前言：中文期刊网精心挑选了神经网络的基础知识范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
神经网络的基础知识范文1
关键词：一流学科；课程结构；BP神经网络；创新型人才
中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2017）03-0162-02
建设国际一流的学科是创建国际一流大学的基础，坚持以一流为目标，以机械工程学科为基础，优化课程结构体系，培养创新型人才。机械工程学科课程结构建设是研究生培养的重要特征，也是创新型人才培养的重要载体和平台。本文以大学排名为依托，选取全球范围内认可度较高的大学排名――国际高等教育研究机构Quacquarelli Symonds（简称QS）世界大学工程技术类排名的各项参数作为依据。设计人工神经网络模型，将众多复杂的指标综合起来，并予以量化。
一、课程结构与创新型人才培养的关系
培养创新型人才既是当前中国高校教育改革与发展的一个重要课题，也是中国经济社会发展的迫切需要，对知识的学习和积累也提出了更高的要求。任何课程体系都必须围绕并服务于创新人才各方面素质的全面发展以及个性培养而设计，不能顾此失彼，从各门课程的组成要素看，也必须注意进行整体设计，兼顾各要素之间的联系，才能起到相互促进的作用[1]。人们在社会科学、自然科学和技术科学等各学科内，通过多门学科相结合，运用各种方法、技巧等，使其相互结合，形成新的学科，提高研究生的创新能力。
二、基于BP神经网络的机械工程研究生课程结构分析
BP神经网络是被广泛应用的一种重要网络形式，主要用来进行非线性系统的输入输出映射关系建模。本文采用的是隐含层为一层的三层BP神经网络模型，该模型为有监督的多层前向网络，由三层神经元组成：输入层、隐含层和输出层，其不同层之间用网络权值进行连接，同层内部神经元之间没有连接关系[2]。
通过对QS世界大学排名中工程技术类排名前400的部分院校进行排名指标数据整理和汇总，以及对其机械工程学科研究生课程进行搜集和分类，参考部分典型的课程结构分类标准，将机械工程学科的研究生课程分为自然科学基础、工程技术基础、机械设计、机械制造、机电一体化、生物方面、能源环保方面、微纳尺度、管理九类课程，作为九个指标，将其每类课程所占百分比，作为BP神经网络输入层的神经元；输出层有四个神经元，数据来源于QS世界大学排名中工程技术类排名，包括总体得分、学术声誉、全球雇主评价、单位教职的论文引用数。通常我们要根据网络收敛性能的好坏来确定隐含层神经元个数，通过对大量网络模型结构的分析研究，得到以下经验公式[3]：
S=■+a 1≤a≤10 （2.1）其中S为隐含层节点数，m为输入层节点数，n为输出层节点数。根据公式（2.1），我们首先将隐含层神经元数目设置为10，然后逐步增加到15和20。进行多次实验，通过误差的对比，发现在隐含层神经元个数为25时，该BP神经网络的性能最好。因此，该BP神经网络模型隐含层神经元数目设为25。将输入数据的70%作为训练数据，15%作为测试数据，15%作为验证数据，通过对训练结果进行测试，误差达到所要求的范围内则说明网络模型良好[4]。利用MATLAB训练及测试后的网络误差情况如下页图1所示，训练和测试误差均达到预期效果，大多集中在零误差附近，该模型满足实际的应用要求。
三、中国高校与国际一流学科大学的对比分析
列举中国某“211工程”、“985工程”高校，对其研究生院机械工程学科课程结构进行调查与统计，将其课程分布的9个参量输入到训练好的BP神经网络，推测出其总体得分、学术声誉、全球雇主评价、单位教职的论文引用数4个参量。
输入x=[9.76 13.82 39.84 11.38 21.95 0.00 0.81 0.81 1.63]；
输出ans=57.8018 28.9101 38.9170 72.6147
中国某高校总体得分为57.8018，学术声誉28.9101，全球雇主评价38.9170，单位教职的论文引用情况72.6147。从推测出的数据看，在QS排名中，中国某高校主要落后在学术声誉、全球雇主评价等指标上，相比于国际一流学科高校还是有很大的差距，差距最大的主要是科研水平和国际化方面，尤其是在科研水平方面。对比来看，在课程设置中，国际一流大学一流学科都有着丰富的课程设置，强调多学科融合以及新兴领域的学习，注重课程设置，推进创新型人才的培养。中国高校要创建国际一流学科，加大培养创新型人才的力度，应强化基础知识的学习，多开设工程技术基础类课程；在此基础上，加强专业知识的拓宽，不同专业方向专业课程供开放选择，增设新兴领域的课程学习[5]。另外，要强化多学科知识的融合，设置大量交叉学科课程，提高实践能力，锻炼和提高学生的实践和创新能力。
四、结论
本文研究了国际一流大学机械工程学科的课程体系结构，利用QS世界大学排名相关参数指标，建立了三层BP神经网络分析模型，对国际一流高校的机械工程学科课程结构进行了分析。基于所建数学模型，求出了中国某高校的QS总体得分、学术声誉、全球雇主评价、单位教职的论文引用情况等。选用QS排名中的29所高校作为系统样本，其中25组作为训练样本，4组作为测试样本，通过MATLAB完成网络的训练和测试，使用训练好的BP网络模型，推测QS排名系统未列出的中国某高校的QS相关参数，将其与国际一流学科的数据进行了比较分析。结果表明，中国某高校机械工程学科在课程结构设置上需要整体优化，强调多学科融合，拓宽知识面，巩固基础知识学习，加大创新型人才培养力度。
参考文献：
[1]郭丛斌，孙启明.中国内地高校与世界一流大学的比较分析――从大学排名的视角[J].教育研究，2015，（02）：147-157.
[2]饶海琴，雷良海.重点课程建设对创新人才培养的思考[J].课程教育研究，2013，（32）：255-256.
[3]卢铮松，李珂珂.基于人工神经网络的研究生课程评价模型[J].现代教育技术，2009，（10）：53-57.
[4]聂勇，马其平.国际一流高校创新型人才培养模式建构的思考[J].内蒙古农业大学学报（社会科学版），2011，（06）：126-127.
[5]刘强，潘鹏飞，王玉清.变革中的大学学科排名――QS世界大学学科排名最新进展与反思[J].比较教育研究，2015，（12）：35-41.
