SCI论文（www.lunwensci.com）:
摘要：计算智能是一门新兴交叉应用型课程。计算智能课程教学与信息与计算科学专业的培养目标有非常好的契合度。夯实计算智能课程基础，精心设计课堂教学，精编实验教学指导书，融入数学建模思想，让学生尽可能多的参与到科研或竞赛实践中，有助于提升学生的参与度、认知度。计算智能为学生提供了一个学以致用、参与实践，促进个人素质全面提升的舞台。
关键词：实验教学；科研实践；MATLAB
本文引用格式：杨文光,等.基于应用前沿的计算智能课程教学刍议[J].教育现代化,2019,6(05):113-116.
Teaching Reflection on Computational Intelligence Based on Application Frontier
YANG Wen-guang,LI Qiang-li,GAO Yan-hui
(College of Science,North China Institute of Science and Technology,Sanhe Hebei,China)
Abstract:Computational intelligence is a new intersect application course.There is a very good fit between computational intelligence curriculum and information and computing science professional training target.Compaction on foundations of computational intelligence course,careful design of classroom teaching,the choreography experiment teaching instruction,integration into mathematical modeling thought,and the students as much as possible participated in scientific research or competition practice,the above of all will improve the students’participation and recognition.Computational intelligence provides students for a chance with learning,participation in practice and promotion of the personal comprehensive quality stage.
Key words:Experimental teaching;Scientific practice;MATLAB
一 引言
信息与计算科学专业自1998年诞生以来，因其学科的交叉性和综合性，实践教学显得格外重要。教育部于2009年公布的《信息与计算科学专业规范》中对该专业人才培养的专业素质要求是：具备较扎实的数学知识，学会“数学方式”的理性思维和科学的研究方法，能够对实际问题建立数学模型，能够用规范的数学语言表达自己的思想，具备求实创新意识。对能力结构的要求包括获取知识的能力、应用知识的能力和创新能力。特别强调：在实践方面应对课程有针对性地开展计算机编程、科学计算与信息工程训练。显然，这方面的要求只有通过科学设计的实践教学环节才能落实[1,2]。受大自然各种奇妙的群体智能和人类自身特点启发而出现的各种计算智能，其应用一直在不断进步，作为教师需要在课堂中在恰当的时候将自己的科研成果和本学科的最新发展动态介绍给学生，这样一方面可以加深学生对所讲内容的理解，另一方面可以开阔学生的视野，提高学生的学习兴趣。达到事半功倍的教学目的。计算智能作为一门重要的专业选修课，极好的与信息与计算科学专业的设置初衷相吻合，即实现学生能够运用数学思想借助软件实现智能算法建模与求解的目标。
目前，全国开设信息与计算科学专业的高校基本都设置了计算智能这门课程，有些高校还将其作为全校的校级公共选修课，可见计算智能已经引起了高校的普遍重视。但涉及计算智能课程教学研究的参考文献还很少，关于计算智能与日新月异的科学发展应用紧密结合的课程教学研究还鲜见报道[3,4]。计算智能课程的产生、发展离不开不断发展变化的实际应用，新的算法又在不断出现，如何将计算智能的课程教学与应用前沿进行紧密的衔接成为一个需要深入思考的问题。
二 基于应用前沿的计算智能课程教学思考
笔者从2011年开始执教于华北科技学院理学院信息与计算科学专业的计算智能课程，累计授课七届，每届48学时。在我校，计算智能是信息与计算科学专业的专业选修课，学生选修比例高达80%以上，7年下来共计336学时，现将笔者关于计算智能的一些教学思考阐述如下。
（一)突显计算智能的交叉性和融合性，夯实专业基础
