前言：中文期刊网精心挑选了人工智能教学教案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。
人工智能教学教案范文1
一、人工智能机器人
随着信息技术以及人工智能技术的迅猛发展，机器人无论是在技术上还是在外形上都显著提高，并且，不断的进行功能延伸。将具有感觉、思考、决策和动作能力的系统称为智能机器人，这是一个概括的、含义广泛的概念。这一划时代的概念产生，为机器人技术的发展，也为信息技术的发展，拓开了巨大的想象空间和新的创造天地。智能机器人是信息技术发展的前沿领域，是一门具有高度综合渗透性、前瞻未来性、创新实践性的学科，蕴涵着极其丰富的教育资源。
二、机器人教学的教学现状
2000年，机器人教学处于起步阶段，第一届“广茂达杯”中国智能机器人大赛在长沙举行。其目的是刺激机器人新技术的发展；鼓励年轻学生投身机器人技术。2002年，机器人竞赛得到了进一步的发展。2003年，机器人竞赛达到热潮。2004到2009年，机器人竞赛成为了主流，第四届至第九届中国青少年机器人竞赛分别在河南、广西、陕西、云南、重庆、湖南、青海举行，竞赛规模不断扩大，规格不断提高，经验不断丰富，成绩不断攀升。同时，第五届至第十届“广茂达杯”中国智能机器人大赛也取得了丰厚的成绩。2011年广东省的虚拟机器人竞赛，全省共有12个地市和顺德区报名参赛，参赛队伍106支，参赛学生148人。比赛形式新颖，要求学生现场编写虚拟足球比赛和虚拟灭火比赛的程序，然后进行投影演示，所有的同学都可以观看和学习。2012年的“乐博杯”青少年机器人世界杯中国竞赛在西安举行，汇聚了众多的参赛者。同学们秉着重在参与、学习交流的态度，经过两天紧张激烈的比赛，比赛成绩优异，涌现了一大批优秀的编程人员。其中最为突出的是兴围小学代表队，他们突出重围赢得了冠军，即将代表中国队去墨西哥参加世界级机器人大赛。
机器人竞赛已成为国内科技、教育界一致认同的一项青少年科技创新的重要赛事，作为一项富有时代性、创新性、参与性和普及性，适应当代青少年需求，深受当代青少年欢迎的智力开发活动，在全国各地产生了广泛的社会影响。
三、存在的问题
（一）教学方面
1、智能机器人缺少科学、可行、实效的教学目标。按照学制的阶段性划分不明确，存在重复学校相同知识的现象，从而导致机器人教材特色不明显。
2、智能机器人教育往往没有固定的教学设计和规划。导致许多教学只能按照产品使用说明书进行教学，不能按照学生接受能力有秩序的开展知识体系教学。
3、目前学校教育使用的机器人很纷杂，缺少规范。并且绝大部分并不兼容，开放度低。还有就是教学用机器人单机价格偏高原因是销售数量上不去，导致厂商只能太高价格。
（二）教育资源方面。由于我国各省市之间的贫富差距不断加大，从而导致在教育资源投入方面也是参差不齐，很多欠发达地区软硬件教学设备都严重不足，智能机器人的教学活动很难正常开展。
四、改进措施
（一）资源环境建设方面。积极探索信息技术条件下人工智能机器人进课堂教育环境的构建策略。建立完善系统的小学教育人工智能机器人进课堂资源的开发、应用的管理运行机制。同时，应该加大对中小学智能机器人教学资源投入力度，以确保所有孩子都能够享受到同等级的教学资源。
（二）学科教学方面。对于小学的人工智能机器人教学工作来讲，教师的培训工作应该是非常重要的。由于目前该门学科在小学教学当中仍属于一种新型的学科，相关教师之前并没有进行系统的学习过相关理论，同时，实践经验也是严重不足。因此，这就无形中增加了教师的教学难度，因此，对教师进行适当的教学培训是十分必要的。
目前，我国开展的“校校通”工程已经在全国的中小学基本完成，各地区小学已经具备了计算机房，而开展机器人教学工作还需要进一步购置教学使用的机器人，从而建立起以信息技术为核心的现代化教学环境，即“机器人”实验室。另外，教学资源的进一步开发与收集也是一项关键任务。学校可以统一添置一批有关机器人的教学信息资源，例如：教学光盘、教学软件等等。同时，还可以充分利用网络资源收集相关的机器人教学课件，教案等。丰富教师教学参考资料。
人工智能教学教案范文2
关键词:人工智能;教学软件;A*算法;模拟退火;遗传算法
为了适应人工智能技术发展的需要,国内外高校普遍开设了人工智能方面的课程,而且已经成为计算机相关专业的核心课程之一。我校自从1996年开始为计算机科学与技术、自动化、机械自动化等专业本科生开设了人工智能导论课程。我校王万良教授也在2005年编著了《人工智能及其应用》教材,2008年又出版了该教材第2版,并制作了完整的电子教案和教学录像。
由于人工智能是交叉学科,涉及面广,在教学过程中又会涉及到很多抽象理论和复杂的算法,而教材上的内容过于理论化,教材上的应用实例又只是停留在书本文字上的纸上谈兵,所以学生在学习人工智能导论这门课程的过程中都感觉好像在学数学和算法,往往有望而生畏的感觉。为了解决以上问题,如果单纯依靠老师在课堂上讲解和用PPT做课件进行演示,是很难达到启发和指导学生的要求。为了更好地实现教学目标,提高人工智能导论课程的教学质量,协调好教与学的双边关系,使学生由望而生畏的感觉,变为有用有趣的感觉,根据已有人工智能课程在教学与实践方面的经验和方法[1-2],在人工智能课程网站()的基础上,以高等教育出版社出版的《人工智能及其应用(第2版)》[3]教材第5章和第9章内容为例,设计开发了智能搜索算法教学软件。
1教学软件的总体结构
智能搜索教学实验系统是《人工智能及其应用(第2版)》教材配套的实验CAI系统,系统设计目的是提供一个简洁、友好的用户界面,使学生通过使用该系统,可以实现不同智能搜索算法的过程演示和对比,提供自主设计实验的功能。
为了能够让学生更好地学习并熟练一些智能搜索算法,所设计的智能搜索教学实验系统结构如图1所示,包括A*算法、模拟退火算法、遗传算法、作业管理和系统帮助5大模块。
图1教学实验系统的总体结构图
基金项目:浙江工业大学校级优秀课程建设项目(YX0811)。
作者简介:徐新黎(1977-),女,讲师,博士,研究方向为智能计算、生产调度、多Agent系统的研究;王万良(1957-),男,教授,博士生导师,博士,研究方向为CIMS、生产计划与调度、智能自动化等。
图1中,A*算法、模拟退火算法和遗传算法模块又提供了算法介绍,以及各算法的演示程序、验证程序和自主实验等子模块。
1) 算法介绍。算法介绍子模块的主要功能是向学生介绍A*算法、模拟退火算法、遗传算法等智能搜索算法的特点、流程及参数设置问题等。
2) 演示程序。演示程序子模块的主要功能是展示各算法求解八数码问题、TSP问题等的搜索过程、运算结果等;同时可以通过单击“下一步”、“继续/暂停”等按钮,查看算法运行过程中临时变量的状态。
3) 验证程序。验证程序子模块的主要功能是通过设定给定问题的规模,以及算法的一些参数设置,测试智能搜索算法对于不同规模问题的解决效果,以及参数设置对算法性能的影响;同时展示不同算法对同一问题的求解性能,以作对比。
