料庫等在內的課程立體化建設符合二十一世紀高校教學的要求,支持教師提高教學手段現代化的水平,更貼合學生的學習需求。

4 改革與創新教學模式和教學方法

在“人工智能導論”課程教學的過程中,我們積極探索教學新路,經過數年辛勤試驗,結合蔡自興教授等對人工智能課程的建設經驗,對課程的教學模式和教學方法進行了如下一些的改革與創新。

(1)通過多種途徑激發學生的學習興趣

“興趣是最好的老師”,“人工智能導論”課程的學習效果,直接受到學生興趣和參與意識的影響。由于這是一門導論性前沿課程,一般來說,學生開始學習興趣很大。但是,當一些學生開始接觸到抽象概念和算法時,往往感到不易接受。我們通過各種途徑和方法,激發和培養學生的學習興趣。例如,鼓勵學生參與課堂討 論、布置讀書報告和課外實驗、以問題為導向的啟發式教學、專題討論/辯論等形式。特別,我們精心組織和準備了模糊控制技術及其應用、智能機器人技術與應用、智能交通、BCI(腦機交互接口)等專題,以及智能調度軟件、語音識別系統、動物識別系統、足球機器人比賽、機器人軌跡跟蹤、倒立擺的智能控制等課內演示,使學生擴大了眼界,增加了感性知識,達到提高學生學習興趣的目的與效果。

(2)面向問題的啟發式教學

人工智能中的許多問題,有的似是而非,有的引人入勝。在教學中,有意識的提出相關問題,提請學生思考,鼓勵學生提出自己的猜想和解決方案。然后逐步進入教材中的解決方案,啟發學生求解這些問題,并進行分析和比較,從而強化了學生學習的主動意識和參與意識,提高了學生的學習積極性。例如,在講到比較抽象的“遺傳算法”時,提出“遺傳算法如何用于優化計算?”這一問題。針對該問題,先從“達爾文的生物進化論”入手,討論“遺傳”、“變異”和“選擇”作用;然后通過一個簡單的例子,從特殊到一般地啟發學生思考“遺傳”、“變異”和“選擇”的實現,最終讓學生與教師一起導出遺傳算法用于優化計算的基本步驟。這樣,學生不但從中學習了遺傳算法,而且得到一次邏輯思維的訓練,取得很好的教學效果。

(3)課堂辯論與交互式教學

組織課堂辯論,討論的議題包括人工智能的應用前景和其他比較等有爭議的問題。學生對這些問題展開了激烈的爭論,激發了學習潛能,明確了學習目標。例如,為了加深學生對智能機器人內涵的理解,我們組織了“機器智能能否超過人類智能”的辯論會。會前正反雙方結合本課程內容及其相關知識,認真進行準備;辯論會上正反雙方唇槍舌戰,激烈爭辯,氣氛熱烈。辯論后,學生余意未盡,討論熱情不減。無論是哪一方獲勝,都達到了預期的效果。教學中我們還注意采用了多種交互式策略,如課堂上教師提問可鼓勵或指定學生提問,也可由學生自由地就某個知識點進行主題發言后老師點評等。

(4)個性化學習與因材施教

在本課程教學過程中注意對學生因材施教和個性化教學。例如,通過組織學生進行讀書報告的形式,鼓勵學生從多方面、多角度考慮問題,多提新穎思想,有意識地鼓勵優秀學生探討比較深層的內容,并輔導優秀學生將其成果以科技論文和發表文章的形式轉化為成果。又如,在教學設計和實驗設計中,注意要求學習有余力和興趣的學生選作部分探索性、創新性的功課和實驗(選學內容,如模糊控制器的設計、進化控制等),從而引導學生發揮個性優勢,達到因材施教的目的。同時注意分析學習較差的學生的具體困難,進行有針對性的指導。