Research on the Course Structure of International First-Class Mechanical Engineering Using Neural Network
YANG Yang，WANG Hong，HUA Cheng-cheng，YIN Chang-hao，LI Kai-yuan
（Northeastern University School of Mechanical Engineer & Automation，Shenyang，Liaoning 110819，China）
神经网络的基础知识范文2
我们在教学的过程中，也比较比较注重案例教学。例如，在讲授神经网络时，我们可以用上海证券交易所中股市中股票随时间变化的数据为例，让学生讨论如何应用神经网络对股票价格进行预测。人工神经网络是一种模仿自然界动物神经网络行为特征，进行分布式并行信息处理的算法数学模型，能够较好地处理具有一定复杂性的数据，在预测、拟合等方面取得了很好的应用效果。让学生采用神经网络进行实际数据分析和处理，可以增强他们学习的积极性，更主动地投入到学习中去。我们也要求他们使用回归分析的方法对股票价格进行预测，然后和神经网络预测的结果进行比较。通过这个过程，可以使学生们不但了解了神经网络与回归分析算法的异同，加深他们对神经网络的认识。
加强实验教学，增强学生动手能力
信息与计算科学专业是以信息领域为背景，数学与信息、管理相结合的交叉学科专业。该专业培养的学生具有良好的数学基础，能熟练地使用计算机，初步具备在信息与计算科学领域的某个方向上从事科学研究，解决实际问题，设计开发有关软件的能力。毕业生适合到企事业单位、高科技部门、高等院校、行政管理和经济管理部门，从事科研、教学和计算机应用软件的开发和管理工作，也可以继续攻读信息与计算科学及相关学科的硕士学位。从信息与计算科学专业的培养目标可以看出信息与计算科学专业的本科生不但需要掌握理论知识，还需要具有将所学知识用来解决实际问题的能力。数据挖掘作为一门应用性较强的课程，需要学生能够运用数据挖掘知识分析和解决实际问题，要求学生能够熟练掌握数据挖掘的程序设计，以便在将来的就业中具有更好的适应性，因此实验环节的教学有着其必要性。基于这些原因，我们在这门课中引入实验环节，并将其纳入考核要求。我们实验所用的基本软件是SAS统计分析软件。SAS软件是一个集统计分析、报表图形、信息系统开发和大型数据库管理等多种强大功能为一体的大型软件系统，是目前国际上主流的统计分析软件之一。我们信息专业在大三时开设这门课程，之前已经学过C语言和JAVA等程序设计方法，有了一定的编程基础，因此学习使用SAS软件并不是特别困难。而且，在SAS软件中，系统自带了许多数据挖掘函数，这方便了同学们的使用。我们在平时的学习中，将一些SAS软件的基本程序设计基础知识先发给同学们，让他们利用课后时间自己在个人电脑上进行熟悉，从而使得他们熟悉基本SAS程序设计方法，这样可以在实验课上直接运用SAS软件进行数据挖掘程序的编写。在实验课上，我们主要将要实验的内容和相关数据资料提供给同学，要求同学自己用数据挖掘的知识和SAS软件进行编程实现，并写出实验分析和小结。另外，在实验中，我们也要求学生尽可能将一些实验结果用图表的形式如崖底碎石图等表示出来，以利于进一步分析。对于少部分学有余力的同学，我们也引导他们自编相关的程序。比如说在SAS软件中进行K－均值聚类用fastclus这个函数就可以了，但是学生对程序具体实现过程可能不是很清楚。如果学生能够将程序K－均值聚类详细程序步骤自己编写出来，就可以表明学生对所K－均值聚类算法也有了较清楚的认识。另外，对于属于数学建模协会的同学，我们也引导他们将数据挖掘的知识和数学建模中某些问题相结合起来，对于以往出现的一些可以利用数据挖掘知识分析的问题让他们利用相关的数据挖掘知识对其进行分析和求解，通过这样的方式，可以这样拓展这些同学的思路，也为数学建模培养了人才。
灵活的课后作业形式，提高学生的综合能力
神经网络的基础知识范文3
让机器自我学习
就像每个人在获得技能前，必须经历过学习训练一样，机器要实现智能化，也只能通过学习。机器学习起源于人工智能的一个分支，在这一领域，计算机科学试图创造计算机的类人智慧。
真正的机器学习与我们所认为的传统编程有本质的不同。当提到电脑程序时（或者一个程序里用到的运算法则），我们一般会认为是工程师为电脑下达了一系列指令，告诉他们怎么样去处理一系列的输入，然后产生相应的输出。一个浏览器会跟踪被浏览的网页，然后对于用户的输入通过一种确定的可预料的方法进行回应。但这些都是由人类事先编码好的，而非机器主动学习的结果。
机器学习，就是机器自己编程，这些机器经过培训，也能像人类一样进行编程。谷歌公司2015年了一款名为“深梦”的图片识别应用软件，这款软件不仅可以识别图像，而且可以利用图像制造一些出人意料的奇幻景象。例如，你呈现一幅风景图时，软件会根据你的图片进行分析，输出一幅计算机眼中的风景图。
这是怎么做到的呢？谷歌深梦的运作原理是通过模拟人类的神经元网络，建立起计算机自己的神经网络系统，通过神经元获得物体的信息，从而进行分析。计算机的神经元网络系统包含了上千个互动的神经元，以实现数学上的精密运算。
当然，为了让机器能识别物体信息，在过去四年里，研究者们一直用大量图片训练电脑神经网络，例如给“深梦”软件看许多图片，并告诉每张图片中的主体是什么，一旦“深梦”从上百个角度看过上百个狗头一千次之后，它就能学会自己输出图像。
在实验中，“深梦”产生出了混合着鸟、眼睛和狗头轮廓的模糊图像，虽然它们并不那么栩栩如生，但是也揭示了电脑处理图像时的一种创造性，它已经不用人类监督指导地学会了识别小猫、小狗的脸。
神经网络的机器构造模仿了人类大脑，也充分发挥了计算机超强的记忆功能，在生活中有更普遍地应用。谷歌的搜索引擎、亚马逊的推荐目录、脸书的好友动态和垃圾邮件的过滤，还有军事、金融、科研、比人类驾车更靠谱的自动驾驶等重要工作，都是神经网络运作的具体应用。
今天，机器学习已经被成功地应用于更多领域，从检测信用卡交易欺诈的数据挖掘程序，到获取用户阅读兴趣的信息过滤系统，再到能在高速公路上自动行驶的汽车。可以说，我们的智能生活，都是机器学习的结果。
研究机器人学习的算法