4) 自主实验。自主实验子模块的主要功能是根据系统所提供的一些算法核心代码,开展各算法的自主实验设计,解决最短路径问题、TSP问题和Flow shop调度问题等一些难题。
作业管理模块主要是便于学生上传实验报告和程序源代码以及教师批改作业。另外,系统帮助模块包括系统概述、系统安装与卸载说明、服务器配置说明、系统使用说明和技术支持。
2智能搜索算法实验设计与实现
2.1A*算法
A*算法是一种启发式搜索方法,目前在网络路由算法、机器人探路、人工智能、游戏设计等方面有着普遍的应用。
启发式搜索是利用与问题有关的启发信息进行搜索,达到减少搜索范围,提高搜索效率的目的。这种利用启发信息的搜索过程称为启发式搜索方法。启发式搜索过程中,要对Open表进行排序,这就需要一种方法来计算待扩展节点有希望通向目标节点的不同程度,人们总是希望能找到最有希望通向目标节点的待扩展节点优先扩展。A*算法一般是以估价函数 的大小来排列待扩展状态的次序,每次选择 值最小者进行扩展[3]。
(1)
其中 是初始节点到 节点的实际代价,而 是从 节点到目的节点的最佳路径的估计代价,且, 为 节点到目的结点的最优路径的代价。
1) 演示程序。针对A*算法求解问题时启发信息不直观、难理解,Open表和Closed表变化的可视化程度差,问题状态演变复杂等问题,设计了求解自动寻路和八数码问题的A*算法演示程序。演示程序具备了显示Open表和Closed表的功能,并且能将每一个状态的变化都直观地显示出来。
图2是自动寻路问题的A*算法演示程序。寻路问题常见于各类游戏中角色寻路、三维虚拟场景中运动目标的路径规划、机器人寻路等多个应用领域。自动寻路问题是在以方格表示的地图场景中,对于给定的起点、终点和障碍物(墙),如何找到一条从起点开始避开障碍物到达终点的最短路径。
如图2所示,程序运行时,可以通过选择“起点”、“终点”和“墙”,在方格场景中设置起点、终点和墙的任意位置,其中墙可以设置多个方格,另外分别以红、绿和黑三色来区分起点、终点和墙。通过单击“开始”按钮,可以看到起点位置的 、 和 值。然后连续单击“下一步”按钮,可以进行连续手动单步运行,从而可以直观地看到自动寻路过程中每一状态的变化,以及任一状态 的 、 和 值;若单击“继续/暂停”按钮,可以从当前结点开始进行自动连续运行,从而可以看到从当前结点到终点的自动寻路的连续过程,以及寻路过程中每一状态的变化,任一状态 的 、 和 值;同时也可从连续运行状态转为暂停状态。在“运行状态”提示框上方可以看到“自动运行”、“暂停”等程序运行状态,而下方可以看到“Open表”、“扩展结点”、“停止”等信息,其中“Open表”表示在地图场景中以淡蓝色显示Open表中的各结点(状态);“扩展结点”表示选中当前被扩展结点,并在地图场景中用蓝色框显示当前被扩展结点。与此同时,在地图场景中以黑色标注寻路过程中Closed表中的各个结点(状态)。
图2自动寻路问题的演示程序
图3是八数码问题的A*算法演示程序。八数码问题是在3×3的九宫格棋盘上,摆有8个刻有1～8数码的将牌。棋盘中有一个空格,允许紧邻空格的某一将牌可以移到空格中,这样通过平移将牌可以将某一将牌布局变换为另一布局。针对给定的一种初始布局或结构(目标状态),问如何移动将牌,实现从初始状态到目标状态的转变。
图3八数码问题的演示程序
如图3所示,可以手动设置八数码问题的初始状态和目标状态,也可以通过单击“随机产生”按钮,随机生成其初始状态,然后单击“开始/停止”按钮,可以由停止状态转为运行状态,也可由运行状态转为停止状态。在运行状态下,首先针对所产生的初始状态和给定的目标状态,判断八数码问题是否有解,若无解,则停止运行。然后在问题有解的情况下,根据一般的估价函数,通过连续单击“下一步”按钮可以在“弹出结点并扩展”框中看到整个搜索过程,与此同时,在“OPEN表”和“CLOSED表”中会分别显示整个过程的Open表和Closed表的变化,包括各状态及其估计代价值h和估计函数值f,以及当前步数。若单击“手动/自动”按钮,可以由手动转入自动,即从当前结点开始进行自动连续运行,从而可以看到从当前结点到终点的自动搜索的连续过程;同时也可从自动运行状态转为手动状态。
2) 验证程序。A*算法实现时有两个关键问题需要解决,一个是如何寻找并设计一个与问题有关的启发函数 及构造出估价函数 ,另一个是在Open表中如何排列待扩展状态的次序。为了比较不同估价函数以及不同Open表排序对A*算法求解问题的影响,在如图4所示的A*算法验证程序中,给出了两种不同的估价函数以及两种不同的排序方法,通过选择相应的估价函数及排序方法,可以比较不同估价函数、不同排序方法的A*算法在求解同一问题时的“搜索结果”、“访问结点数”和“耗时”的差异。
图4八数码问题的验证程序
考虑到盲目搜索和启发式搜索之间的区别在普遍的教材上解析得不够详细,使得学生对算法的理解往往不够清晰。为此,设计了宽度优先搜索、广度优先搜索和A*算法来求解八数码问题的验证程序。在验证程序中,通过单击两个“随机产生”按钮,不仅可以随机生成问题的初始状态,而且也可以随机生成目标状态;当单击“计算”按钮时,同样首先判断问题是否有解,最后在验证程序下方显示不同算法的“搜索结果/步”、“访问结点数/个”和“耗时/毫秒”内容,从而了解各算法的差异以及各自的优缺点。
3) 自主实验。为了让学生能够自己动手用A*算法来解决一些实际问题,如图5所示,设计了一些求解传教士和野人问题、迷宫问题、最短路径问题等一些作业题目。同时“实验帮助”中也提供了A*算法中的一些核心代码,使学生可以下载这些核心代码,并在这些代码的基础上,通过修改代码的过程中学会并掌握A*算法。由于智能搜索教学软件是在Microsoft Visual Studio 2005环境中用C++语言开发的,所以通过设计型实验,可以让学生在学习人工智能导论课程的基础上,更好地熟悉Microsoft Visual Studio 2005环境以及C++语言的应用实现。
图5A*算法设计型实验界面
2.2模拟退火算法
模拟退火算法最早由Metropolis在1953年提出,Kirkpatrick等人在1983年成功地将模拟退火算法用于组合优化问题求解。作为求解复杂组合优化问题的一种有效方法,模拟退火算法已经在许多工程和科学领域得到广泛的应用。
在模拟退火算法中,把某类优化问题的求解过程与统计力学中的热平衡问题进行对比,通过模拟高温物体退火过程的方法,来找到优化问题的全局最优或近似全局最优解[4]。模拟退火算法以概率1找到全局最优解的基本条件是初始温度必须足够高,在每个温度下状态的交换必须足够充分,温度t的下降必须足够缓慢。在进行模拟退火算法的教学过程当中,由于现有的课件和动画的固有限制,无法把模拟退火算法求解问题的整个过程做一个完整的展示,同时针对具体的问题,如何设置合适的参数以及参数设置对算法优化性能的影响也无法做一个完整的描述和解析,所以学生在学习这部分的内容时较难理解。