(5)多媒體與網絡教學的使用

本課程在PPT演示文稿和網絡課程上,采用了大量的多媒體表現形式,如視頻、動畫、聲音和圖像等。目的在于使得人工智能抽象的知識形象化,便于學生理解。例如,課內讓學生在線觀看涂曉媛博士的計算機動畫“人工魚”的錄像片段、人工生命Floy中生命智能體在環境中不斷的適應進化構成演示等,有助于加深學生對所學知識的理解,促進教學水平的提高,激發了學生對課程的興趣,使學生創新意識得到增強。此外,隨教材附贈的教學光盤和開發的網絡課程(http://)提供了學生課外自學用的高質量的電子課件、完整的教學視頻錄像、豐富的實驗和案例資料等,以更好地調動學生的學習興趣和主動性。

(7)理論與實踐結合

在教學內容安排上,注意理論聯系實際,適時布置一些人工智能實驗給學生進行課外練習。設計的課外實驗包括產生式系統實驗,歸結反演實驗,主觀Bayes推理網絡實驗,A搜索實驗,以及基于Maltab工具箱的模糊控制位置跟蹤系統、兩車追趕模糊控制系統、神經網絡模式識別仿真、遺傳算法優化計算等實驗。通過實踐和參與,保持學習興趣,有助于學生對人工智能基本概念和難點的理解,掌握基本方法和技術,為從事智能系統應用開發打下基礎,從而達到教學目的。例如,我們組織學生參觀我們的研究生綜合自動化實驗室,觀看機器人臂取物、倒立擺控制、語音識別軟件、指紋識別軟件、智能調度軟件等演示,密切理論與實際的關系。

我們在教學改革實踐中探索的這些教學方法,有利于充分激勵學生的學習積極性和主動性,有利于鼓勵學生發揮獨立思考和創新思維,有利于多方位培養學生學習發現問題、分析問題和解決問題的能力。

5 運用多樣化的教學手段和考核方式

5.1 多樣化的教學手段

采用現代信息技術進行教學,構筑“人工智能導論”課程的現代教學模式,是本課程的主要特點之一。教學過程中采用了多媒體教學課件和網絡課程相結合的方法,充分利用多媒體的豐富表現形式,利用網絡課程的交互性、情景化等,進行教學。采用的方法包括:

(1)抽象知識內容的多媒體表示

通過動畫和視頻來演示抽象的概念、算法和過程,包括機器人軌跡跟蹤、機器人臂取物、足球機器人比賽、倒立擺控制、“人工魚”等錄像片段,以及智能調度軟件、語音識別系統、指紋識別系統、動物識別系統等軟件演示。

(2)通過PPT撰寫教案

精心編制PPT,組織好課件內容,做到圖文并茂,提綱挈領,便于學生理解,便于教師講授。

(3)開發與應用網絡課程

“人工智能導論”網絡課程較好的實現了交互性、在一定程度上實現了學習過程的情景化。在交互性方面,通過網絡課程的課堂練習和章節練習,評價學生的學習情況,并給學生提出學習建議。在情景化方面,采用了在線答疑形式,使得學習過程豐富有趣。

(4)先進實驗系統的觀摩與演示

利用我們的研究成果等有利條件,有針對性地對學生進行成果演示(包括智能調度軟件、語音識別系統、指紋識別系統、動物識別系統等軟件),使學生知道學了有用,而且很有用,很有趣,很有意義,從而進一步誘導學生的學習興趣,鞏固了課堂所學知識,提高了教學質量。

教學效果通過上述先進的現代信息技術的應用,不僅極大地提高了學生的學習興趣和主動性,而且也取得很好的實際教學效果,提高教學質量。

5.2 作業、考試等教改舉措

(1)改革作業方式與方法

改變過去那種單純的書面習題作業,發展成為必須交給教師評閱的書面家庭作業、不必交給教師的課外思考題目、口頭布置的思考題或閱讀材料以及大型作業等。其中上交作業通過網絡進行,教師批閱后的作業也通過網絡返回給學生,實現了作業呈交和返回的網絡化。

