基于人工智能背景下的模式识别课程教学改革与实践.docx

《基于人工智能背景下的模式识别课程教学改革与实践.docx》由会员分享，可在线阅读，更多相关《基于人工智能背景下的模式识别课程教学改革与实践.docx（7页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、基于人工智能背景下的模式识别课程教学改革与实践 【摘 要】模式识别作为人工智能的分支学科，其应用广泛且与生活联系紧密，受重视程度越来越高。本文针对模式识别课程教学状况及现存问题，从内容和方法这两大方面进行了改革尝试。 【关键词】模式识别 教学改革 教学内容层次化 项目实例教学法 基金项目：2108年中心高校教化教学改革专项资助项目“模式识别探讨生高水平课程建设”；陕西省教化教学改革项目“项目导向的自动化专业校企产学合作协同育人模式探讨与实践”。 随着经济和文化的不断创新改革，现代科学技术更是迅猛发展，尤其是计算机科学技术的进步，使得现代科学信息技术与人工智能已渐渐成为新时代重要的技术之一。作为

2、人工智能重要的分支学科之一，模式识别是一门理论与实践相结合，综合性和理论性紧密相关的学科，也是信息科学和限制科学的重要组成部分1。其理论建立在矩阵论、概率论与数理统计等基础理论学问之上，其技术在人机交互、自动驾驶、工业制造、医学工程，以及基因技术等方面都发挥着重要作用。作为限制科学与技术领域重要的探讨方向，高校开设模式识别相关课程，对提升自身科研实力，丰富学科课程体系，增加学生就业竞争力等都有着重要意义。 目前，在国内外众多课程设置中，模式识别既是信息和限制类专业的基础课程，同时又是众多科研或工程项目的关键技术。作为本科选修课程，模式识别课程教学的重点在于基础概念性学问，主要通过实例项目应用，

3、加深学生对基础理论的理解，同时将前沿项目引入课堂，从而激发学生学习爱好，吸引更多人加入相关专业进一步学习。 现存的教学问题 由于模式识别课程的基础是矩阵论、数学分析、概率论等理论性特别强的数学课程。因此，在教学过程中须要进行大量的证明推导，这种状况导致理论与实践联系相对薄弱，使得教学氛围失去活力，学生听课困难没有爱好，教学效果不志向。而理论学问本身较为抽象不够详细，这就使得学生在课堂上经常难以联系实际问题，在遇到实际项目时手足无措。就此来看，如何带动学生对模式识别课程的学习热忱，让学生理解和有效驾驭模式识别课程的基础学问，以及将理论与实践有效结合并加以应用，仍是当前模式识别教学亟待解决的难题。

4、 除此之外，随着人工智能和数据挖掘等新兴技术的高速发展，相关新方法、新技术和新工具的出现，使得模式识别相关探讨始终处于科技发展的前沿。而人工智能专业建设则须要将模式识别学问与其他学问相融合，不能只是单一学科学问的传授，更要注意同别的学科及应用领域相结合。因此，对跨学科的应用介绍及引导讲解显得尤为重要。 综上，本文针对模式识别课程改革提出了以下三个方面的问题。 1.改进基础性课程学问点间关联性薄弱的问题。一旦基础学问点出现断层，将会给后续的学问讲解和学生的理解造成障碍。 2.前沿性课程中学问点与实际问题能否有效结合的问题。前沿性课程中涉及许多模式识别最新探讨理论与成果。因此，须要一些实例来加深对

5、前沿技术的理解。 3.模式识别前沿探讨方法和相关应用缺乏专业介绍的问题。国内在这方面起步较晚，缺少对前沿探讨大量且具体的介绍。 针对模式识别课程的改革探究 1.教学内容层次化 模式识别内容繁多，要将教学内容层次化，对学问进行分层讲解，可以加强学生对学问点有序深化的理解，还可以为后续项目实例的引入储备学问。本文将教学内容分成基础学问点、经典算法和前沿技术这三个层次进行说明。 基础学问点 模式识别的基础学问点指的是发展至今已经完善的数学理论和基础方法。如统计决策论、线性分类器、概率密度函数估计等内容。由于这些基础方法运用广泛，作为模式识别中的重点基础学问，能为之后的进一步学习奠定基础。在基础学问这