针对以上所述模拟退火算法的教学问题,设计了模拟退火算法求解TSP问题的演示程序(如图6所示)和验证程序(如图7所示),还给出了模拟退火算法的介绍界面(如图8所示),以及应用模拟退火算法求解其他问题的一些自主设计实验题目。TSP问题,即旅行商问题是,有 个城市,城市间的距离用矩阵 表示, 表示城市 与城市 之间的距离。有一个旅行商从一个城市出发,每个城市访问一次,并且只能访问一次,最后回到出发城市。问如何行走才能使得行走的路径长度最短。
图6TSP问题演示程序
图7TSP问题验证程序
进入模拟退火算法模块,首先可以通过模拟退火算法的算法介绍界面,如图8所示,了解模拟退火算法的有关演算步骤、相应的伪代码和应用模拟退火算法时的一些参数设置问题。
图8模拟退火算法介绍界面
在模拟退火算法求解TSP问题的演示程序中,可以通过“新解产生演示”模块,如图9所示,以8个城市(城市0～7)的TSP问题为例,了解“两点互换”、“相邻互换”、“区间逆转”、“单点移动”这四种新解产生函数的差异,其中8个城市的任何一种排列均是问题的一个可能解;单击“下一步”可以看到上述四种产生函数的整个变化过程。另外通过演示程序的“TSP问题演示”模块,如图6所示,针对8个城市的TSP问题(城市位置见“地图”方框),可以选择不同的新解产生函数,在给定初始温度、降温率、最低温度的情况下,连续单击“运行/下一步”可以进行手动的单步运行,并在“地图”方框显示8个城市
的旅行路线变化情况,与此同时,“搜索过程”框显示模拟退火算法在求解8个城市的TSP过程中“当前温度”、“当前能量”、“新能量”、“替换概率”等变化情况。若单击“连续运行”可以连续显示模拟退火算法求解8个城市TSP问题的整个搜索过程和“地图”路线变化情况。
图9TSP问题新解的产生函数演示
在模拟退火算法求解TSP问题的验证程序中,如图7所示,通过单击“随机添加”按钮和设置城市数,可以在“地图”方框中随机产生 个城市的坐标位置,从而实现模拟退火算法对不同规模的TSP问题的求解,同时也可以通过“重置”按钮清空“地图”方框显示。单击“开始”按钮后,可以在“地图”方框得到模拟退火算法的最后求解结果,即 个城市的旅行路线,同时在“地图”上方显示最好解、最差解和平均解质量。而通过选择不同的新解产生函数,设置不同的初始温度、降温率、最低温度和迭代步数这四个参数,比较不同的产生函数、不同的参数设置对模拟退火算法性能的影响。另外验证程序左侧下方“状态”提示显示“停止”和“计算中”这两种程序执行信息。
在模拟退火算法的自主设计实验中,给出了学生自主应用模拟退火算法解决TSP问题、车辆路径问题和Flow Shop问题等一些设计型作业题目,使学生可以在系统所提供的模拟退火算法核心代码的基础上,自己动手修改代码,从而更好地掌握模拟退火算法的精髓。
2.3遗传算法
遗传算法(Genetic Algorithms,GA)是基于生物界自然选择和基因遗传学原理的一种广为应用的、高效的随机搜索算法,20世纪60年代由美国的密执根大学的Holland教授首先提出。该算法将优化问题看作是自然界中生物的进化过程,通过模拟大自然中生物进化过程中的遗传规律,来达到寻优的目的。近年来,遗传算法已广泛地应用于作业调度与排序、可靠性设计、车辆路径选择与调度、成组技术、设备布置与分配、交通问题等等。
用遗传算法求解优化问题,首先对优化问题的解进行编码,编码后的一个解称为一个染色体,组成染色体的元素称为基因。一个群体由若干个染色体组成,染色体的个数称为群体的规模。在遗传算法中用适应度函数表示环境,它是已编码的解的函数,是一个解适应环境程度的评价。当适应度函数确定后,自然选择规律以适应度函数值的大小来决定一个染色体是否继续生存下去的概率。生存下来的染色体成为种群,它们中的部分或全部以一定的概率进行交叉、变异,从而得到下一代群体。
在遗传算法的教学过程中,也存在和模拟退火算法一样的问题,为了增加学生在教学活动中的参与感,激发起他们的学习热情,同样也设计开发了遗传算法的介绍模块,求解TSP问题的演示程序和验证程序,以及自主实验模块。遗传算法的介绍模块提供“算法描述”、“算法参数”、“算法特点”等介绍(如图10所示)。
图10遗传算法介绍界面
在遗传算法求解TSP问题的演示程序中,通过“交叉操作演示”和“变异操作演示”模块,了解“部分匹配交叉”和“顺序交叉”这两种交叉操作(如图11所示),以及“两点互换”、“相邻互换”、“区间逆转”、“单点移动”这四种变异操作(同模拟退火算法的新解产生)的差异。在演示程序的“TSP问题演示”中,如图12所示,针对10个城市的TSP问题,通过选择不同的交叉和变异操作,在给定种群规模、交叉概率、变异概率和迭代步数等算法参数的情况下,连续单击“下一步”可以进行手动的单步运行,并在程序右侧显示城市旅行路线的变化,与此同时,程序下方显示遗传算法求解过程中当前迭代次数、当前步骤、当前最优个体、当前最优个体的适应度、当前种群的平均适应度等变化。若单击“自动/手动”可由“手动”运行转为“自动”运行,从而可以连续显示遗传算法求解10个城市TSP问题的整个搜索过程和“地图”路线变化情况;反之也可由“自动”运行转为“手动”运行。
图11交叉操作演示
图12遗传算法演示程序
在遗传算法(GA)求解TSP问题的验证程序中,包括“基本GA”、“自适应GA”、“双倍体GA”、“双种群GA”和“多种算法比较”模块。“基本GA算法”子程序中,如图13所示,和模拟退火算法求解TSP问题的验证程序类似,同样单击“随机添加”按钮和设置城市数,可在“地图”框中随机产生 个城市的坐标位置;单击“开始”按钮后,可在“地图”框中得到遗传算法的最后求解结果,并显示最好解、最差解和平均解情况;也可比较不同的交叉和变异操作算子,以及不同的参数设置(种群规模、交叉概率、变异概率和迭代步数)对遗传算法性能的影响。在验证程序中,除了参数设置外,“自适应GA”、“双倍体GA”、“双种群GA”子程序的界面和功能都和“基本GA”子程序相同。另外在“多种算法比较”子程序中,提供了“基本GA”、“自适应GA”、“双倍体GA”、“双种群GA”和“模拟退火算法”求解TSP问题的结果比较。
在遗传算法的自主设计实验中,给出了学生自主应用基本遗传算法和改进遗传算法解决函数优化问题、TSP问题和Flow Shop问题等一些设计型作业题目,同样也提供了遗传算法的核心代码,方便学生在此基础上真正达到学以致用。
图13基本遗传算法验证程序
3结语
本文是笔者以精品课程培育为目标,对人工智能导论课程教学软件的设计和开发进行了探讨。该教学实验系统符合21世纪高校教学的要求,不仅可以支持教师提高教学手段现代化的水平,同时更贴合学生的学习需求。通过使用该教学实验系统,使学生更好地掌握人工智能中智能搜索算法的基本概念、基本理论和基本技术,熟悉Microsoft Visual Studio 2005环境以及C++语言的应用实现,提高实践动手能力,达到本课程预期的教学效果。
参考文献:
[1] 蔡自兴,肖晓明,蒙祖强,等. 树立精品意识搞好人工智能课程建设[J]. 中国大学教学,2004(1):28-29.
