基于人工智能背景下的模式識別課程教學改革與實踐

張懿璞 閆茂德 常琪

【摘 要】模式識別作為人工智能的分支學科，其應用廣泛且與生活聯(lián)系緊密，受重視程度越來越高。本文針對模式識別課程教學狀況及現(xiàn)存問題，從內容和方法這兩大方面進行了改革嘗試。

【關鍵詞】模式識別 教學改革 教學內容層次化 項目實例教學法

基金項目：2108年中央高校教育教學改革專項（研究生）資助項目“《模式識別》研究生高水平課程建設”（項目編號：300103183051）；陜西省教育教學改革項目“項目導向的自動化專業(yè)校企產學合作協(xié)同育人模式研究與實踐”（項目編號：17BY023）。

隨著經(jīng)濟和文化的不斷創(chuàng)新改革，現(xiàn)代科學技術更是迅猛發(fā)展，尤其是計算機科學技術的進步，使得現(xiàn)代科學信息技術與人工智能已逐漸成為新時代重要的技術之一。作為人工智能重要的分支學科之一，模式識別是一門理論與實踐相結合，綜合性和理論性緊密相關的學科，也是信息科學和控制科學的重要組成部分[1]。其理論建立在矩陣論、概率論與數(shù)理統(tǒng)計等基礎理論知識之上，其技術在人機交互、自動駕駛、工業(yè)制造、醫(yī)學工程，以及基因技術等方面都發(fā)揮著重要作用。作為控制科學與技術領域重要的研究方向，高校開設模式識別相關課程，對提升自身科研實力，豐富學科課程體系，增強學生就業(yè)競爭力等都有著重要意義。

目前，在國內外眾多課程設置中，模式識別既是信息和控制類專業(yè)的基礎課程，同時又是眾多科研或工程項目的關鍵技術。作為本科選修課程，模式識別課程教學的重點在于基礎概念性知識，主要通過實例項目應用，加深學生對基礎理論的理解，同時將前沿項目引入課堂，從而激發(fā)學生學習興趣，吸引更多人加入相關專業(yè)進一步學習。

現(xiàn)存的教學問題

由于模式識別課程的基礎是矩陣論、數(shù)學分析、概率論等理論性非常強的數(shù)學課程。因此，在教學過程中需要進行大量的證明推導，這種情況導致理論與實踐聯(lián)系相對薄弱，使得教學氛圍失去活力，學生聽課困難沒有興趣，教學效果不理想。而理論知識本身較為抽象不夠具體，這就使得學生在課堂上常常難以聯(lián)系實際問題，在遇到實際項目時手足無措。就此來看，如何帶動學生對模式識別課程的學習熱情，讓學生理解和有效掌握模式識別課程的基礎知識，以及將理論與實踐有效結合并加以應用，仍是當前模式識別教學亟待解決的難題。

除此之外，隨著人工智能和數(shù)據(jù)挖掘等新興技術的高速發(fā)展，相關新方法、新技術和新工具的出現(xiàn)，使得模式識別相關研究一直處于科技發(fā)展的前沿。而人工智能專業(yè)建設則需要將模式識別知識與其他知識相融合，不能只是單一學科知識的傳授，更要注重同別的學科及應用領域相結合。因此，對跨學科的應用介紹及引導講解顯得尤為重要。

綜上，本文針對模式識別課程改革提出了以下三個方面的問題。

1.改進基礎性課程知識點間關聯(lián)性薄弱的問題。一旦基礎知識點出現(xiàn)斷層，將會給后續(xù)的知識講解和學生的理解造成障礙。

2.前沿性課程中知識點與實際問題能否有效結合的問題。前沿性課程中涉及很多模式識別最新研究理論與成果。因此，需要一些實例來加深對前沿技術的理解。

3.模式識別前沿研究方法和相關應用缺乏專業(yè)介紹的問題。國內在這方面起步較晚，缺少對前沿研究大量且詳細的介紹。

針對模式識別課程的改革探索

1.教學內容層次化

模式識別內容繁多，要將教學內容層次化，對知識進行分層講解，可以加強學生對知識點有序深入的理解，還可以為后續(xù)項目實例的引入儲備知識。本文將教學內容分成基礎知識點、經(jīng)典算法和前沿技術這三個層次進行說明。

（1）基礎知識點

模式識別的基礎知識點指的是發(fā)展至今已經(jīng)完善的數(shù)學理論和基礎方法。如統(tǒng)計決策論、線性分類器、概率密度函數(shù)估計等內容。由于這些基礎方法運用廣泛，作為模式識別中的重點基礎知識，能為之后的進一步學習奠定基礎。在基礎知識這一部分內容教學中，公式推導尤為重要，需要學生有一定高等數(shù)學、線性代數(shù)、概率論等基礎。筆者在教授過程中與學生多交流，獲悉學生對基礎知識點的疑惑并及時進行了解答。這樣，有層次地、系統(tǒng)地學習基礎性內容能為之后經(jīng)典方法的引入、理解并正確地應用打下堅實的基礎。