机器学习能追溯到上世纪40年代二战结束前后，得益于战时交战双方的科学精英殚精竭虑，计算机理论在那一时期得到突飞猛进的发展。当时，控制论研究者们设想有一个神经元计算机模型，能够大致模拟生物神经元，并且可以用一种简洁和明确的数学形式来表示。
但是，面对一个不确定性和多样性的世界，人工预先制定的数学形式根本就难以应付。或者说，人工编程的世界，与现实的人类世界偏差太远，现实的世界不会那么有秩序和守规则。
例如，计算机预先以数学形式来表达马有四条腿，但这会产生两个问题。首先，电脑怎么样去学会理解这个事实；其次，对于那些因意外而失去了一条腿的马怎么办。这些看似是很愚蠢的问题，却是人工编程时遇到的最大障碍。这就是为什么至今搜索引擎还不能回答问题、仅仅能搜索关键词的原因所在。
但如果机器学习创造了自我编程系统，就可以对于他们自己的错误做出反应，并且不断更新他们的内部状态。人工编程中的漏洞在之前需要被检查出来，而机器学习的运算法则能在过程之中不断纠错，比人工智能更加灵活、有智慧。
但怎么能让机器学习呢？这就涉及到算法。可以说，算法是构建互联网的核心，现在许多网络搜索和沟通方式，都是基于设定好的数学公式构建起来的，比如谷歌搜索引擎、苹果语音系统、Facebook。在信息时代，我们的生活实际上是被一些数学公式引导着，在医学方面，已经有了公式能算出糖尿病和疟疾。今天，我们也在让学习公式的机器查看胸透时的X线量。
连接学习、符号推演法、贝叶斯学习、类比学习是4个当代计算机学习范式。其中，连接学习就是模仿人脑神经系统，建立起计算机人工神经网络；符号推演法就是将问题或知识表示成某种逻辑网络，采用符号推演的方法来学习；贝叶斯学习理论就是通过概率规则来实现学习和推理过程；类比学习就是通过对相似事物进行比较来学习。这4种学习范式还是过于复杂了，因此，华盛顿大学教授佩德罗・多明戈斯提供了一个更大胆的假设，即在未来，能将现有的算法公式统一成一个万能算法。
万能算法下的世界
多明戈斯构思了这样一个万能算法，它能将物理学、生物学上已经发现的理论和标准模型或者中心法则统一起来，同时，可以从数据中发现所有的知识，所有的人类现有的知识，也包括所有的未来的知识。例如，万能算法可以从第谷・布拉赫的太空观察中，推出牛顿定律，即使它没有相关的基础知识。
大脑皮层可能就是这样一个万能算法的典型例子。一些神经学家认为在所有领域，大脑皮层只用到了一个相同的公式，就能不断调整皮层下各级脑部及脊髓的机能，使他们能根据环境不断学习调整，听见、看见或者是弄懂周围世界的意思。
在信息时代，万能算法也将发挥类似大脑皮层的作用。它能在数据云的基础上，学习和利用信息，改变现在呆板的计算机被动执行模式，主动改进功能和完善输出，这将给人类信息生活带来革命性的转变。
例如，现在的网络信息量庞杂，打几个关键字，却得到了上百万网页，常常令人无法抉择。但有了万能算法，电脑将变成百科全书，只要问几个问题，就能很迅速地给出准确答案。
同时，今天的推荐系统也将得到彻底更新。现在，每个人会遇到许多的推荐信息。基于每个人留下的碎片化的数据，上百万个推荐系统每天会为你推荐不同的东西：暴风影音从你开始看他们的电影时，就为你推荐电影；亚马逊根据你买了什么和没买什么为你推荐书本；新浪会在你注册时推荐上百个兴趣群。但大多数人可能更需要的是一个更聪明的系统，能根据你上网产生的所有的数据和信息，来进行更具针对性的推荐服务。例如，它能在你生活的每个阶段推荐相应的东西，不仅是书和电影，还有房子、工作等。为了能达成这样的效果，首先就需要来自你日常生活所产生的数据，但另一方面，也需要万能算法，因为面对大量的数据，没有公式也无法处理这些数据。
神经网络的基础知识范文4
1876年美国贝儿发明电话后，光电话的研究成了许多科学家研究的新课题，影响光电话诞生的因素有：a气象条件有稳定传输光的介质c找到理想的光源。
光瓠子通信：使光脉冲变宽，变窄的两种效应相互抵消，就成了一个保持不变的光瓠子。
我国光纤的发展：1977年第一根波长（0.85微米）阶跃型适应光纤问世，长度为17米，衰减为300db/km.1978年减少到5db/km.80-81年研制出激光器和pin探测器。84年在武汉，天津建立多模光纤通信。1986年动态单纵模激光器诞生。
二，神经网络
实时实现最优滤波的2点：a滤波器权系数的实时计算最优非线性滤波器的实时实现。
数字信号处理系统：
x（t）--抽样---量化----数字信号处理器-----y（t）神经网络的最优滤波系统：a:网络系统b:rbf网络系统
2者网络结构一样r（x）=exp（-1x-c1/cc）
三，移动通信
特点：1
复杂的信道特性：a路径损耗
b多路传播
2多而强的干扰：a同道干扰（同频率）
b邻道干扰（邻信道）
蜂窝式小区制中相邻信道不可使用同一频率
3多铺勒效应4组网方式灵活：大区制，小区制
5频率资源有限6对设备要求高
移动网络结构：基站,移动台，移动业务交换中心
gsm网络系统由3个分系统组成：移动台，基站子系统（bts），网络子系统（包括hrl,vrl,移动业务交换中心。监管系统）
移动台工作的频段：发射频率（上行）为890mhz--915mhz;接受频率（下行）为935mhz--960mhz
四3g知识：目前国际电联接受的3g标准主要有以下三种：wcdma、cdmaxx与td-scdma.cdma是codedivisiomultipleacce（码分多址）的缩写，是第三代移动通信系统的技术基础。第一代移动通信系统采用频分多址（fdma）的模拟调制方式，这种系统的主要缺点是频谱利用率低，信令干扰话音业务。第二代移动通信系统主要采用时分多址（tdma）的数字调制方式，提高了系统容量，并采用独立信道传送信令，使系统性能大为改善，但tdma的系统容量仍然有限，越区切换性能仍不完善。cdma系统以其频率规划简单、系统容量大、频率复用系数高、抗多径能力强、通信质量好、软容量、软切换等特点显示出巨大的发展潜力。
1、wcdma
全称为widebandcdma,这是基于gsm网发展出来的3g技术规范，是欧洲提出的宽带cdma技术，它与日本提出的宽带cdma技术基本相同，目前正在进一步融合。该标准提出了gsm（2g）-gprs-edge-wcdma（3g）的演进策略。gprs是generalacketradioervice（通用分组无线业务）的简称，edge是enhanceddatarateforgsmevolution（增强数据速率的gsm演进）的简称，这两种技术被称为2.5代移