(2)改革考試方式與方法

如何對本課程的考試方式進行改革一直是我們探索的問題。我們綜合考慮課堂出勤情況(10%)、平時正式作業成績(20%)和期末課程考試(70%),進行綜合評分。期末考試有時采用綜合試題考試,出幾個大題目讓學生選擇其中幾個進行開卷筆試,當面交卷后評分;有時采用課外開卷論文結合或口試面試。最近,我們還對部分學生結合實驗或實際問題提問等進行考核。我們正進一步改革、試驗和探索,使考試成為衡量與培養創新能力,促進學生學習主動性和提高課程教學質量的重要環節。

人工智能學習報告范文第3篇

關鍵字:人工智能;案例教學;學科分支;雙語教學

中圖分類號:G642 文獻標識碼:B

1 引言

人工智能是計算機科學的一個重要分支,是當前科學技術發展中的一門前沿科學,它的出現及所取得的成就引起了人們的高度重視,被認為是計算機發展的一個根本目標。

人工智能課程作為計算機科學與技術專業課程體系中的核心課程之一,其地位正在隨著該技術的不斷發展和廣泛應用而得到迅速提高。目前,國內外重點大學都非常重視該門課程的教學和研究,許多重點大學都有自己獨立的人工智能研究所。

本文通過多年的人工智能教學實踐,對人工智能教學的方法進行了初步的實踐和探索。中央民族大學在人工智能課程建設和教學過程中,針對計算機學科的發展趨勢,提出擯棄傳統講、學、考模式,注重學生能力培養的措施。在教學和實踐過程中,不斷進行探索,既從計算機學科本科的教學理念出發,從人工智能這門學科特點出發,以計算機學科分支的角度認知人工智能,組織教材的知識架構并進行教學。用計算機學科的觀點分析人工智能的基本原理與方法時,重點強調的是這些基本原理與方法與其他的計算機分支的共同點和不同點。共同點是強調計算機學科的本質,不同點是強調人工智能的本質。本文就針對我校人工智能課程教學的一些基本問題加以初步總結。

2 從計算機學科分支的角度認知人工智能

人工智能屬于計算機科學分支的學科,同時又是一門涉及控制論、信息論、語言學、神經生理學、數學、哲學等多學科交叉的課程。我國高等院校計算機學科的本科教學所設置的人工智能課程一般只有40課時左右,以什么角度組織教材內容,提高教學效果,才能使學生較容易地理解和掌握人工智能的原理與技術,是我們值得探索的問題。

人工智能處理的對象是知識,知識處理則需采用知識表示。因此,若以計算機分支的角度也就是用計算機學科的觀點看待人工智能,人工智能課程的教學內容應以知識為主線,以知識表示和搜索為基石進行組織。反映到實際教學中,就是人工智能的各個分支的介紹,這包括知識庫系統、自然語言理解、規劃、機器人等。總之,教學內容可分成兩個部分,第一部分是基礎理論和基本方法,包括:邏輯表示與歸結推理方法、搜索原理,知識表示(包括產生式系統、語義網絡、框架)、推理(包括不確定性推理、非單調推理)、機器學習。第二部分是實用技術,包括知識庫系統、高級搜索、自然語言理解。

3 優化和更新教學內容、加強雙語教學

人工智能作為一門新學科,在1988年前,國內外均未見有教學大綱和教材,開設本課程面臨的首要問題就是確定教學內容,包括人工智能的知識表示和推理以及人工智能的應用兩個部分。前者是人工智能的重要基礎,后者討論幾種人工智能應用系統,包括專家系統、機器學習、自動規劃和機器視覺等系統。這些內容只是給出了人工智能課程的初步框架。

隨著人工智能研究的進一步深入, 到20世紀90年代中期,人工智能也從符號(邏輯)主義一枝獨秀發展到符號主義、連接主義和行為主義多家爭鳴的新局面, 模糊計算和神經計算作為新內容列入到人工智能課程,充實了人工智能課程的內容。進入21世紀以來,人工智能學科又有了新的發展。為了及時反映人工智能研究和學科的最新進展,我們及時對教學內容進一步優化和更新:把人工智能分為基礎部分和擴展應用部分。