（2）經(jīng)典算法

經(jīng)典算法則是已經(jīng)發(fā)展成型，并投入實際使用的模式識別原理和方法。如支持向量機、神經(jīng)網(wǎng)絡、隨機算法、遺傳算法等內容。這些算法在實際應用中極為廣泛，并且具有一定的效果。因此，將算法和實例結合講解，實例提出具體問題并引出解決方法，可以加深學生的理解，從而增強學生相關理論知識的實際應用能力。

（3）前沿技術

前沿性課程是指還在探索發(fā)展領域中的模式識別理論和方法，如當下人工智能領域內引起重大關注的深度學習，在應用中迅速發(fā)展的自動駕駛、基因檢測、遙感圖像識別等問題。這部分內容仍處于發(fā)展探索階段，對數(shù)學及相關專業(yè)知識要求很高。因此，在授課過程中弱化公式推導，從實際問題和技術應用出發(fā)，重點講授問題的演變和進化、方法的應用流程、技術結合的條件與應用范圍等知識，結合國內外前沿研究的論文、慕課和相關視頻，可以開闊學生視野，加強專業(yè)研究類科學建設，激發(fā)學生興趣。

2.項目實例教學法

由于模式識別是一門理論與實踐結合緊密的課程。因此，將知識點運用到實際問題中就顯得尤為重要，把這些重點、難點知識結合實際項目實例，讓學生更容易理解，也更方便學生結合實例進行運用，鞏固所學知識。在人工智能專業(yè)建設的前提下，本文就此提出了應用實例和自主實例學習相結合的項目實例教學方法。

（1）應用實例

針對上述層次化的教學內容，筆者設計了醫(yī)療數(shù)據(jù)異常檢測、文本分類等實例項目，并結合交通背景，將車牌識別、車流量檢測、車輛分類等引入教學，對其進行具體分析。

對于前沿技術，通過關注模式識別領域的最新研究進展和行業(yè)發(fā)展，將最新的理論進展、前沿的技術應用和公布的創(chuàng)新成果以項目實例的形式引入課堂，構建全面覆蓋基礎知識、結合前沿方法、聯(lián)系最新研究現(xiàn)狀的全新課程體系及內容，力求理論推導嚴密，內容豐富，反映國內外最新的教學科研成果。并針對學校公路交通背景，設計包含自動駕駛、智慧交通、車聯(lián)網(wǎng)等內容的相關案例，形成面向教學、聯(lián)系前沿的、具有行業(yè)特色的模式識別高水平研究生課程。

（2）自主實例學習

由于受傳統(tǒng)教學、師生關系等影響，在以往的教學過程中，大都以教師講授為主，這不僅拉開了教師與學生的距離，并且使教學過程變成教師獨白講授的過程[2]。教師與學生在課堂上沒有交流，導致學生學習興趣不高，課堂氛圍僵硬，教師無法對學生答疑解惑，使教學效果得不到正面反饋。

現(xiàn)代教學以尊重學生的個性與興趣為重點，將學生放在主體位置，這樣能最大程度激發(fā)學生的學習潛能與熱情[3]。因此，在教學過程中，可以將教學內容進行分層，教師與學生共同協(xié)作，學生提問，師生共同解答，既可以鍛煉學生的口頭表達能力，又提高了學生自主學習的動力。

結 語

模式識別課程作為現(xiàn)代高校重要的專業(yè)課程之一，對相關專業(yè)學生的要求較高。因此，需對模式識別課程進行深刻改革。本文提出的教學分層和實例教學方法是對傳統(tǒng)教學的一種改變與嘗試，其中信息技術發(fā)展也為實例教學的傳播提供了有力的技術支持[4]。將現(xiàn)代信息技術帶入課堂，利用互聯(lián)網(wǎng)查閱和參照國內外模式識別課程體系，建設以交通控制為背景，針對智慧交通和人工智能控制的模式識別高水平課程，仍是各院校努力的目標。

參考文獻：

[1]劉雨、孫即祥、余莉：《“模式識別”課程開放式案例教學設計》，《電氣電子教學學報》2011年第3期，第103-105頁。

[2]張新平、馮曉敏：《重思案例教學的知識觀、師生觀與教學觀》，《高等教育研究》2015年第36卷第11期，第64-68頁。

[3]冀俊忠：《落實科學發(fā)展觀，深化“人工智能”課程的教學改革》，《計算機教育》2009年第24期，第105-107頁。

[4]王應密、張樂平：《全日制工程碩士案例教學資源庫建設探析》，《高等工程教育研究》2013年第4期，第166-171頁。

作者單位：長安大學電子與控制工程學院 陜西西安