动通信技术。目前中国移动正在采用这一方案向3g过渡，并已将原有的gsm网络升级为gprs网络。
2、cdmaxx
3、td-scdma
全称为timedivision-synchronoucdma（时分同步cdma），是由我国大唐 一、gsm系统结构
1.系统的组成蜂窝移动通信系统主要是由交换网路子系统（nss）、无线基站子系统bss和移动台（ms）三大部分组成。其中nss与bss之间的接口为“a”接口，bss与ms之间的接口为“um”接口。
注：auc:鉴权中心msc:移动业务交换中心gmsc:入口mscbsc:基站控制器
bts:基站收发信台hlr:归属位置寄存器vlr:拜访位置寄存器
2.交换网路子系统（nss）
msc:对位于它所覆盖区域中的移动台进行控制和完成话路交换的功能实体，也是移动通信系统与其它公用通信网之间的接口。
vlr:是一个数据库，是存储msc为了处理所管辖区域中ms（统称拜访客户）的来话、去话呼叫所需检索的信息。
hlr:也是一个数据库，是存储管理部门用于移动客户管理的数据。
auc:用于产生为确定移动客户的身份和对呼叫保密所需鉴权、加密的三参数（随机号码rand,符合响应sres,密钥kc）的功能实体。
eir:也是一个数据库，存储有关移动台设备参数。
3.无线基站子系统（bss） bss系统是在一定的无线覆盖区中由msc控制，与ms进行通信的系统设备，它主要负责完成无线发送接收和无线资源管理等功能。功能实体可分为基站控制器（bsc）和基站收发信台（bts）。
bsc:具有对一个或多个bts进行控制的功能，它主要负责无线网路资源的管理、小区配置数据管理、功率控制、定位和切换等，是一个很强的业务控制点。
bts:无线接口设备，它完全由bsc控制，主要负责无线传输，完成无线与有线的转换、无线分集、无线信道加密、跳频等功能。
二、bts结构
bts包括下列主要的功能单元：收发信机无线接口（tri）、收发信机子系统（trs）。其中trs包括收发信机组（tg）、本地维护。
tri具有交换功能，它可使bsc和tg之间的连接非常灵活；trs包括基站的所有无线设备；tg包括连接到一个发射天线的所有无线设备；lmt是操作维护功能的用户接口，它可直接连接到收发信机。
发信机子系统包括基站所有无线设备，主要有收发信机组（tg）和本地维护终端（lmt）。一个收发信机组是由多个收发信机（trx）组成，连接同一发射天线。
三、bts的配置及分类
1.bts配置应符合以下要求：
室内bts应支持以下容量
室外bts应支持以下容量
室外小型bts应支持以下容量
对以上配置，在运营者需要时，还应能在记录减小对实际运行影响的情况下扩容到更大的配置，且能在现场对bts进行扩容。
2天线
任何类型天线应能承受风速为150km/h的风力负载，天线的连接头处一般应在天线的下面。天线应有防结冰性能。
传输（连接网络）
数字配线架（ddf）
光端机（大庆--齐齐哈尔）
mtx把2个外部外围设备连接或外部和核心连接
二,大庆石油学院电话站：
设备包括数据通信设备和语音通信设备（交换网络，硬盘，cd,rsu.远段交换单元）
市局--三教配线架--（交换设备）--三教设备
长途--三教设备--万宝站----让湖路站，配线架知识：
配线架是管理子系统中最重要的组件，是实现垂直干线和水平布线两个子系统交连接的枢纽。配线架通常安装在机柜或墙上。通过安装附件，配线架可以全线满足utp、stp、同轴电缆、光纤、音视频的需要。在网络工程中常用的配线架有双绞线配线架和光纤配线架。
双绞线配线架的作用是在管理子系统中将双绞线进行交连接，用在主配线间和各分配线间。双绞线配线架的型号很多，每个厂商都有自己的产品系列，并且对应3类、5类、超5类、6类和7类线缆分别有不同的规格和型号，在具体项目中，应参阅产品手册，根据实际情况进行配置。
双绞线配线架
光纤配线架的作用是在管理子系统中将光缆进行连接，通常在主配线间和各分配线间。
sc光纤配线架
感兴趣的知识掌握：1漫游短信为什么价格不高？----短信是利用打电话的闲暇时间插空发的，所以价格便宜。
2着名通信设备厂商：sun,dell,huawei,北电（加拿大）
3控制机柜包括2套控制插条：a正在运行的，b热备份两边一般为供电插条。
未明白问题：通话短线。配线架的收发原理
神经网络的基础知识范文5
【关键词】 计算机 生物学研究 生物信息学 交叉学科
一 前言
什么是生物科学？在古时候，人们对生物学的认识是很有局限性的：对生物学的认识往往停留在观察上，到了19世纪,达尔文发表《物种起源》之后，生物学第一次总结出一个有重大哲学意义的普遍规律。此后，孟德尔发现了遗传学的规律，沃森和克里克发现的DNA双螺旋结构以及核酸是生命本质的一系列重大发现，为生物学发展奠定了坚实的基础，从而生物学正式摆脱了那种仅靠观察，比较的方法，发展成为一门实验科学。
传统的生物学是一门实验科学,生物学的研究主要依靠的是对实验所得的数据进行处理和分析。生物学还是一门发现科学，通过对在实验中发现的新现象，新的生物规律进行分析、归纳和总结，提炼出新的生物学知识。进入到20世纪以来，人类已经进入了信息化的社会。作为信息社会中最为重要的工具，计算机在人们生活中发挥着日益重要的作用。随着网络技术和通信技术以及半导体技术的发展，计算机的功能越来越强大。计算机科学是对社会各个层面影响最大，渗透力最强的高新技术。
回顾20世纪人类所取得的科学成就，以计算机技术为代表的信息技术得到高速的发展和应用。在以计算机科学为代表的信息科学取得快速发展的同时，现代生物科学研究也取得了极大的成功。
二 进展
计算机在生物学研究中的应用并不是一个很新的话题，作为一门学科，它是新的，但实际上它的研究工作的开展已经有了一段历史。
（一）计算机在国内生物学研究中应用的情况
我国的科研人员在20世纪60-70年代就开始利用计算机在生物学研究中进行数据的统计分析，但是应用的层次低，多用于教学和实验数据分析处理。我国的生物信息工作是逐步发展起来的，20世纪80年代初仅在个别单位开展了一些计算分子生物学的工作，如核酸序列统计分析、生物大分子二级结构预测、分子动力学等。虽然我国在1993年就在中国人类基因组计划中加入了生物信息学的相关研究内容，但是真正的开始是在1995年。目前，我国所用到的生物数据库和生物系列软件多半来自于国外，基础力量还比较薄弱。