[2] 何元烈,汪玲.“Visual C ++”在“人工智能”教学中的应用与探讨[J]. 广东工业大学学报:社会科学版,2008(8):220-222.
[3] 王万良. 人工智能及其应用[M]. 2版. 北京:高等教育出版社,2008.
[4] 马少平,朱小燕. 人工智能[M]. 北京:清华大学出版社,2004.
Design and Development of Intelligent Search Algorithm Teaching Software
XU Xin-li, JIN Bo, CHEN Sheng-yong, GUAN Qiu, WANG Wan-liang
(College of Computer Science and Technology, Zhejiang University of Technology, Hangzhou 310023, China)
人工智能教学教案范文3
关键词： Web 3D 三维虚拟现实 远程3D虚拟教育 3D课件
一、引言
20世纪90年代，随着计算机图形学、计算机系统工程等技术的高速发展，三维虚拟互动技术引起我国学术界的极大兴趣与关注，三维虚拟互动技术的研究和开发，包括虚拟场景、虚拟人物、虚拟环境等，正朝着深度和广度发展。我将分析三维虚拟互动技术在美术教育中的应用，分析将这项技术在美术教育中各个方面的优势，以及对未来的美术教育的设想。随着中国的人口问题日益严重，教育问题将是整个社会的问题，也是社会发展的主要矛盾，而师质力量就是主要矛盾的主要方面。教学环境、教学设备、课堂气氛等，就是次要方面。如何利用三维虚拟技术提高教育的硬件和软件，特别针对美术教育这个范畴，我将会结合现代科技进行细致的分析和大胆的预测。
二、当代三维虚拟互动技术的概况
1.三维互动技术的基本分类
三维虚拟互动，包括虚拟现实与制造，以及虚拟互动，近20年来，计算机科学和信息科学迅速发展，已经和正在促使人类生活、生产方式发生革命性的变化，全球正经历着由传统经济向知识经济、网络经济的转变。利用信息技术改造传统制造业已成为现代制造业发展的必由之路，信息技术也已成为现代制造业的技术基础。
虚拟现实技术（Virtual reality）是众多相关科学与计算机图形学，智能控制技术和心理学等领域的最新成果。
虚拟制造（Virtual Manufacturing）是以计算机为基础，对计算机建模与仿真，虚拟现实，在计算机网络环境下群组协同工作，模拟产品的整个制造过程，对一系列的工序，如产品设计、加工、性能分析、销售等作出综合评价，以增强制造过程的正确决策和控制能力。
虚拟互动（virtual interactive）包括网络互动，以及计算机人工智能仿生互动艺术（AI），现在的网络技术已经趋于成熟，如网络通讯、网络交易、网络娱乐等。在网络户动功能上基本上是人，计算机是被动的互动形式，当虚拟互动加入人工智能仿生，那么计算机里的生物就会像现实世界的生物一样生长，而且能与生物发生互动。
2.三维虚拟互动技术的产生及发展
三维虚拟互动技术，主要是虚拟现实技术（VR）。虚拟现实技术就是用相关的学科，来源于电影技术。20世纪50年代，科学家们利用人类两眼之间的视觉位置差技术的立体电影，利用接近为人眼水平视角的宽荧幕电影，水平视角与垂直都达到360度的原理，制造出球幕电影①。现在的虚拟现实技术已经配合了多种虚拟接口传感器，如数据手套（DATA GLOVE）等。再配合现影器，利用VGX控制，交替显示左右眼观察图形，用户则佩戴一种左右镜片交替“开”（透光）、“闭”（遮光）的液晶光闸眼镜，虚拟出虚拟的环境和真实的触摸感。虚拟现实技术，主要目的是研究使用者的视觉与触觉，利用高科技虚拟出真实或者虚幻的人或物，令用户有种身临其境的感觉。
3.三维虚拟与互动技术的现状
目前，虚拟现实技术在航天领域中应用发展得最快。其中，777运输机的全无纸化设计，哈勃太空望远镜修复前的宇航员的训练和飞行仿真里面，运用此技术最广也最成功，利用三维空间建模降低成本，虚拟制造提供虚拟真实测试环境，计算机分析数据，减少浪费。在外国的许多拍卖会，博物馆为了保存真品，会利用三维仿真立体使虚拟再现古董或珍宝。而互动技术也越来越成熟，从网络互动到现在的真实虚拟互动，通过三维感光投影仪、感光摄像头在广州的动漫星城，利用感光的光学仪器，对投射出的3维或2维场景，进行人机互动，如人经过感光摄像头，将在液晶屏幕上看到换了2维发型的自己，还有3维感光投影仪，投影仪从天花板投影在地上的小型足球场，加上足球，利用感光设备，两个人就可以在虚拟的足球场上踢虚拟的足球。变场景后，人经过投射的范围，人经过的地方就会开出虚拟的花朵或烟花。但是投影技术还需要传播介质，如白色的墙，或幕布，还有水幕，相信将来10年内会有通过空气介质可以传播的投影仪。
三、三维虚拟互动技术与高校美术教育
1.当前高校美术教育师资力量所面临的压力
目前学校教师队伍老化严重，应把更多励志从事教育工作的师范院校学生，纳入教师队伍。青海西宁第十四中学庞晓丽委员说，教育部推出师范免费院校试点太少，大多数贫困家庭的孩子享受不到这项优惠政策。由于对教师考核过于单一，教师行业压力大，待遇低、家庭条件好的学生不愿报师范，尤其是西部边远地区，加上扩招的缘故，教师从二十世纪八十年代的30个人一个班，到现在的60个人一个班，间接使教育质量下降。如果能逐步扩大试点免费师范教育试点，使家境贫寒、学习优秀的师范院校学生补充到西部教育队伍，将会形成良性循环。在南部地区，人口密度集中，学校扩招情况严重，有些高中学校一个年级有16个班，更有些中专、技校，只要交学费都收，造成教学质量下降。在大学，美术教育问题也很突出，高校扩招，教师不足，编制老师有指标不能想招就招，也导致很多教师要同时教一到两科或者几科不是自己领域的课程，间接导致质量下降。
2.高校美术教育与教学模式的现状
目前高等院校艺术设计师资的解决，一部分是通过将自己院校培养出来的毕业生留校任教或引进其他艺术设计院校的毕业生直接作为教师启用，这部分教师虽然学历较高（高等院校教师目前普遍要求硕士及以上学历），但职称偏低，普遍缺少教学经验和社会实践，教学水平大打折扣；另一部分则是从美术专业转行艺术设计的，这部分教师多采用短期进修、培训或自学的方式转入艺术设计，没有接受过专业艺术设计教育，也不具备艺术设计实践经验，大多数人很难胜任艺术设计的教学工作。现在高校教学模式基本有三种模式：A类：教课书及教学参考书提供的知识；B类：教师个人知识；C类：师生互动产生的新的知识。在大部分传统模式中，课程与教学分离。教学计划和大纲由国家规定，教材和教学参考书由专家编写，教师教学参考书资料去教学，强调学生对教科内容的记忆与内化，A型知识占绝对优势，很少有B型，几乎没有C型的知识。②