信息与计算科学专业是传统数学专业的延伸与发展，在教学中要突出基础学科为应用交叉学科服务的意识，把在计算智能中应用背景较多的矩阵论、函数逼近论等数学知识讲精讲活。如在神经网络一章中涉及到了梯度下降算法、伪逆矩阵等，适当回顾原来书本知识，并放大到计算智能算法的推导中，最后结合MATLAB编程实现就会使得理论与实践结合变得切实可行。
（二）精心编排计算智能上机实验课程指导书，定期更新实验内容，保留经典实验，更换相对已经过时的算法实验，向学生推荐市面上畅销且容易模仿学习的最新计算智能书籍
本课程的上机实验是《计算智能》的重要组成部分，任课教师需向学生布置好每次的上机作业，讲清任务和要求。该课以编程和上机实验为主，教师给出上机题目，实验前学生必须将所学《计算智能》课程内容进行认真、系统的复习、总结，并在此基础上编好程序。编写好程序后，方可进入机房进行上机调试程序。上机实验时1人一台计算机，在规定的时间内，由学生独立完成，出现问题，教师要引导学生独立分析、解决，不得包办代替。上机设计结束后，学生应提交完成的上机作业，综合性实验要同时上交电子稿和打印稿。其中设计性实验按照3人一组方式合作完成，提交实验报告，并完成答辩环节。
目前，经典的计算智能书籍还非常少，很多书籍都是传统型的课本编排模式，将一些算法顺次串接在一起，理论上够用了，案例偏少，实现无从考证，让学生像丈二和尚摸不着头脑。为了避免这种教学书籍匮乏的窘境，笔者向学生推荐了几种算法的书籍，如楼顺天编写的《基于MATLAB的系统分析与设计——模糊系统》，书中含有大量的程序，为学习模糊系统提供了非常好的素材，刘金琨编写的《系统辨识理论及MATLAB仿真》，该书MATLAB仿真角度系统介绍了系统辨识的基本理论、基本方法和应用技术，涉及神经网络辨识及其应用、模糊系统辨识、智能优化算法辨识及灰色系统辨识等常用智能算法，有大量的实例，每种实例都进行了仿真分析，并给出了相应的MATLAB仿真程序，是一本非常不错的算法科普普及书籍，除此之外，还有《MATLAB智能算法30个案例分析》等等。这些书籍都涉及到了最新最前沿的智能算法，非常值得学习。
（三) 增加课程教学的时效性，以创新性、实用性、新颖性、易学性为指导思想，每次授课之初都要对教案进行适当的更新
计算智能不同于数学分析、高等代数、高等数学等传统的课程，它的发展历史还很短，但它的实用性和指导性与传统课程一样非常明确，那就是通过经典浅显的算法传达知识。授人以鱼不如授人以渔，在课程的讲授过程中，要时时处处融入传帮带的思想，每个经典算法、经典案例的产生都有一个故事，将故事娓娓道来，既增加了趣味性，又把算法的实现过程传递给学生，使大家明白算法的来龙去脉，在不知不觉中去掉内心对新知识的畏惧和不知所措。在几年的课堂教学中，笔者不断观察学生的表现，当算法的切入点较低时，学生总会默许点头，当遇到晦涩难懂的理论推导时，总会出现眉头紧皱的情景。计算智能的指导思想就是要让学生在轻松愉悦的学习氛围中学习解决问题的智能算法，使得枯燥无味的问题甚至是不可能完成的事情借助于计算机和智能算法做到瞬间完成。
（四) 在计算智能课程教学中融入数学建模思想，让学生亲自参与到应用最前沿的数学建模赛事和一些实际的科研训练中，突显计算智能为专业服务的意识
中国数学建模竞赛、美国数学建模竞赛是世界范围内两个最重要的数学建模赛事，无疑最能体现前沿性，从历年参赛试题中都会发现使用计算智能算法求解问题的成功案例，大学生通过该赛事体现个人能力，学校间通过该赛事比拼实力已经悄然成为一种时尚。现在的数学建模竞赛比的不仅仅是数学知识的应用，更是计算智能算法的应用。笔者尝试将两个赛事中与计算智能完美结合的典型题目以课外练习题的形式交给学生去完成，让学生在开放环境中去获取相关知识、算法，既可以自己尝试，也可以以获奖论文为模板，去实现别人已经实现的方法，贵在学习和模仿，让学生收获恍然大悟的惊喜；从2010年开始，笔者将自己的计算智能授课和数学建模竞赛进行了有机结合，先后选拔多名学生参加各类数学建模竞赛，取得了不错的成绩，例如09级信息与计算科学专业学生刘建红、郑丽欢组队两次获得全国数学建模竞赛二等奖，09级信息与计算科学专业学生薛杨、鲍娟与10级信息与计算科学专业王甜甜组队获得美国数学建模竞赛二等奖等。实践证明，课程教学需要适当穿插最新的前沿性的内容，这样可以极大的激发学生的好奇心和求知欲望，使得教学收到事半功倍的效果。
为了让学生有更加真实的切身体会，笔者从2013年开始，开始尝试让一些有自己想法，愿意付诸实践的学生参加到自己的科研项目中，也亲自指导一些富有挑战性的学生参加大学生创新创业训练计划项目，使得在计算智能课堂所学知识有了发挥的余地。例如指导信息与计算科学专业11级学生林连海、严哲等立项2013年的国家级大学生创新创业计划项目——运用幂激励前向神经网络进行矿井瓦斯涌出量预测(201311104031)，在河南理工大学学报(自然科学版)发表1篇论文[5]，2013年指导09级信息与计算科学专业学生钟云香参与到中央高校基本科研业务费项目中，与笔者共同完成一篇论文发表在中山大学学报(自然科学版)上[6]，另外还指导12级信息与计算科学专业学生郭春元、綦涛等4人立项2014年国家级大学生创新创业计划项目——混沌蚁群算法在保密通信中的应用(201411104044)。这些做法逐渐成为信息与计算科学专业学生的一种传统。几年下来，已经有一大批的信息与计算科学专业的毕业生考取了控制理论与控制工程、计算机科学、应用数学等涉及智能信息处理、数据挖掘、人工智能等方向的研究生，骄人的考研成绩和就业率受到各方的首肯。