在教學和實踐過程中,考慮到本課程的多學科交叉性以及相關信息學科的快速發展, 在目前高校提倡雙語教學的環境下,將《人工智能》教材逐步改為全英語教材,這樣可以更快地掌握學科的發展動態, 掌握最先進的技術, 與國際發展趨勢接軌。Nils J.Nilsson教授所著的《人工智能》教材是美國Stanford大學計算機系本科教材,該教材體系比較符合學生的認知規律,便于學生接受、理解、掌握和鞏固所學知識;同時這本書內容豐富、取材新穎,適合作為該課程的英文教材。

4 注重案例教學、改革教學方法

案例教學首創于哈佛大學商學院,在經貿、管理、法學等學科領域的相關專業得到應用并取得顯著績效,然而目前工科專業還較少運用案例教學方法。人工智能的每一部分內容均包含大量概念,內容抽象,算法復雜,學生往往被動“聽講”;并且涉及很多的數理邏輯知識,有些顯得難以理解,并且往往讓學生感到比較枯燥,學生的學習興趣就漸漸淡薄,難以獲得預期的教學效果。鑒于這一現實問題,我們將案例教學方法引入到該課程的教學之中。

例如在邏輯推理技術和搜索技術這兩方面的教學過程中,我們使用參考教材《人工智能:一種現代方法》,并利用其中基于JAVA的教學開發工具包AIMA進行案例設計和實驗教學,在教學過程中結合AIMA中的案例來講解,使比較枯燥的知識以有效、實用和具體的形式表現出來,做到理論與實踐相結合。在講解搜索技術時,以“八皇后”問題為案例,結合AIMA中的設計實現,以講解和討論相結合的方式,學習盲目搜索、啟發式搜索等算法,使學生不僅能理解狀態空間的產生方法,而且能設計算法、實現算法,提高了學生的學習興趣和實踐能力。在學習神經網絡、模糊邏輯、進化計算等方面的內容時,我們主要借助于Matlab提供的相關工具箱。

5 加強教學隊伍建設、改革考核方法

建立一支愛崗敬業、富有戰斗力的教學隊伍是出色完成教學任務和提高課程教學質量的根本保證。教學人才資源是教學的第一資源。在學校有關部門的領導和學院的支持下,我們組成一支知識結構和年齡比較合理的教師隊伍。

在教師隊伍的建設過程中,積極引導鼓勵教師對考試方法的改革。一方面這樣可以打破以往應試教育的弊病;另一方面,也可以使學生從繁重的死記硬背中解脫出來。結合這門課的特點,我們加強平時思維能力的考核,注重學生實驗能力和動手能力的培養,在學習中大量采用寫讀書報告的形式。在此基礎上加大平時成績的比例,使得平時成績占到總成績的40%左右,杜絕依靠一次考試決定成績的狀況。這樣,既迫使學生重視平時的學習思考,也減輕有些學生想通過考試作弊完成學習任務的僥幸心理。

人工智能學習報告范文第4篇

【關鍵詞】人工智能;計算機網絡技術;應用

1前言

信息化時代背景下,人們對于信息處理提出了許多新的要求,作為信息處理主力的計算機技術也因此得到了突破性的發展,開始逐漸向著智能化及人性化的網絡服務技術轉變。將人工智能應用到計算機網絡技術中,可以實現對于網絡信息的智能化跟蹤,對于提升網絡信息安全管理水平有著非常積極的意義。