1997年，香山会议专题讨论了我国生物信息学的发展。1999年，国家自然科学委员会生命科学部、信息科学部、数理科学部、材料科学部在北京召开了“生命科学中的信息科学问题”论坛，提出了建立国家生物医学数据库与服务系统，同时开展基因组及功能基因组信息分析工作。2000年国家自然科学基金委员会主持召开的“生物信息学前沿方向”研讨会上，与会专家提出了我国生物信息学发展的方向是：建立国家生物医学数据库与服务系统、人类基因组信息结构分析、功能基因组相关信息分析和研究遗传密码起源与生物进化（尤其是分子进化）的过程与机制。
近几年来，我国对生物学中的计算机应用工作越来越重视，研究的层次也不断提高。在“HGP1%的测序工作”、“中华民族基因组中若干位点基因结构的研究”和“重大疾病相关基因的定位、克隆、结构与功能研究”等项目中，计算机都起到了重要的作用。
北京大学于1997年3月成立了生物信息学中心，中科院上海生命科学研究院也于2000年3月成立了生物信息学中心，分别维护着国内两个专业水平相对较高的生物信息学网站。
2003年8月18日，“作为国内服务器品牌三甲之一” 的曙光信息产业(北京)有限公司(以下简称曙光公司)与国内著名的基因组、生物信息研究中心华大基因联合推出国内第一款完全拥有自主知识产权的生物信息专用计算机，采用先进的基因数据库架构技术、数据定制可视化技术、数据密集技术、网格使能技术、在线扩展技术及机群系统等技术，为国内用户搭建了一套与国际生物信息研究主流趋势相接轨的系统平台。该系统是建立在华大基因和曙光公司在生物信息研究领域长期合作成果的基础之上，通过运用曙光公司每秒3万亿次浮点峰值运算能力的Linux超级服务器，以支持数据密集应用为主，为国内大量致力于基因组研究的科研工作者们提供方便、快捷的服务。“生物信息专用计算机” 采用机群结构，系统中节点根据功能划分为计算节点、数据库节点、服务节点三种类型，为生物信息学研究提供了一个基于硬件、软件和数据库集成环境下的统一运行平台，为各个分析软件、子数据库模块提供一致的运行和管理环境。同时用户可以根据需要选择软件和数据库模块，无缝集成到平台上。平台提供ORACLE数据库和软件的集成接口和管理工具。生物信息专用计算机以模块化的方式提供大量基因组学、生物信息学研究的常用分析工具， 并能实现分布式高性能计算。用户也可以根据需要定制分析软件，添加到该专用计算机应用平台中。
对于我国来说，生物信息学人才的培养是当务之急。生物信息学是一个交叉学科研究领域，这对生物信息学研究人员在知识结构上提出了非常高的要求，特别是对于来自数学或计算机专业的研究人员，不仅要掌握生物学的基础知识，还要求深入了解生物学中的相关问题，这样的人才不是单一学科能够培养出来的，要求跨学科地培养生物学和信息科学的复合型人才。目前中国科学院和国内一些著名大学已经开始较大规模地培养生物信息学专业人才，这为我国今后生物信息学的发展奠定了良好的基础。可以相信，我国未来计算机在生物学中的应用一定会有着很大的进步与发展。
（二）福建省“计算机在生物学研究中应用”学科发展简介
福建省计算机在生物学研究中的应用虽然起步较早，但是发展一直相对较慢，目前还没有形成较大的研究规模和较完整的研究体系。但是，福建省对计算机在生物学研究中的应用十分重视，福建农林大学、厦门大学等多所高校开办了计算机在生物学研究中的相关专业或研究团队并举办了几场相关的学术会议。
福建省的厦门大学生命科学学院和福建农林大学的生命科学学院已经开办了生物信息学本科专业，为我省培养生物信息科学人才提供了一个很好的平台。该专业整合了生物和计算机的相关资源，有望为我省培养出更多的精通于计算机在生物学研究中的应用人才。福建省的其它院校如福建医科大学、福建师范大学、福建中医学院、国立华侨大学、集美大学等多所高校也有不少的教学和科研工作者在这方面进行了一定的研究工作，福建省农科院也开展了一些生物信息学的研究工作。
例如：福建省厦门大学生命科学院的纪志梁博士主要从事生物信息学、功能基因组和蛋白组学、计算机辅助药物设计、生物数据库和生物信息软件的开发及应用、数据挖掘、分子进化、生命起源与进化等方面的研究，主持了生物信息辅助药物不良反应（ADRs）的分子机理研究及预测的国家自然科学基金项目。
福建农林大学借助于其在生物学特别是农林学科上的优势，联合校内的计算机与信息学院一起开办生物信息学专业，计算机与信息学院还成立了生物信息研究团队，以期望借助于两个学院的实力，更好地为我省培养相关的人才。
目前福建省在发展该学科时面临的主要问题是相关人才的缺乏和研究硬件设备的不齐全。目前，福建省尚未能在“计算机在生物学研究”的学科发展中形成一个理想的研究梯队，从而导致了在相关的科研上以应用研究为主，缺少理论上的创新性，而应用的研究多集中于特定的领域：如福建农林大学的相关研究主要在于农业领域；华侨大学的方柏山教授所做的工作多集中于工业微生物的优化控制等方面。全方位，多角度的研究格局还没有形成。
从学科建设的硬件平台来看，虽然有了较大的发展，但是距离科研的要求还有较大的距离。因为“计算机在生物学研究中的应用”学科是一门交叉学科，需要用到许多方面的仪器设备，而目前福建省内的这方面的投入与科研所需要的设备还有一定的距离。
（三）计算机在生物科学研究中的学科现状
自20世纪80年代，IBM公司制造出第一台PC机以来，计算机迅速得到了普及。而且近二十年来，计算机与信息科学已经成为发展最为迅速的学科领域，也为生物学的研究提供了更多的技术支持。在这个时期，生物学与计算机科学相结合的学科――生物信息学产生了，是当今生命科学和自然科学的重大前沿领域之一，也是21世纪自然科学的核心领域之一。从国外近几年的应用情况来看，生物信息学在理论上促进了生物学研究（特别是分子生物学）研究的发展，使人类对生命本质的认识更加深刻。生物信息学已经改变了传统生物学的研究方法，提高了生物学实验的科学性和研究的效率。
在这个阶段，计算机在生物学研究中的应用更为广泛与深远，这一时期在生物学研究中用到的计算机技术大体有以下几个方面：