3.三维虚拟互动技术在美术教育领域广泛运用的可行性
针对这种情况，三维虚拟互动技术就能基本解决美术教育的问题了。美术教育分成理论欣赏课和实操实践课：
（1）理论欣赏课的传统与前瞻的对比
①传统模式
老师在台上讲，学生在位子上听，加入了三维虚拟户动技术后，学生都戴上三维光闸眼镜，在老师的控制下看到三维立体的中国或外国的艺术家，而且模拟仿真，让这些艺术家做自我介绍，介绍自己的作品和制作过程，并播放艺术家们的成长过程。这是理论课用的模式，课程包括艺术概论、雕塑理论课、速写、色彩和素描的理论教学等。
②创新模式
老师拿着3D遥控器，在一个没有凳子没有桌子，只有一台电脑、四台立体投影仪，还有2―3套的数据手套的房间里教学。这是欣赏课的模式，如MTV、导演基础、音乐欣赏课、版画欣赏，等等。通过三维立体感光投影仪器，加上戴的光闸眼镜和用的数据手套，学生们会感受到虚拟真实的场面，包括战争场面、敦煌石窟里面的场面、西方宫廷内部场面、世界各个古迹的场面，等等。使用数据手套，学生们还能感受方针古董、远古武器、古人的衣物的重量、质感，等等。且无线蓝牙数据手套有传感器会根据电脑的同步数据，自行调节手套的对学生手的压强和重量，使触摸虚拟物品更加真实，再加上感光的投影仪，学生走动，电脑都会知道，并对学生附近的物品进行解说。通过蓝牙耳机，老师与学生一齐感受虚拟真实环境外，老师还负责切换场景，如果不小心摔坏了虚拟物品，电脑还能仿真落地的碎片和声音，仿真同学走在地上的声音。
（2）电脑实践课程
①传统模式
工业设计、工艺美术、动画、环艺、园林、平面设计、服装CAD图等运用电脑作为主要工作途径的专业，传统的教学基本都是学生一人一部电脑，老师在台上控制另一台电脑，学生在自己的电脑上看到老师的操作，从中学习软件的操作。
②创新模式
加入了三维立体感光投影仪，电脑就会摆放或一个圈，中间一个位子，顶上放4个立体投影，分别播放老师的模型四个面，呈立体形状，加上投影台，学生就不用带闸光眼镜了，直接可看到立体，而老师在台上也可以直接切换学生电脑工作的界面，投射在中间的立体画面，供老师随时批改与调整。如果有什么创作项目的话，老师与学生就共同控制一个模型，对模型的部分删减或者增加。老师还可以播放立体教程，师生一齐围在投影台前看，一齐研究步骤。特别在服装这个专业，利用感光投影和摄像机，使学生设计完立体虚拟衣服后，站在镜头面前还能换调身上的衣服，实体还没做出来就可以有该衣服穿在自己身上的效果图。或者穿在各种虚拟模特的身上，等同学完成课程的作业时，还可以虚拟大型的时装会。
（3）专业实践练习课程
①传统模式
老师带领学生上课，以需要模特或者静物的课程来举例，模特或者静物放置中间，老师与学生都围着模特或者静物写生，模特每半小时休息10分钟，学生则是45分钟一节课，这样会导致几个问题。艺术练习也是创作的一部分，只要进入状态，就很不希望被打断，因为时间问题，在很多情况下积极性就会降低。又如色彩课上，包括国画、水粉、水彩、油画、书法等，经常会因为打翻水，或者不小心搞脏衣服、板或者物品，造成清理的麻烦。在老师方面，有时候，老师会在忙于对模特的写生而忽略学生，有时候会因对某个学生的辅导而忽略其他学生的提问，更有时候会因为某些原因不能及时来上课导致学生要自己做画。在学生方面，有水平差距，如何妥善处理这些差距是提高教学质量的首要问题。
②创新模式
依然是围着模特写生，模特是通过三维立体投影、电脑虚拟投射出来的，可以随意调节模特的身材、相貌、性别、衣着等，而且能放大缩小模特的局部，如肌肉或者衣服，这样就可以把模特写生统一在一个课程上教，如人体速写、半身素描、人物速写，而学生就不再用传统的画板了，取而代之的是数位板，一张4开的数位版，数位笔会模拟各种笔的效果。利用已经存在的科技，在数位板上，老师可以随意切换板上的画面，切换至学生正在写生的画面，立刻做出修改，还可以使画面变成一半写生，一半模特，与之比较。（其实数位板就是个液晶显示器）在教室头顶上的三维投影仪，能虚拟出艺术馆走廊的环境，或者森林的环境等优美的环境，配合仿真声音，使师生们更加进入做画状态。在色彩课上，不同的型号数位笔，代替不同型号的水粉或者油画笔。电脑的画笔工具能模拟出真实的笔触效果。在陶艺或者雕塑、版画课上，开始练习阶段，完全可以用电脑虚拟出来，从而节省原料的浪费。还可以利用数据手套、光闸眼镜、数位笔仿真雕刻刀、仿真真实的压强虚拟出真实的感觉和效果。
（4）老师教案及备课的安排
①传统模式
老师会在上课前的前一两天的时间，把要教的课程安排好，每一节课需要教授的知识，用PPT制作成教案，或者想好静物、模特的安排，第二天按照昨天所想的去安排课程。如果老师当天有事，就可以打电话给班长安排当天的练习，或者将课程延后。
②创新模式
老师会把课程分类，把第二天的课程的场景安排进去，以及师生互动因素安排在里面，已经不是POWERPOINT简单的视频教学。利用3维立体投影仪，如何利用场景结合当天所学的知识，提高学生们的兴趣，如课程需要还可以进行不同专业的体验（上部分有解说），或者与另一个教室上课的学生进行互动，互相切磋，都可利用3维立体投影进行同步。因为教师的短缺，有时高校老师会同时上不同的课程，所以该技术为老师提供了很多的方便。当一些理论课，或者简单的素描、色彩课可以不要实体老师做陪，而是利用预先做好的虚拟老师的教育课程（可循环利用），也就是老师的教案并不局限课程，还会把自己算在内，当导入AI（人工智能），虚拟老师就可以回答一些学生常问的问题，如作品的人物背景，为什么要创作此作品。修改学生常犯的错误，如明暗问题、结构问题等。这些都要实体老师总结出来，放入电脑中，设置好教案后，老师就可以将远程传入教室的电脑里，第二天同时上其他课程的课了，或者进行远程监控或远程教育。这样老师临时有事时，课程也不必延后了。
四、结语
虽然许多内容都是通过幻想出来的，但是爱因斯坦说过：想象力远比知识重要。通过这种传统模式与创新模式的对比，更能得出创新模式的优势。学生十分了解国内教育水平的不足，更看到老师们的吃力教学。当代的教育模式，经常会使学生和老师陷入一种僵持的状态，学生没兴趣听，老师没激情教。创新模式必然要出现，除了要有先进的技术支持外，还要将先进技术用到美术教育上，如何用、怎么用、什么效果这三个问题就是我所要探讨的，也是未来创新模式的发展路线和前瞻。
注释：
①周祖德.虚拟现实与虚拟制造.湖北科学技术出版社，2005.2.
②王大根.美术教案设计.上海人民美术出版社，2007.1.
参考文献：
［1］白雪竹，李颜妮.互动艺术创新思维.中国轻工业出版社，2007，（1）.