2人工智能的概念和優勢

人工智能(ArtificialIntelligence,AI)屬于一種新的技術科學,是對模擬、延伸以及拓展人的智能的相關理論和方法進行研究的科學,屬于計算機科學的分支。人工智能學科的基本思想及目標,是通過對人類智能活動規律的研究,構筑起相應的人工智能系統,利用計算機來完成原本需要借助人的智慧才能夠勝任的工作,簡單來講,就是利用計算機硬件和軟件系統的相互配合,實現對于人類某些智能行為的模擬[1]。人工智能的發展與計算機網絡技術的發展是密切相關的,兩者可以相互影響,相互促進,而將人工智能應用到計算機網絡技術中,具有相當顯著的優勢:首先,人工智能可以完成對于不規則、不確定信息的有效處理,幫助人們更好的掌握系統資源的局部和整體狀況,及時應對系統資源的變化,為用戶提供可靠的信息支持;其次,人工智能具備較好的資源整合能力,可以實現網絡資源的高度共享,其本身所具備的協作及網絡管理能力可以有效提高計算機網絡管理的效率和水平;然后,人工智能具備較好的學習和推理能力,將其應用到計算機網絡管理中,能夠提高信息處理的準確性及效率,結合記憶功能,可以構建相應的信息庫來完成信息的收集、整合和處理,結合得到高級信息來進一步提升網絡管理的層次。

3人工智能在計算機網絡技術中的應用

計算機網絡在信息化技術的帶動下得到了廣泛的普及,在人們的日常工作及生活中扮演著越發重要的角色。而與此同時,網絡信息安全也成為了社會各界關注的熱點問題。大數據的出現,不僅使得計算機網絡中的數據量呈現出了幾何遞增的趨勢,同時也進一步增大了數據的不規則性和不確定性,單純依靠早期的計算機邏輯分析,并不能對數據的真實性做出準確判斷,也無法從海量的數據中篩選出有用信息,在這種情況下,想要保證計算機網絡信息安全,真正實現計算機網絡的安全管理就變得非常困難。人工智能技術的應用,可以構建起完的智能化管理系統,完成對于數據的自動收集和整理分析,也能夠及時對計算機網絡運行中存在的故障做出診斷,通過自動處理實現網絡的恢復。因此,將人工智能應用到計算機網絡技術中,是非常必要的[2]。

3.1人工智能在計算機網絡安全管理中的應用

在計算機網絡安全管理中,人工智能的應用非常廣泛,主要體現在以下三個方面:(1)智能防火墻系統:智能防火墻是利用人工智能技術構建的防火墻,因此與常規的防火墻在結構上存在的較大的差別,主要是基于智能識別技術,如統計、記憶、決策、概率等方法,對網絡中的數據信息進行智能化識別和處理,不僅有效降低了數據匹配檢查工作對于計算機內存的占用,而且可以更好的發現網絡有害行為,對有害信息予以攔截,并且做好相應的訪問限制。相比較傳統的防御軟件,智能防火墻系統在功能、安全性以及效率等方面有著非常明顯的優勢,可以有效的解決傳統防御軟件在運行中出現的拒絕服務共計等問題,對計算機病毒的傳播以及黑客入侵等都有著可靠的防范能力。(2)反垃圾郵件系統:智能化的反垃圾郵件系統主要是在傳統反垃圾郵件系統的基礎上,引入了人工智能技術,并不只是單純的對系統中的垃圾郵件進行清除,而是充分利用了人工智能技術的學習和記憶功能,在不影響用戶體驗以及用戶信息安全的前提下,對所有發往用戶郵件系統的郵件進行實時監測,對垃圾郵件進行分類并且提醒用戶及時將之清除,有效規避了垃圾郵件帶來的安全問題[3]。(3)入侵檢測系統:入侵檢測是對防火墻的一種補充,可以在防火墻無法完成對有害信息的完全過濾時,實現對入侵信息的檢測和攔截。同時,入侵檢測技術可以對攔截的入侵方式和病毒類型進行總結,建立相應的數據庫,使得計算機在遭遇相同類型的入侵時,能夠迅速做出反應。計算機網絡入侵檢測系統的正常運行直接影響著計算機網絡資源的完整性、可靠性和安全性。入侵檢測系統的基本原理,是對數據信息的采集、整理、分類和總結等進行智能化識別與檢測,形成完整的報告,向用戶反映計算機網絡信息所處的安全狀態。人工智能在入侵檢測系統中的應用,主要集中在人工神經網絡、專家系統以及模糊識別系統中。