（1）数据库技术、数据挖掘技术与海量存储技术：生物信息数据库具有数据结构和组织方式复杂、数据量增长十分迅速等特点。《核酸研究》（Nucleic Acids Research）杂志连续七年在其每年的第一期中详细介绍最新版本的各种生物学数据库。在2000年1月1日出版的28卷第一期中详细地介绍了115种通用和专用数据库，包括其详尽描述和访问网址。在DNA序列方面有GenBank、EMBL和DDBJ等。在蛋白质一级结构方面有SWISS-PROT、PIR和MIPS等。在蛋白质和其它生物大分子的结构方面有PDB等。在蛋白质结构分类方面有SCOP和CATH等。
很多数据库涉及非结构化的数据，例如：PDB中的蛋白质三级结构等。利用传统的关系数据库对这些非结构化的数据进行管理就显得有些力不从心了，所以，必须要采用面向对象等数据库新技术来处理复杂结构的生物数据。生物信息数据库具有种类繁多的特点，目前各种生物信息数据库大至有600种左右，分布在全球各个数据库服务器中。
随着数据库技术、计算机网络和人工智能等技术的发展，出现了一种新的信息管理技术，即：数据仓库技术（data warehouse）。随着当代生物学实验的手段不断的进步，所产生的实验数据的信息量是十分庞大的。如何在如此浩渺的信息海洋中发现潜在的规律呢？而数据仓库技术中提供了一个解决方案，就是数据挖掘技术。数据挖掘技术一般分成四个基本步骤：数据选择，数据转换，数据挖掘和结果分析。数据挖掘与聚类分析的方法在蛋白质的结构预测中也有广阔的应用空间：数据挖掘可用于分析基因表达数据相似性度量，从中发现基因表达数据相似性和波动相似性类似，从而提出以波动相似性为依据的相似性度量函数。
（2）机器学习与模式识别技术：机器学习算法（machine-learning methods），抽象的统称，实质是一种统计学的方法，它自动地从一个样本的训练（train- ing）过程中获得数据信息，这种方法适用于有大量数据但缺乏相应理论的情况。如BRNNs(Bidirectional Recurrent Neural Networks,双向重复神经网络)算法即属于机器学习算法，它的训练过程即通过对样本进行有效编码，输入网络，训练网络各权值参数和阈值参数，使网络达到基本稳定。目前机器学习方法包括：神经网络法、决策树法、基于事例学习法、符号性知识优化法及基于逻辑的归纳学习法。
数据是机器学习的基础，对于生物学实验数据也一样。在大多数情况下，生物学中的知识和数据可以用序列的模式或序列的特征来概括。
随着人工智能研究不断取得进展，人们逐渐发现研究人工智能的最好方法是向人类自身学习。因此引进了一些模拟进化的方法来解决复杂优化问题。其中较有代表性的是：进化主义思想和联接主义思想。近年来，许多科学家致力于这两种方法的研究。
模式识别是机器学习的一个主要任务。所谓模式，指的是对感兴趣客体定量的或者结构的描述，而模式识别就是利用计算机对客体进行鉴别，将相同或者相似的客体归入同种类别中。模式识别的关键是通过数据分析，提取分类对象的本质特征，建立分类特征模型。在此基础上设计模式分类规则和分类器，判别待识别模式的分类情况。分类特征模型描述各种目标对象的特征，以便于工作于利用特征进行识别。模式识别主要有两种方法：一种是根据对象统计特征进行识别，另一种是根据对象的结构特征进行识别。利用机器学习的方法可以应用于蛋白质结构的预测，但现在的问题是从蛋白质一级结构序列预测蛋白质二级结构和三级结构的准确率低，还有许多现实的问题需要解决。
（3）人工心智和心脑科学在生物学中的应用：了解脑及其全部功能是2l世纪重大挑战之一，人类脑计划开始于1993年，这项行动的主要目标：创立以web为基础的神经科学所有数据的数据库，并提供数据分析、整合、合成、建模与模拟的先进工具，有助于实现了解健康与有病神经系统功能的最终目标。脑是生物体内结构和功能最复杂的组织，人脑内有上千亿个神经细胞，神经突触超过1014个，是生物体接受外界信号、产生感觉、形成意识、进行逻辑思维、发出指令产生行为的指挥部，但它的功能目前还不为人们所了解。
在人类脑科学计划提出后，产生了一门新的交叉学科――神经信息学。神经信息学产生的先进的信息学解决方案，将加速对脑的了解，并能将基础研究转化为诊断、监视、处理和预防脑疾病的更好手段。反过来，关于数据与信息的获得、存储、提取、分析、合成及可见的生物学机制的阐述，将更加清楚地解释信息学技术，以至随着时间的推移，计算机将能超过人脑的工作。
人脑的结构和功能极其复杂，需要从不同的层次对其进行研究，包括：从DNA、RNA、蛋白、神经元、神经网络到全脑。其中对神经网络和全脑功能的研究近年来发展很快，成为神经信息学研究的重点。神经信息学主要从信息和信息处理的观点来研究人脑，研究神经系统信息的载体形式，神经信息的产生、传输与加工，以及神经信息的编码、存储与提取机理等，并从系统和信息的观点建立以生物学实际为基础的神经网络模型。
（4）生物分子的计算机模拟技术：传统的生物分子研究主要是能过生物学实验来分析和表征生物分子，如利用测序技术确定DNA或RNA分子的序列；能过分子遗传学方法确定基因的多态性；能过X射线衍射技术来确定蛋白质等生物大分子的结构；通过生物化学实验来研究生物大分子之间的相互作用、药物分子和靶分子的结合等。
现代对生物分子的研究也可有采用计算机模拟生物分子的技术。所谓生物分子的计算机模拟就是从分子或者原子水平上的相互作用出发，建立分子体系的数学模型，利用计算机进行模拟实验，预测生物分子的结构和功能。可以模拟生物大分子与大分子之间的相互作用、模拟生物大分子与具有活性的小分子之间的相互作用、研究分子之间的识别与及分子间的特异性结合。
（5）网络技术：随着人类进入了信息社会，网络已成为社会的基础设施，对人们的生活起着重要的影响。电子邮件和新闻组已经成为生物学科研中的最要交流工具。而且网络提供的各种服务，如：FTP服务，WEB服务等也为科研人员提供了重要的服务。
目前，Internet上有着巨大的生物学资源和生物学的相关数据库与知识库。使用者可以通过网络查询或搜索所需要的生物学信息，使用各个网络站点提供的分析工具对生物实难进行分析。生物信息的研究者能够下载大量的数据，但如何集成这些数据不是一件容易的事。
而Web Services技术由于使用标准的Web协议(http 、SMTP等)和一系列标准协议(XML、SOAP、WSDL等)为生物信息集成提供了一种崭新的方法。当把Web Services应用到生物数据库中时，所有生物数据库系统都成了一个松散结构中的组件，系统接口、应用通信、数据转换和目录信息都是建立在开放的、被广为接受的标准之上，用户能迅速地访问到他们所需要的信息。