［2］周祖德.虚拟现实与虚拟制造.湖北科学技术出版社，2005，（2）.
人工智能教学教案范文4
传统的CAI课件系统是在单机上将全部教学内容，以编程的方式预置于课件中。学生学习时，教学过程是按课件规定的路径和内容展开的。由于缺乏必要的通信手段和智能特性，无法实现任课教师与学生之间的交互，和按学生的不同认知能力准备教案的因材施教教学。随着计算机网络技术的日臻成熟，人工智能在专家系统领域取得的成功，它们为CAI的发展提供了新的空间。我们认为CAI的发展方向在于网络化、智能化。
2ICAI的评价标准
智能计算机辅助教学系统（IntelligenceComputerAssistedInstruction——ICAI）具有如下的一些特征[1]：
①能自动生成各种问题与练习；
②根据学生的学习水平与学习情况选择与调整学习的内容和进度；
③在了解教学内容的基础上自动解决问题，生成解答；
④具有自然语言生成与理解能力，以便实现比较自由的教学问答系统以提高人机交互的主动性；
⑤对教学内容有解释咨询能力；
⑥能诊断学生错误，分析原因并采取纠正措施；
⑦能评价学生的学习行为；
⑧能评价教师的教学行为[2]。
具备上述全部特征的ICAI系统是完美的，但实现是困难的。一般认为只要具备上列一个或几个特征，就可以称之为ICAI。
3实现技术
3.1Client/Server的实现
将用于教学的内容、刻画学生的认知模型所必需的数据资料保存在Server端。教师在教研室通过Client，负责实现对Server端教学内容的更新与维护。学生在多媒体教室通过Client与Server相连，实现对教学内容的学习，学习结束后，学生客户端软件将依据学生对知识点的掌握情况，为其自动修改认知模型。督导人员在教务处通过Client与Server相连，实现对教学过程的监督与引导。
3.2认知模型的建立
ICAI强调要按学生不同的认知模型，为其准备不同的教学内容，用以实现个别化教学与启发式教学。受认知心理学与教育学发展的制约，目前还无法准确地建立出单个人的认知模型。
我们粗略地将学生的认知模型，按其不同的认知能力分成高、中、低三类。同一内容的教案也按高、中、低三中难度组织，分别提供给具有相应认知能力的同学学习使用。学生在学习完每节的教学内容后，系统将要求他回答一定数量的相关问题，并根据其回答问题的准确率，确定他的新认知模型。
3.3智能化教学过程的实现
我们借鉴专家系统的设计方法，实现ICAI课件系统中的智能功能。在该系统中组织了相应的规则库、事实库（学习历史纪录库）和推理实现机制，如图1所示。下面对推理实现机制做简要的介绍。规则库由册、章、节、超文本教案地址、阀值及多个前提组成，反映对该节的学习应满足的前提条件。学习历史库由册、章、节、认知等级、已学次数组成，反映学生对该节的认知能力。规则库的内容由教师负责修改。学生的学习历史纪录，在库中按每个人一张表组织，其内容在每次学习之后，由学生客户端软件依据该生对知识点的掌握情况自动修改。推理过程由专用的推理模块，按规则库提供的规则与学生学习历史纪录库提供的事实做出判断。我们通过学生在每节教学内容学习完成之后，对所附习题回答的准确率，将其认知能力划分成高、中、低三个层次，并将这个结果保存在学生学习历史纪录库中。学生下一次使用该系统进行学习时，该系统会按其不同的认知能力，为他准备相应难度的教学内容。不难看出，这种对认知能力的衡量是动态的。若学生不想按系统默认的进度学，则要求学生自行选择学习内容。若所选内容已经学过，则根据其当时所获得的等级为他准备学习内容；否则将视规则库及学习历史纪录中的内容，判断其是否可学而定。例如：规则库中限定在学习第一章第一节之前不能学习第一章第二节，某生试图越过第一章第一节学习第一章第二节时，系统会给出警告。为了使学生能在系统的控制下学习，无论是高、中、低难度的教案均是一节一个超文本文件，其中不含有链。
3.3.1阀值的给定
当学生完成对某一节的内容学习之后，回答系统提问所得的分数小于该节所具有的阀值时，系统并不会将该节标志为已学。所以该生下次登录时，系统将强制他对该节的内容进行重新学习。通常，那些在本学科中具有特殊重要地位的章节具有较高的阀值。下面给出评价某一节在本门课中的重要程度的方法：
Important（N）=IN（N）+OUT（N）
Important（N）——第N节（将全书中的节以流水形势编排号码）知识在本课程中的地位；IN（N）——本课程中，其余节知识中对第N节的知识有影响的个数之和；OUT（N）——本课程中，第N节知识影响其余节知识的个数之和。当对本课程中所有的Important（N）计算完成后，即可据此给出某一节的阀值。阀值Valve（N）以百份数形势表示，小于1且与Important（N）成正比。
设Right（N）表示某生在学习完第N节的知识后，回答系统所提问题的准确率。变量Ruler=1-Valve(N)。给定认知模型的修改规则如下：
IfRight(N)IfValve(N)≤Right(N)IfValve(N)+Ruler*(1/3)≤Right(N)IfValve(N)+Ruler*(2/3)≤Right(N)Then认知能力定为“高”
3.3.2系统的安全技术
由于ICAI会针对用户不同的认知模型（高、中、低）准备不同的教学内容，所以为确保对用户认知模型刻画的准确程度，要求学生在使用学生客户端软件时，需用自己的姓名和口令向系统登记。当验正该生是系统的合法用户后，将到学生资料库中读取相应的资料，送给ICAI的分析模块用以构建该生的认知模型，作为教学的依据。如不是系统的合法用户，将要求学生进行简单的注册，如实填写部分信息后成为系统的合法用户，并在学生资料库中为其分配一个缺省值，作为他第一次使用该系统时构建认知模型的依据。
用户初次登录时，口令即为用户名，登录成功后系统立即要求对当前缺省口令进行修改。以后，用户能对自己的口令做任意的修改。
3.3.3教学评价
我们用下述方法实现了对学生个人学习水平的评价。n：该系统用户的总人数；Xi：第i个学生的考试成绩。
定义：由定义知，S是学生整体成绩的标准差。Zi反映了第i个学生的成绩与平均成绩的差是标准差的几倍。用Zi来衡量考试成绩不会受考卷难度值的影响，比Xi更有说服力。因为标准分（Zi）是一种参考零点（平均分）位置固定、单位长度（标准差）一样的统计量。不同次测验的原始分数换算成标准分后，就可以做互相比较。如某生两次测验的成绩原始分数分别为：80、90，标准分分别为2.5、2。不能由第二次考试的原始分比第一次高而断定该生的学习进步了，正确的断言是：因为第二次考试的标准分比第一次低，所以该生学习成绩退步了。经验表明，标准分的数值一般在-3~+3间。当标准分数值为正时，表示其学习水平在团体水平值上；反之，则表明学习水平在团体之下。
4一个试验性系统
人工智能教学教案范文5
【文章编号】0450-9889（2017）06C-0082-02