3.2人工智能在計算機網絡系統管理中的應用

人工智能在計算機網絡管理和網絡系統評價中的應用,需要與信息技術相互結合,以保證良好的管理效果。例如,運用人工職能技術中的問題求解技術或者專家知識庫,可以完成對于計算機網路的綜合管理。在計算機網絡管理中,網絡本身所具備的瞬變性以及動態性的特征,使得管理工作變得越發困難,要求管理的及時性。在這種情況下,傳統的管理方法暴露出許多問題,計算機網絡管理開始向著智能化的方向發展,以專家級決策及支持方法為例,其就是在人工智能的基礎上產生和發展起來的,并且在計算機網絡管理中得到了應用和普及。專家系統屬于一種智能化的計算機程序,主要是通過對某一個專業領域中盡可能多的專家學者的理論知識和經驗進行整理,經歸納總結后,形成相應的信息資源,存儲到系統中,使得系統可以利用這些知識與經驗,對相應的專業問題進行分析和解決,達到類似專家分析的效果。因此,在進行計算機網絡管理以及系統評價的過程中,可以運用相應的專家系統實現,在提供工作效率和工作水平的同時,也能夠在很大程度上節約管理成本[4]。

4結語

總而言之,伴隨著信息技術的飛速發展,計算機網絡在越來越多的行業和領域得到了普及,也面臨著許多新的要求,需要能夠為人們提供更加智能化、人性化的網絡服務。對此,相關技術人員不僅需要加快對于計算機網絡技術的開發和研究,還必須重視人工智能技術的完善,并將其應用到計算機網絡的安全管理和系統評價中,推動計算機網絡的智能化發展。

參考文獻:

[1]熊英.人工智能及其在計算機網絡技術中的應用[J].技術與市場,2011,18(2):20.

[2]張彬.探討人工智能在計算機網絡技術中的應用[J].軟件,2012,33(11):265~266.

[3]李陽.人工智能及其在計算機網絡技術中的運用[J].通訊世界,2015(6):100.

人工智能學習報告范文第5篇

關鍵詞:數據挖掘;用戶偏好;考試系統;入侵檢測

中圖法分類號:TP274文獻標識碼:A文章編號:1009-3044(2010)22-6231-02

Survey on Data Mining Technology

WANG Wen

(School of Computer Science and Technology, China University of Mining and Technology, Xuzhou 221116, China)

Abstract: Data Mining technology is an important part of modern computer technology. Using Data Mining can solve many problems in artificial intelligence. In this article, the development and the principle of Data Mining are introduced. Some of the newly application of Data Mining are involved. This article also have the expects for the future development of Data Mining.

Key words: data mining; user preference; examination system; intrusion detection system

隨著時代的發展,計算機科學在以飛快的速度前進著。在計算機科學的眾多領域中,人工智能是最富有挑戰性和創造性的一個領域。近幾十年來,隨著人工智能技術的日漸成熟,人們對人工智能的研究更加深入,對人工智能更加重視。科學界對于人工智能的重要性也已形成共識。

自進入21世紀以來,電子數據獲取與計算機技術方面的不斷發展以及網絡的廣泛普及與應用,人們日常生活中接收的數據和信息較以往正以飛快的速度增加,因而形成了獨特的知識爆炸時代。就在最近幾十年很多超大型數據庫的產生使得整個社會發生著天翻地覆的變化,遍及銀行存款、超級市場銷售、粒子物理、天文學、化學、醫學以及政府統計等領域。在這個數字化、信息化時代,這么大規模的數據庫以及以后可能誕生的更大規模的數據庫的數據管理問題將會是以后對數據處理的一個重要關注點。眾多科技工作者共同關注的焦點集中在了如何從這些大型數據庫中發現有用的、信息、模式以及如何實現有效的數據處理方法。因而“數據挖掘”(Data Mining) 的新領域逐漸走進了人們的事業,并且在人們的關注和不斷研究下飛速發展,這是一個與統計學、人工智能、模式識別、機器學習、數據庫技術以及高性能并行計算等領域都有很大相關的新學科,正是計算機學科的一個研究重點。