（6）高速计算能力与网格计算技术：生物学研究需要对大量的样本进行分析计算或统计，这就为为高性能计算提供了一个大的应用领域。生物学研究中的计算面临巨大的计算量与海量的数据，如：利用分子动力学模拟一个蛋白质的折叠就需要一个巨型机几个星期的运算。这给高性能计算、并行计算和网格计算提出了挑战。
（7）专家系统：专家系统（exepert system）是一种基于知识的智能系统，它将领域专家的知识用知识表现的方法表示出来，并放入知识库中，供推理机使用。专家系统利用知识和推理机解决那些需要特殊的、重要的人类专家知识才能解决的复杂问题。一般的专家系统是由六大部份：知识库、数据库、知识获取部份、推理机、解释机构和使用界面组成的。知识库中的知识也可以分成事实性知识和启发性知识两大类。生物学研究中已经有了不少的专家系统。
（8）计算机图形学：众所周知，DNA序列是两条碱基互补的脱氧核糖核酸形成的双螺旋结构。一般认为，它们可以用一条序列来进行表示。根据文献按照某种规则，人们可以把DNA序列转换为一条z型曲线，该z曲线与所表示的DNA序列的关系是一一对应的，即：一个特定的DNA序列，有唯一的一条z型曲线与它对应；反之，对任意一条给定的z曲线，可找到唯一的一个DNA序列与之对应。也就是说，z曲线包含了DNA序列的全部信息。z曲线是与符号DNA等价的另一种表示形式。这样就可将复杂的DNA序列转换为一条空间中的曲线。对z曲线曲率和挠率的计算和分析，可用于识别DNA序列的不同的功能区等。DNA序列的几何学研究是建立在计算机图形学的基础上的，对DNA序列几何学的研究必将为计算机图形学的研究提出一些新的课题。
三 计算机在生物学中的应用研究展望
虽然计算机在生物学应用中取得了不小的成果，但还有许多的问题摆在人们面前。目前计算机在生物学研究中的应用面临着许多的挑战：
（1）需要建立交互性好的生物学应用软件，生物学数据库及相关的数据挖掘技术。现有的生物学软件种类繁多，功能也不尽相同，但是，大部份软件都要求用户有较强的计算机基础，甚至还有一些软件是基于linux或windws控制台的，起特殊的命令语法不是一般的科研人员所能掌握的。而且，有些软件的源代码不是公开的，特定用户就不能根据自己的需要对程序进行修改，进而适应自己研究的需求。寻求一种好的方法来开发出交互性好、操作方便而功能强大的生物学研究软件是今后一个重要的目标。
（2）需要能提示大规模数据集合中不同组分之间关系的统计分析方法及优化算法。在生物学研究中，获取所得的实验数据往往可以根据其数据特征的不同分成若干组分，这些组分之间的关系是怎样的？如何在实验数据中确定分组的标准？如何用更快的算法更有效率的确定数据的分组标准等等都让科研人员十分困惑。例如：不同物种间可能包含了同源或非同源的数据基因，而不同基因可能在DNA或蛋白质序列上具有较高的异质性。因而，在基因组水平上比较不同物种或不同基因之间的相似性，有助于揭示整个基因组进化与物种进化的规律。
（3）需要开发适合于微阵列和基因芯片等新技术的数据分析工具。微点阵杂交中涉及上万个寡核苷酸，并依杂交信号强弱、探针位置和序定靶DNA的表达及多态性等。目前，迫切需要提高检测的自动化程度和数据的并行处理能力。
四 小结
综上所述，尽管福建省的计算机在生物学研究的应用学科目前发展还比较滞后，但只要能够抓住计算机在生物学科发展的契机，整合各方面的优势，进行协作式的研究，就能够更好地促进该学科的发展。
参考文献
[1]宁正元编著，计算机在生物科学研究中的应用，厦门大学出版社，
2006.11.
[2]H.M.erman，J.Westbrook，Z.Feng,et al. The protein Data Bank[J]. Nucleic Acids Research,(28):235-242.
[3]D.R.Westhead，J.H.Prish,R.M.Twyman.Instant Notes in Bioinformatics[M].United Kingdom:Bios Scientific Pub Ltd,2002.
[4]SCRATCH servers，hpdb.省略/thesis/2005/yht/principle/principle.asp[EB/OL].
[5]卢美律.蛋白质结构预测与机器学习[J]，科学，1996，46（5）：22-27.
[6]沈均贤人类脑计划与神经信息学[J]，生物物理学报，2001.12(17)：607-612.
[7]Ligeng Ma,Jinming Li,LiJin qu,et al.Light control of Arabidopsis development entails coordinated regulation of genome expression and cellcular pathways[J].Plant Cell,2001,13912):2589-2607.
[8]生物信息学对计算机科学发展的机遇与挑战[J]，生物信息学，2001 (3):37-41.
[9]BSML Organization.Bioinformatic Sequence Markup Language Version 3.1[EB/OL]. 省略/resource/, 2003.
[10]Fenyo ,The biopolymer Markup Language[J],Bioinformatics,1999,(15)：339-340.
[11]Lichun wang.XEMBL:distributing EMBL,data in XML format[J].Bioinformatics,2002,(18):1147-1148.
[12]郝柏林，刘寄星，理论物理与生命科学[M]，上海：上海科学技术出版社，1997.
[13]Hang C T,Pickover C A,et al.Viusalizing Biological Informatin[M].Singapore.World Science Pub co,1993.
[14]钟扬，张亮等，简明生物信息学［M］，北京：高等教育出版社，2001.
[15]赵青，黄小兵，生物信息研究的加速剂[J]，互联网天地，76-77.
[16]厦门大学生命科学院：life.xmu.省略[EB/OL].