（五）在课堂教学中实现MATLAB语言与计算智能案例教学的完美结合
计算智能是一门实用性非常强的课程，它的实现离不开计算机编程，而MATLAB以其浅显易懂图形并茂的优点成为智能算法的最重要实现工具。几年的计算智能课堂教学下来，给笔者最大的感受就是学生很喜欢上计算智能这门课，但就是对计算机编程有抵触心理，从而成为掌握智能算法并应用于实践的最大障碍。学生普遍对计算机编程有恐惧感，可能源于编程语言不同于我们的日常用语，不同的编程语言有不同的编程习惯和编程要求，遇到新的算法，再加上新的编程语言，学生就不知所措了。分析问题的症结在于，怎样把课堂案例设计的更简单、更巧妙，既实现了预定的教学目标，又把MATLAB的编程实现展现出来。随着教学经验的不断积累，我不断更新教学内容和编程案例，几年来，我总结出的经典案例教学都配备了详实的编程讲解，如自动倒车模糊控制，一阶模糊推理建模，感知器设计实验，幂激励前向神经网络实验与遗传算法实验。每个实验既有课堂理论讲解，又有实验课分解实现讲解，最终每个学生都可以交上一份属于自己的实验报告。下面我以一阶模糊推理建模实验为例，把其实现过程呈现给大家，表明模糊推理建模是一种基于模糊推理思想有效利用输入输出数据完成系统建模的新方法[7,8]。
1.实验目的
了解模糊推理建模方法，能够编写一阶模糊推理建模程序。
2.实验环境及要求MATLAB软件等。
3.实验学时：2学时
4.实验内容
将模糊推理建模法应用于一阶非线性系统，推导出基于该方法的数学模型。首先根据模糊逻辑系统的插值机理将被控对象的模糊推理规则库归结为某种线性插值函数，然后将这些插值函数转化为变系数线性微分方程，从而得到控制系统的数学模型。通过一1ey阶微分方程系统y1ey的实际建模予以验证。
5.实验步骤
a．进入MATLAB或VC开发环境；b．根据实验内容和要求编写程序；c．调试程序；
d．运行程序；e．生成报告。
6.程序举例
该实验起点低，方法简单，但却蕴含着很深刻的建模思想。通过本上机实验的讲解和上机练习，学生就会掌握何为一阶模糊推理，发现自己学会一种新的算法并不像想象的那么复杂，进而为二阶模糊推理建模的学习打下坚实基础。
三 教学反馈促进计算智能课程改革
1.通过观察学生的表现，及时对每节内容进行后记，为后续更新课堂教学准备一手资料；
2.设置课堂小测试，通常以填空的形式完成一段小程序，及时发现问题，纠正错误，有重点的讲解，为学生指点迷津；
3.通过微信、QQ、邮箱等现代工具能够与学生时时处处就计算智能的相关内容进行沟通，如一些程序的小瑕疵怎样处理，一些新的算法的讨论等等；
4.期初与学生交心畅谈课程的发展背景，期末与学生进行总结性交流，为课程教学组织好开始与结束。
四结语
课堂教学是师生互动的舞台，当大家都用心交流时，教学相长的局面就会自然呈现。“没有教不会的学生，只有不会教的老师”同样适用于计算智能课程教学。通过几年的计算智能课程教学，笔者发现，即使学生没有任何智能算法知识和编程基础，只要我们能够一步一个脚印儿地去交心，保证课堂教学循序渐进、善始善终，每门课都会取得预期的教学效果。看着一届一届学生学成毕业，作为曾经的一位任课老师，有着难以言表的喜悦和欣慰。
参考文献
[1]郑秋红，岑仲迪，奚李峰.信息与计算科学专业教学改革的方向和途径初探[J].教育与职业,2009,621:112-113.
[2]苏丽卿，黄民海.对信息与计算科学专业的认识与思考[J].河北师范大学学报(教育科学版),2008,10(6):107-109.
[3]杨文光.基于应用案例的计算智能课程教学研究[J].软件,
2012,33(8):86-89.
[4]丁海燕.计算智能主要技术及其在智能教学系统中的应用[J].云南大学学报(自然科学版),2013,35(S2):430-432.
[5]杨文光，林连海，严哲，等.幂激励前向神经网络改进下的瓦斯涌出量预测[J].河南理工大学学报(自然科学版),2014,33(3):261-265.
[6]杨文光，钟云香，李强丽，等.双输入样条神经网络权值与结构确定算法[J].中山大学学报(自然科学版),2014,53(3):61-66.
[7]李洪兴，王加银，苗志宏.模糊控制系统的建模[J].中国科学(A辑),2002,32(9):772-781.
[8]金梅，关学忠，金中石.一类非线性系统的模糊建模与仿真[J].系统仿真学报,2005,17(5):1030-1031.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！ 文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jiaoyulunwen/7646.html