1 數據挖掘的一般過程

數據挖掘一般分為如下四個步驟(圖1)。

1.1 數據預處理

收集和凈化來自各種數據源或數據倉庫的信息,并加以存儲, 一般存于數據倉庫中。

1.2 模型搜索

利用數據挖掘在數據庫中匹配模型,這個搜索過程可以由系統自動執行,自下而上搜索原始數據以發現它們之間的某種聯系;也可以進行用戶交互,由分析人員發問,自頂向下尋找以驗證假設的正確性。一個問題的搜索過程可能用到許多模型,如神經網絡、基于規則的系統(決策樹)、機器學習、基于實例的推理等。

1.3 評價輸出結果

一般來說,數據挖掘的搜索過程需要反復多次,當分析人員評價輸出結果后,它們可能會形成一些新的問題,或者要求對某一方面作更精細的查詢,通過反復的搜索過程即可滿足分析人員的這種需求。

1.4 生成報告

知識的發現過程可以由數據清理、數據集成、數據選擇、數據變換、數據挖掘、模式評估和知識表示等幾個步驟組成。數據挖掘可以與用戶或知識庫交互,把用戶關心的模式提交給廣大用戶,或作為新的知識存放在知識庫中。

2 數據挖掘應用

2.1 數據挖掘在實現網站用戶偏好度的應用

數據挖掘就是從大量的數據中發現隱含的規律性的內容,解決數據的應用質量問題。使數據能夠被更加高效的利用,對無用的數據加以摒棄,是數據挖掘技術最主要的實現形式,也是其最重要的應用方式。傳統的數據庫中的數據相對于Web的數據而言,其結構性很強,是完全結構化的數據,而半結構化則是Web上的數據最大特點。因而,面向單個數據倉庫的數據挖掘較之面向Web的數據挖掘比要簡單許多。據統計,網站上的絕大部分內容對絕大部分用戶來說是無用的信息。事實是對于某個特定用戶來說,其關心的內容僅是網站上極小部分的內容,而網站上提供的更多的內容對于這個用戶來說是其不感興趣的,并且過多的信息往往會掩蓋有用的信息,使得用戶的查詢效率降低,并且對于網站也不是一件利事。

對于Web數據挖掘技術而言,半結構化數據源模型和半結構化數據模型的查詢與集成問題是應當首要解決的問題。解決Web上的異構數據的集成與查詢問題,有一個模型來清晰地描述Web上的數據是很必要的。因此,針對數據半結構化的Web數據的特點,尋找一個半結構化的數據模型至關重要。并且除此定義一個半結構化數據模型之外,一種半結構化模型抽取技術(自動地從現有數據中抽取半結構化模型的技術)也是應當提出的。因而半結構化模型和半結構化數據模型抽取技術是面向Web的數據挖掘實現的重要前提。

用戶瀏覽網站上的內容時,他會被很的多因素影響,網頁的外觀,信息標題,網頁鏈接以及個人的興趣和習慣等等。我們可以設定合理的假設,建立他們之間的模型,利用以上提到的方法解決用戶偏好度的問題。

2.2 數據挖掘在在線考試系統方面的應用

數據挖掘在在線考試系統方面的應用最主要體現在題庫的構建,下面分別介紹題庫的構建中數據挖掘的應用情況。

在設計數據庫方面,數據庫主要由題庫、答案庫和答案關鍵字庫構成,題型庫又涵括科目、題號、題型、題目、難度、分值等字段;答案庫中包含科目、題號、分值、答案以及在同一題中有不同答案時應提供的不同答案序號等字段;答案關鍵字庫中有題號、答案序號、權重和答案關鍵字。此后在將答案錄入答案庫。對于客觀題而言,僅僅需要錄入唯一的答案;但對于主觀題而言,則需要盡量給出多個參考答案并將每個答案的關鍵字及其所對應的權值、答案序號輸入答案關鍵字庫。