随着我国高等教育由精英教育过渡到大众型教育，教育对象的阶梯层次也发生了较为重大的变化。学生的理论知识基础和能力在扩招量较大的本科招生院校普遍呈现下降的趋势。但由于社会急需大量应用型人才，从而促使各高校为了适应新形势的教学要求努力寻求提高人才培养质量的教学管理方法，进而推动教学制度的改革。智能控制是一门集理论研究和工程实践为一体的综合性课程，也是高校自动化专业的重要专业课。为了适应当今社会对人才素质的要求，近年来，我们对智能控制的教学也作了一些实践性探索，着重是以培养学生的创新能力和综合素质为主。
一、智能控制课程的特点
自动控制发展的高级阶段即为智能控制。它也可以称之为一门新型的交叉前沿学科，是由多种学科的高度综合集合而成的，比如人工智能、控制论、系统论、信息论，等等。智能控制在社会生产中除了具有较为广阔的应用前景，同时还具备巨大的研究价值。因此，这门课程原本只是应用在研究生阶段所开设的，现如今已在众多高校自动化相关的高级本科实施应用。它所体现的目的与核心不仅仅只是对控制理论的前沿发展方向有所学习，更是能够使学生有效地了解现代控制理论的实际概念。
就“智能控制”的概念可知，智能控制理论研究的主要目标在于控制器本身，并不是被控对象。智能控制理论不同于现代控制理论或是经典控制理论的处理方法，它的研究核心可归结为高层控制，在此过程中较强的容错能力是解决广义问题的根本。智能控制能对复杂的系统进行全局控制，在其中可形成基本的能力，如自适应、自组织、自学习或是自协调能力，等等。智能控制系统通常以数学广义模型的方式呈现，它具备混合控制的特点。组织结构恰恰体现了智能递增、精度递降的特点。总之，智能控制系统是自动化实行智能机完成目标的控制系统，也是判断自修复能力的一种体现。
从专业角度来看，智能控制可以归属于理论化较多的专业课程。此类课程所涉及的理论分支较多，并且具备多类学科的交叉性。不仅包含了一些较为前沿的学科理论，还掌握着众多丰富的内容。学习者通过智能控制课程的学习，可以在智能控制的研究中学习到可供研究的方式方法，对于学习者获取有关的基本知识、掌握智能控制的一般方法都是极其重要的。如此一来，为学习者掌握智能控制的分支和特点提供了极大的便利性。
二、智能控制课程传统教学出现的问题
（一）教学方法单一。传统的教学方法相对来说比较单一，通常是通过教学系统化的讲解来使学习者掌握有关的专业知识。教学者站在讲台上进行教授，学习者在台下较为被动地接受是一般的传授形式。通常这种教学方式的自由度相对来说是较大的，而学生并不存在应用的自主性，甚至还处于一种一知半解的状态。由于智能控制课程内容相对于其他课程来说概念抽象、信息量过大，因此学生在接受此类课程时就更容易出现不能及时消化所学知识、失去研究兴趣等问题。由此可见，教师在传授的过程中要注重教学方法的多样化，有效地活跃课堂气氛，进而做到知识的有效传输，使学生的思维得到放射性延展。
（二）缺少教学实践环境。教学资源少在一定程度上导致教学实践环境的贫乏。在学习知识的过程中，我们大多提倡实践出真知，然而大多数智能控制教材不存在实验方案和实验环节，在这点上无法有效地满足智能控制教学的需要，只有将理念转为实物呈现在学生面前，才能真正意义上做到意会言传。并且有一些存在实验环节的高校也不具备提供实验平台的能力，所以就此来看就很好地诠释出智能控制教学的理念是相对艰难的。
（三）课后考核的不足。智能控制教学除了教学方法和实践环境的有效培养，课后考核也同等重要。教师的传授水平以及知识的接受程度都要依靠课后考核来进行勘测。而在当代教学环境下，课后考核通常被视为一项烦琐且不必要的工作过程，通常在改革过程中研究者会把重心放在教学方法中，这对于整体的改革优化是极为不利的，因此建立有效的课后考核是急切且必要的。
三、智能控制课程教学改革措施与途径
（一）优化教学内容，增强新颖性和实用性。智能控制课程具有很多的阶段性特点，如前沿性、抽象性、理论性等。它所涉及的相关内容是极其广泛的。然而，智能控制课程作为本科课程中的一门专业课，在学习的过程中应当注重减少烦琐公式的推导，教学者更应当注重控制思想的融会贯通。特别是在教学内容的选取方面，应尽量多地采取简易示例的演示，以便能够切实提高学习者在此过程中的乐趣，做到真正意义上的寓教于乐。在实际的教学过程中，则可以尽量地采取展示型设计，如模糊PID控制器的设计思想为自适应调节控制参数等。考虑到智能控制的应用现状，参考教学体系也是进一步优化的渠道。在调整后也应当注重突出工程的实际应用型，而不是以理论为主要核心。由此便可以在实践中致力培养学生的创造思维和独立分析能力，从而达到课程内容的综合性。
在优化教学内容的过程中，参考每个不同年龄段学生的心理也是同等重要的。本科高年级的学生主要关心学科前沿知识的使用方法或是应用领域，在掌握了专业知识的同时能够学到许多较为实用的智能控制算法。通常他们不愿意花费太多的时间在知识的消化理解上，由此可见知识的应用在教学过程中需要重点关注。应根据学科的发展方向优化教学内容，在保证智能控制理论内容严谨性的同时强调贯穿于每章节中所涉及的知识点。在每一个知识点上能够做到附上相应的例题和习题，以此达到巩固所?W习的知识。在优化教学内容的过程中应做到增强新颖性和实用性，把传统意义上的知识灌输转变为专业素质和创新能力的培养。
（二）树立创新意识培养创新能力。培养创新意识是应用型人才培养的主要目标之一。智能控制理论与现代的控制理念有所不同，它更多地强调训练创新思维、提高创新能力等方面。这就充分地体现了智能控制是一个保持生机的同时还能够发展的学科，但由于目前的理论和技术还不够成熟，其在一定程度上要求教学者应给学习者提供一个培养创新能力的机会。在实施的过程中，更应去注重展示学科的吸引力。如采用质疑导入法提出问题，激发学生进行思考。通过互动式的教学方法设计问题，学习者以此进行讨论和回答。学习环境的进一步活跃是使教师成为组织者和引?д叩母?本，但在此要切记课堂教学的主体永远是学习者。
（三）建立新型的考核机制。智能控制课程的理论性较强。由于期末考试的题目都较为简单，仅凭期末考试的成绩很难客观地评判学生的各项能力。针对此种状况，我们提出了多种解决对策。以能力型代替记忆型就是较为实际的一项考核方式。同时伴随着以多项内容相结合的新型评价机制能够有效避免期末考试较为单一的考核方式。随堂检验、实验答辩等都是评价机制中较为新型的方式。在实际的课程教学中，对平时的作业等级进行划分，对作业中存在的问题进行纠正都有利于调动学生体现积极性。以此让学生在学习的过程中以报告的形式进行答辩，阐述自己的设计思路并演示控制效果，这样的考核不仅可以促进学生学风的转变，也可以保障成绩的公平以及合理性。
（四）利用网络平台，建立互动式教学。充分利用互联网教学平台可以使教学资源与网络教学进行有机整合，从而搭建一个教师和学生之间互动的平台。利用网络提供多种网络教学资源可以为学生创造多种便捷，例如网络课件、电子教案和应用资料，等等。网络平台不仅充分调动了学生的学习自主性，还为网上资源的教学方法创建了互动。在教学中借助较为广泛的仿真软件，能够有效地将复杂系统进行模块化分析或是设计。有效地运用软件中的工具箱可以较为轻松地将控制器应用在系统控制中，使学生可以较为优越地感受控制效果。适时地编写算法程序也是可实施的一种途径，不仅可以加深学生对理论的理解，还可以在编写的途中产生一定程度的成就感，从而逐渐培养这门课程的自信心。
