| 研究生人工智能课程教学方法的改革与研究 |
|
|
|
Ww.LWlm.com论文联盟*编辑。及当前应用情况和发展趋势；第4部分为专家系统、自然语言理解、机器学习、机器人系统及模式识别基础等。其中第2部分是基础理论，是人工智能的重要基础；第3和4部分是人工智能的应用。在具体授课时，第3和4部分内容会根据不同情况进行选择，尽量避免基本概念和方法的重复讲授，采用专题报告的形式，利用实际应用案例进行讲解，并补充一些当前研究概况和发展趋势的介绍。
另外，在课程教学时，我们注重与相关课程，如离散数学、数据结构、概率论、数据挖掘、图像处理、模式识别等课程的衔接与应用，并补充有关知识。在教材选用方面，主要采用了中南大学蔡自兴教授等主编的教材《人工智能及其应用》研究生用书。除此以外，有些讲授的实际应用案例都取材于当前发表的学术论文或学位论文中，这样既考虑了基础知识的讲授，同时也注重当前研究的前沿。
四、改革教学方法
（一）激发学生的学习兴趣
由于这是一门专业基础课程，难度大，抽象概念多，学生往往感到不易接受和感兴趣，因此，我们通过如下途径和方法，激发和培养学生的学习兴趣。
第一，对核心人工智能技术采用课内演示方法，提高学生对人工智能的感性认识。我们精心组织和准备了产生式系统、搜索策略、神经网络、机器人导航等课内演示实验，使学生扩大了眼界，增加了感性知识，达到提高学生学习兴趣的目的与效果。
第二，在课件上采用了大量的多媒体形式，如视频、动画、声音和图像等，使人工智能抽象的知识形象化，便于学生理解。例如，课内让学生观看涂晓媛博士的“人工鱼”的录像视频、人机交互机器人视频等［3］。介绍当前关于人工智能和机器人研究新闻报道，特别介绍近几年来日本机器人发展，如播放“阿西莫”机器人，美女机器人等视频，激发了学生对机器人学习的兴趣，以加深学生对所学知识的理解，使学生创新意识得到增强。
第三，针对专业研究方向做有关人工智能的专题讲座，提高学生的学习积极性。如针对智能信息处理方向，介绍自然语言理解和机器视觉的研究新方向等。如在介绍神经网络时，采取专题的形式来介绍，我们主要介绍手写体数字的神经网络识别方法，内容包括：手写字体图像的获取、预处理、特征的提取、神经网络结构设计、学习策上一页 [1] [2] [3] [4] [5] 下一页 |
|
|
| |
|
上一个论文： 机制主义方法与人工智能统一理论
下一个论文： 论国画线性素描与西方形体素描的共通借鉴 |
|
用户登录 
新用户注册 