通常有兩類數據挖掘方法:①統計型,應用概率分析、相關性、聚類分析和判別分析等技術得以實現;②通過人工智能中的機器學習,經過訓練以及學習輸入大量的樣品集,以得出需要的模式或參數。由于每一種方法都根據其特點都有其優勢以及相應的引用領域,最后結果的質量和效果將受到數據挖掘技術選擇的影響,采用多種技術結合的方法,其各自的優勢可以達到互補的要求,從而實現最佳配置。下面介紹了兩種數據挖掘方法: ①決策樹算法:為每個問題的答案構造一個二叉樹,每個分支或者是一個新的決策點,或者是一個葉子節點。在沿著決策樹從上到下的遍歷過程中,對每個問題的不同回答導致不同的分支,最后到達一個葉子節點,每個葉子節點都會對應確定的權值,通過對權值的計算判定得分;②模糊論方法:利用模糊集合理論,對實際問題進行模糊判斷、模糊決策、模糊模式識別、模糊簇聚分析。由于主觀題答案很靈活,答案不可能完全匹配,采用此方法將考生答案與答案庫中的答案進行對照,以確定答案的正確度,從而更客觀準確地評定主觀題分數。

2.3 數據挖掘在網絡入侵檢測系統方面的應用

入侵檢測就是通過運用一些分析方法對從各種渠道獲得的反映網絡狀況和網絡行為的數據進行分析、提煉,再根據分析結果對這些數據進行評價,從而能夠識別出正常和異常的數據或者對潛在的新型入侵做出預測,以保證網絡的安全運行。

基于分布式數據挖掘的入侵檢測系統要對一個網段上的信息進行全面而細致的監測,同時在網絡上多個點進行數據采集,如網關和特別需要保護的服務器等。整個系統構成分為本地分類器、規則學習模塊和集中分類器三塊基本構件。本地分類器負責對從網絡上各個點采集到的數據通過預處理模塊去除掉無效數據,并將原始數據處理成為以后進行數據挖掘算法可識別的格式,以實現對數據的初步檢測和處理。本地分類器有2個輸出:一個輸出為分類數據,用于提交給規則學習模塊,另外一個為數據摘要,用于提交給集中分類器。規則學習模塊負責對標記過的分類數據進行深層次的數據挖掘,從而學習到新的知識。學習到的知識被直接錄入到規則庫中,這樣保證了規則庫可以根據網上的變化可以隨時達到更新的需求。另外一種方式是通過規則學習模塊實現人工訓練系統,從而實現升級規則庫的需求。最后將分布式數據挖掘的結果形成數據摘要發送給集中分類器,由集中分類器對各點數據摘要進行匯集,從而做出綜合判斷,達到有效地檢測協同攻擊的效果,最后將檢測結果提交給決策模塊。

3 結束語

數據挖掘技術是人工智能學科的一個重要分支,也是現代計算機科學的一個研究重點。現在基于數據挖掘技術的科研可以說是碩果累累,自從人工智能這個概念被提出來之后,其發展一直是計算機學科的熱門而且其分支廣而泛,都在不同的領域發揮著十分重要的作用。相信在計算機研究人員的不斷努力下數據挖掘會在更多的方面服務人們,并且期待著新的理論的提出。

參考文獻:

[1] 何克抗.建立題庫的理論[M].長沙:國防科技大學出版社,1995.

[2] 劉波,段麗艷.一個基于Internet的通用題庫系統的設計與實現[J].華南師范大學學報:自然科學版,2000(1):39-44.

[3] 王實,高文.數據挖掘中的聚類方法[J].計算機科學,2000,27(4):42-45.

主站蜘蛛池模板: 德格县| 连江县| 达尔| 探索| 巴林右旗| 乐山市| 石嘴山市| 喀喇沁旗| 栾城县| 翼城县| 洪泽县| 西畴县| 湾仔区| 洪泽县| 科尔| 松滋市| 牙克石市| 新河县| 米易县| 武穴市| 黄浦区| 阳曲县| 班戈县| 百色市| 大同市| 贞丰县| 上饶市| 阳高县| 蒙山县| 乌拉特前旗| 赤壁市| 玉门市| 诸城市| 香港| 昭觉县| 青田县| 阿拉尔市| 安化县| 恭城| 鄄城县| 祁连县|