6、一部分内容教学中，公式推导尤为重要，须要学生有肯定高等数学、线性代数、概率论等基础。笔者在教授过程中与学生多沟通，获悉学生对基础学问点的怀疑并刚好进行了解答。这样，有层次地、系统地学习基础性内容能为之后经典方法的引入、理解并正确地应用打下坚实的基础。 经典算法 经典算法则是已经发展成型，并投入实际运用的模式识别原理和方法。如支持向量机、神经网络、随机算法、遗传算法等内容。这些算法在实际应用中极为广泛，并且具有肯定的效果。因此，将算法和实例结合讲解，实例提出详细问题并引出解决方法，可以加深学生的理解，从而增加学生相关理论学问的实际应用实力。 前沿技术 前沿性课程是指还在探究发展领域中的模式识别理

7、论和方法，如当下人工智能领域内引起重大关注的深度学习，在应用中快速发展的自动驾驶、基因检测、遥感图像识别等问题。这部分内容仍处于发展探究阶段，对数学及相关专业学问要求很高。因此，在授课过程中弱化公式推导，从实际问题和技术应用动身，重点讲授问题的演化和进化、方法的应用流程、技术结合的条件与应用范围等学问，结合国内外前沿探讨的论文、慕课和相关视频，可以开阔学生视野，加强专业探讨类科学建设，激发学生爱好。 2.项目实例教学法 由于模式识别是一门理论与实践结合紧密的课程。因此，将学问点运用到实际问题中就显得尤为重要，把这些重點、难点学问结合实际项目实例，让学生更简单理解，也更便利学生结合实例进行运用，

8、巩固所学学问。在人工智能专业建设的前提下，本文就此提出了应用实例和自主实例学习相结合的项目实例教学方法。 应用实例 针对上述层次化的教学内容，笔者设计了医疗数据异样检测、文本分类等实例项目，并结合交通背景，将车牌识别、车流量检测、车辆分类等引入教学，对其进行详细分析。 对于前沿技术，通过关注模式识别领域的最新探讨进展和行业发展，将最新的理论进展、前沿的技术应用和公布的创新成果以项目实例的形式引入课堂，构建全面覆盖基础学问、结合前沿方法、联系最新探讨现状的全新课程体系及内容，力求理论推导严密，内容丰富，反映国内外最新的教学科研成果。并针对学校马路交通背景，设计包含自动驾驶、才智交通、车联网等内容

9、的相关案例，形成面对教学、联系前沿的、具有行业特色的模式识别高水平探讨生课程。 自主实例学习 由于受传统教学、师生关系等影响，在以往的教学过程中，大都以老师讲授为主，这不仅拉开了老师与学生的距离，并且使教学过程变成老师独白讲授的过程2。老师与学生在课堂上没有沟通，导致学生学习爱好不高，课堂氛围僵硬，老师无法对学生答疑解惑，使教学效果得不到正面反馈。 现代教学以敬重学生的特性与爱好为重点，将学生放在主体位置，这样能最大程度激发学生的学习潜能与热忱3。因此，在教学过程中，可以将教学内容进行分层，老师与学生共同协作，学生提问，师生共同解答，既可以熬炼学生的口头表达实力，又提高了学生自主学习的动力。

10、结 语 模式识别课程作为现代高校重要的专业课程之一，对相关专业学生的要求较高。因此，需对模式识别课程进行深刻改革。本文提出的教学分层和实例教学方法是对传统教学的一种变更与尝试，其中信息技术发展也为实例教学的传播供应了有力的技术支持4。将现代信息技术带入课堂，利用互联网查阅和参照国内外模式识别课程体系，建设以交通限制为背景，针对才智交通和人工智能限制的模式识别高水平课程，仍是各院校努力的目标。 参考文献： 1刘雨、孙即祥、余莉：“模式识别”课程开放式案例教学设计，电气电子教学学报2022年第3期，第103-105页。 2张新平、冯晓敏：重思案例教学的学问观、师生观与教学观，高等教化探讨2022年第36卷第11期，第64-68页。 3冀俊忠：落实科学发展观，深化“人工智能”课程的教学改革，计算机教化2022年第24期，第105-107页。 4王应密、张乐平：全日制工程硕士案例教学资源库建设探析，高等工程教化探讨2022年第4期，第166-173页。 作者单位：长安高校电子与限制工程学院 陕西西安 第7页 共7页第 7 页 共 7 页第 7 页 共 7 页第 7 页 共 7 页第 7 页 共 7 页第 7 页 共 7 页第 7 页 共 7 页第 7 页 共 7 页第 7 页 共 7 页第 7 页 共 7 页第 7 页 共 7 页