人工智能教学教案范文6
关键词：智能计算；科研素养；课程教学改革；教学模式
DOIDOI：10.11907/rjdk.161991
中图分类号：G434
文献标识码：A文章编号：1672-7800（2016）012-0180-02
0 引言
大学教育不仅仅是向学生传授学科专业知识，还要教授学生终生受益的技能，充分挖掘学生各项潜能。研究生教育是高等教育的重要组成部分，更加注重创新能力培养。强化研究生培养过程管理是有效提高其培养质量的重要手段。在研究生培养过程中，课程教学环节尤为关键，直接关系学生综合能力培养[1]。
智能计算已成为人工智能领域的研究热点，其理论与方法已成功应用于科学与工程领域以及诸多战略性新兴产业[2-3]。近年来，越来越多的高校开设《智能计算》课程。本文以研究生《智能计算》课程为例，结合教学实践，从教学模式、教学内容、教学方法、教材建设和教学效果等方面探讨教学改革，重点分析教学过程中科研素养培养的方法，将知识传授、能力和素质培养融为一体，强调创新意识和科研素养的培养。
1 合理设置课程定位，制定课程教学模式
与本科教学不同，研究生教学更注重培养学生研究、分析和解决问题的能力。研究生分为学术型和专业型两大类（简称为学术硕士和专业硕士），不同类型的研究生分开授课。笔者所在学校面向学术硕士开设的该课程除了介绍智能计算基础知识外，还注重培养学生的科研能力；而面向专业硕士开设的该课程则强调在工程领域中的应用与实践，采用“授课―项目实践―研讨（项目开发交流+学术交流）”的方式。其中，“授课”即按照教学大纲要求讲授课程基础理论知识；“项目实践”是培养学生动手解决实际问题能力的重要环节，着重培养学生的研究能力和创新意识。需紧密结合学科前沿和教学内容，设计出解决实际问题的项目，学生在完成项目的过程中体验创新，项目完成情况作为学生成绩评定的主要依据；“研讨”即教师组织学生进行课堂讨论，专业硕士重点交流项目实施的方法和心得，学术硕士重点交流学术前沿。通过多个学期的教学实践，该教学模式教学效果良好，普遍受到师生好评。
2 注重科研素养培养，构建多元教学方法
经过多年的建设和发展，笔者所在学校《智能计算》课程积累了丰厚的学科基础和教学经验。为适应智能制造2025、互联网+、智慧城市等新形势的发展及要求，立足于科研能力和科研素养培养，课程组构建了多元化教学模式。
（1）通过探究性学习突出学生主体地位，培养学生科研能力。将研究生创新能力和科研能力培养贯穿于授课教学环节始终。通过课堂问题研讨拓展知识领域，为学生提供前沿领域技术动态方面的学习内容，提高学生探索新领域、新知识的能力。改革传统的教师、学生、教材三者间的关系，强调以学生为主体，采用项目驱动式、问题讨论式、案例分析式教学，提高学生的科研能力。
（2）延伸性平台拓展课堂范围，培养学生科研素养。通过畅通师生交流渠道、优质教学资源共享和实践反馈拓展课堂广度和深度。教学资源平台包括：①智能计算领域国际杂志和协会资源，如Spring出版的《Swarm Intelligence 》、IEEE 出版的《IEEE Transactions on Evolutionary Computation》及《IEEE/ACM Transactions on Computational Biology and Bioinformatics》等国际学术刊物；②组织学生参加先进制造业、工业自动化、互联网+、智能计算等领域国际会议；③优质教学资源平台共享，学生紧密结合自身科研兴趣，积极探索前沿领域。通过课堂延伸，逐步提高学生科研素养，学生发表高水平论文的数量逐年增加。
（3）通过高水平学科竞赛营造创新氛围，提升学生创新创业素质。鼓励学生积极参加高水平学科竞赛，努力培养研究生团队协作能力、创新思维和实践能力，充分营造良好的创新氛围和创业环境；邀请知名专家作专题讲座，开拓学生视野，掌握前沿科技，提升科研素养。
3 改革教学内容与方法，培养学生科研兴趣
智能计算是一门交叉学科，课程主要系统讲授智能计算有关理论、技术及其应用，全面介绍智能计算前沿技术与最新进展。要求学生系统掌握智能计算的基本内容与方法，了解智能计算主要应用领域。主要内容包括：进化算法、蚁群算法、粒子群算法、鱼群算法、文化基因算法、量子优化算法、多目标优化问题及应用。
（1）进化算法。以教材为主，重点讲解进化计算的基本原理、生物基础、算法框架、基本要素、深度学习的本质优点及其适用领域；从个体编码、群体初始化、个体评价、操作算子和参数选择等方面详细阐述在求解实际问题时需要解决的关键技术[4]。同时，借鉴最新研究成果，向学生介绍先进算法。
（2）群体智能算法。介绍群体智能算法的生物基础、数学模型和学习机理；重点介绍蚁群算法、粒子群算法的基本原理、基本要素和实际应用领域。了解国内外最新研究进展，掌握智能计算领域的最新理论和应用成果。
（3）多目标优化问题及应用。介绍群体智能算法在多目标优化问题中的应用，重点介绍互联网+相关领域中的多目标优化问题，探讨多目标优化问题求解发展趋势。
智能计算是一门理论和实践紧密结合的交叉学科，随着工业自动化、智能制造和互联网+的快速发展，该学科发展日新月异。在教学过程中，不仅要注重知识传授，更要培养学生的创新能力和科研素质，紧跟科技发展的步伐。在教学方法上，可采用项目驱动教学方式，研究先进算法在实际项目中的应用，使学生深入理解和掌握利用先进算法求解实际问题的技能，并对程序编写产生浓厚兴趣，培养创新能力。
4 教材建设
本课程教材使用清华大学出版社出版的《计算智能》，该教材有相应的电子教案。随着互联网+的快速发展，智能计算课程教学内容和资料更新快，需不断增加最新研究成果，拓展学生的研究视野。随着先进制造业、工业自动化、互联网+技术的飞速发展，《智能计算》课程教学中需注重交叉学科知识扩展及学生科研能力培养。
5 课程考核
课程考察主要采用以下方式：①小作业。对先进的智能算法进行总结、分析、对比等，撰写综述报告，对先进的智能算法概念、原理、方法、应用等方面进行总结，要求结合智能制造、互联网+的应用进行展望；②大作业。培养学生编程技能，对先进智能算法及应用进行设计与实现，并制作成演示系统；③论文。提供选题，对智能计算领域具体问题进行深入研究，激发学生的创造力。
6 结语
本文提出以提高研究生科研素养和创新能力为目标，围绕培养学生计算思维和解决实际问题的能力，构建多元化智能计算课程教学模式。通过教学改革与实践，学生的科研水平和实践能力逐步提高，学习兴趣不断增强，先进智能算法应用技能得到提升，科研论文写作水平也逐步提高，科研素养得到有效提升。
参考文献：
[1] 刘劲松，徐明生，任学梅，等.研究生高水平国际化课程建设理念与实践探索[J].学位与研究生教育，2015（6）：35-37.
[2] 何静媛，陈自郁.研究生计算智能课程教学探索[J].计算机教育，2015（12）：1-3.