[17]方柏山教授主页：clxy.hqu.省略/clxy/informations/layout.mht/
神经网络的基础知识范文6
关键词：智能制造；智能科学与技术；人工智能技术；机器人；实验平台建设
智能制造是基于新一代信息技术，贯穿设计、生产、管理、服务等制造活动各个环节。具有信息深度自感知、智慧优化自决策、精准控制自执行等功能的先进制造过程、系统与模式的总称。是信息技术和智能技术在装备制造过程技术的深度融合与集成。加快推进智能制造，是我国在全球新一轮产业变革竞争背景下出台的《中国制造2025》的主攻方向。广东省作为国内制造大省和全球重要制造基地，也对接印发了《广东省智能制造发展规划（2015-2025年）》。针对广东省制造业的创新能力、产业结构、信息化水平的缺乏竞争力的问题，大力实施创新驱动发展战略，推动智能制造核心技术攻关和关键零部件研发，推进制造过程智能化升级改造，实现“制造大省”向“制造强省”转变。创新驱动，智能化升级改造需要国际领先水平人才的引进和高等院校实战型工程技术人才培养。我院智能科学与技术专业就是面向广东智能产业的深度融合设置的。其专业实验平台的建设需要针对广东省高端装备、制造过程、工业产品智能化等领域的薄弱环节，以“机器智能”为方向，完善实验教学体系、整合实验教学资源，开设综合性、创新性的实验项目，培养学生实践能力和创新意识。紧密联系企业，针对智能制造关键技术协同创新。培养具有智能系统开发与设计、智能装备的应用与工程管理能力；能在智能装备、智能机器人、智能家居等领域从事智能系统的是开发与设计、应用于维护、运营与管理的“厚基础、强应用、能创新”的高素质工程应用型人才。
1专业实验平台建设思路
面向智能制造专业实验平台的建设，依据《广东省智能制造发展规划（2015-2025年）》中发展智能装备与系统，工业产品、制造流程智能化升级改造的任务，从智能科学与技术知识体系中提取专业发展方向的课程，建立完善专业实践教学体系。以“机器智能”为方向建设人工智能与机器人实验室为核心，以项目、科技竞赛、紧密对接企业协同创新为手段，培养学生能够运用工程基础知识和专业理论知识设计工程实验，分析实际问题的能力，培养学生查询检索资料文献获取知识的能力，培养学生能够综合运用自然科学知识、专业理论知识和技术手段设计系统和过程解决实际问题的能力。通过科技竞赛等活动，培养学生在团队里具有工程组织管理能力、表达能力和人际交往能力。通过与企业的合作，掌握基本创新方法，并让学生具有追求创新的态度和意识，以培养学生的综合素质和能力为重点。立足华软学院电子系电子信息工程嵌入式专业、自动化专业、通信工程专业现有的平台优势，按照“整合、集成、共享、提升”的基本思路，完善支撑体系，优化验教学资源配置，建设一个能够与广东智能产业深度融合的阶梯形层次化实验平台。
2实验平台建设内容
智能科学与技术专业实验实践平台的建设要依据实验教学体系的构建，突出面向智能制造工程实践为特色，按照学生的成长需要，建立阶段化、层次化、模块化的实验教学体系。
2.1专业实践课程体系建设
面向智能制造的智能科学与技术专业定位是以工程应用型人才培养为目标的，是在通识教育基础上的特色专业教育。专业课程体系的建设首先还是以培养学生具有扎实自然科学基础知识，人文社会科学知识和外语应用能力为基础，其次是智能科学与技术专业技术基础课程，如数字系统与逻辑设计、数字信号处理基础、信号与系统、电路分析与电子电路；c语言程序设计与算法分析、数据结构、数据库与操作系统、微机原理与接口、传感器与检测技术等。最后是专业方向类课程，也是专业的核心课程，如制造业基础软件中的嵌入式软件、工业控制系统软件，工业机器人中人工智能技术应用和智能控制技术。主要有知识获取模式识别；数据通信与网络；嵌入式系统移植和驱动开发；嵌入式应用开发；人工智能与神经网络；智能控制技术；机器人学等课程。培养学生具备计算机技术、自动控制技术、智能系统方法、传感信息处理等技术，完成系统集成，并配合专业实践课程体系如图1，完成电子工艺实习、技术基础课程、核心课程的课程设计和综合项目实验，并在工程应用中实施的能力。
2.2实践教学体系建设
依据专业实践课程体系，构建主要包括计算机基础、电路基础、信息与控制基础、嵌入式技术、机器智能系统五大模块开展不同学习阶段层次化的实验教学体系。主要包括基础类、专业实训类、综合创新类。
1）基础类实验注重开设与课堂教学中基本理论相结合的精品实验项目，并逐步提升基础实验课时的比例。从实践中启发引导学生牢固掌握基础理论知识。除此之外，还要注重工作方法和学习方法的能力培养，如收集信息查找资料、制定工作计划步骤、从基础理论到解决实际问题的思路以及独立学习新技术的方法和评估工作结果的方法。培养学生厚实的专业基础知识和能力。
2）专业实训类实验主要以项目教学、案例教学、情景教学方式培养学生利用专业知识及方法独立解决行业领域内的任务和问题并能够评价结果的能力。如智能传感应用项目，人工智能技术实验项目，知识表示与推理项目，计算智能项目，专家系统，多智能体系统；机器人项目，如最小机电系统组成，如何完成对电机的控制；利用单轴或双轴控制平台实现基本搬运装配作业。
3）综合创新类实验注重培养学生从理解问题域开始，获取数据和知识、开发原型智能系统、开发完整智能系统、评估并修订智能系统、到整合和维护智能系统六个阶段构建智能系统。如开展人工智能技术在智能制造中的应用包括产品设计加工、智能生产调度、智能工艺规划、智能机器人、智能测量等；直角坐标机器人实现码垛搬运、多关节串联机器人、弧焊机器人实训等。
4）科技竞赛、与企业协同创新，通过观察记录待智能化升级的工厂生产过程，发现定义问题、提出假设、搜集证据检验假设、发表结果、建构理论等实验过程设计的能力。培养学生掌握基本创新的方法，团队协作管理能力、表达沟通能力等。如嵌入式设计大赛、机器人大赛等科技竞赛；以及针对自动化生产线的嵌入式工业控制系统设计；针对原材料制造企业的集散控制、制造绦屑成应用；针对装备制造企业的敏捷制造、虚拟制造应用；工业机器人在汽车、电子电气、机械加工、船舶制造、食品加工、纺织制造、轻工家电、医药制造等行业的应用。
2实验教学保障
智能科学与技术实验平台建设以人工智能与机器人实验室建设为核心，结合目前学院嵌入式系统实验室、自动控制实验室、传感器技术实验室、通信原理实验室资源，仪器设备共享共建的原则，系统化筹备购置。人工智能机器人实验室主要针对智能系统设计开发和机器人应用，基于计算机系统的人工智能技术学习应用包括人工智能技术在智能制造应用和工业机器人仿真软件ABB Robot Studio。基于“探索者”机器人系统控制实训箱Rino-MRZ02（包含履带机器人、双轮自平衡机器人、5自由度机械臂、6自由度机械臂等）
可以开展的项目有：利用启发式算法、遗传算法、蚁群算法等模糊数学理论对工业产品设计进行性能模拟、运动分析、功能仿真与评价；利用人工神经网络自学习、自组织构造产品加工过程新能参数预测模型。利用模式识别、机器学习、专家系统、多智能体系统进行感知、并对环境的改变进行解读、动作进行规划和决策；利用专家系统、遗传算法、模糊逻辑集中式解决生产调度多目标性、不确定性和高度复杂性的问题，寻求最优规则，提高调度的速度；利用蚁群算法、遗传算法分布式多智能体系统进行问题分解、彼此协商、任务指派、解决冲突。
履带机器人可开展电机控制实验；运动控制实验；HD轨迹控制实验；无线通信实验。双轮自平衡机器人呢可开展自平衡模块实验；倒立摆算法实验；双轮载具运动实验。6自由度双足机器人可开展双足运动控制实验；步态规划实验；双足平衡实验；机构改装实验。5自由度机械臂可开展机械臂运动控制实验；颜色分拣实验。可扩展为8自由度双足机器人、轮腿式机器人等技能提高类课程设计。
通过ABB公司的机器人仿真软件RobotStudio进行工业机器人的基本操作、功能设置、二次开发、在线监控与编程、方案设计和验证的学习。
