前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇人工智能學(xué)習(xí)報告范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

人工智能學(xué)習(xí)報告范文第1篇

>> 研究生人工智能系列課程教學(xué)改革 研究生人工智能課程教學(xué)探索 研究生“人工智能”課程教學(xué)改革探索 人工智能實驗課教學(xué)改革研究 人工智能課程全英文教學(xué)改革 創(chuàng)新型人工智能教學(xué)改革與實踐 《人工智能》碩士課程教學(xué)改革的研究與實踐 落實科學(xué)發(fā)展觀,深化“人工智能”課程的教學(xué)改革 面向人工智能的信息管理與信息系統(tǒng)專業(yè)教學(xué)改革 人工智能課程教學(xué)方法研究 人工智能的應(yīng)用研究 日本巨資扶持人工智能研究 人工智能系列課程研究 高中人工智能教學(xué)初探 《人工智能》雙語教學(xué)初索 人工智能雙語教學(xué)建設(shè) 人工智能實驗教學(xué)探討 “人工智能”之父 人工智能 AI人工智能 常見問題解答 當(dāng)前所在位置：l(美國人工智能協(xié)會)、caiac.ca/(加拿大人工智能協(xié)會)等，它們包括了學(xué)科前沿動態(tài)、討論交流及大量的代碼資源等。通過使用這些資源，學(xué)員可及時了解人工智能最新發(fā)展動態(tài)，進(jìn)行人工智能程序設(shè)計的交流及對一些問題進(jìn)行較為深入的探討。

2教學(xué)方法研究

研究生教學(xué)應(yīng)更突出學(xué)生的主體地位，注重發(fā)揮其學(xué)習(xí)的主動性和自覺性，為此，課程組結(jié)合課程特點，在教學(xué)方法進(jìn)行了如下探索。

2.1加強教學(xué)設(shè)計

教學(xué)設(shè)計就是對教學(xué)活動進(jìn)行系統(tǒng)計劃的過程, 是教什么(課程內(nèi)容)及怎么教(組織、方法、策略、手段及其他傳媒工具的使用等)的過程[2]。在教學(xué)過程中，每節(jié)課授課前，堅持集體備課的原則，由課程組集體討論選定授課內(nèi)容，補充閱讀文獻(xiàn)，根據(jù)授課對象與課程內(nèi)容特點，確定課堂組織方式，采用的授課方式以研討式教學(xué)為主，給合講授、實驗、自學(xué)等。

2.2抓好課堂教學(xué)環(huán)節(jié)

教學(xué)方法與教學(xué)手段是保證課堂教學(xué)效果的關(guān)鍵。本課程授課對象主要為碩士研究生，他們的接受能力較強，有一定的求知欲。由于學(xué)員人數(shù)較少，授課方式可靈活組織。教室有完備的多媒體設(shè)備，基本的軟件實驗環(huán)境，教學(xué)過程可采用靈活教學(xué)方法、多種教學(xué)手段，提高教學(xué)效率，保證授課質(zhì)量。

1) 以研討式為主的教學(xué)方式。研究生教學(xué)應(yīng)堅持學(xué)術(shù)研究為導(dǎo)向，發(fā)揮學(xué)員在學(xué)習(xí)過程中的主動性和自覺性。由于研究生學(xué)員有一定的學(xué)習(xí)基礎(chǔ)與自學(xué)能力，教員可以在課前給學(xué)員布置預(yù)習(xí)內(nèi)容，學(xué)員通過查閱資料、分析整理進(jìn)而形成自己的觀點，使在課堂教學(xué)中師生互動交流成為可能，改變傳統(tǒng)的教員講，學(xué)員聽的灌輸式教學(xué)方式。研討式教學(xué)也有力于培養(yǎng)學(xué)員積極思考、創(chuàng)新思維的習(xí)慣與能力。

2) 教學(xué)手段的信息化。人工智能原理教學(xué)一個突出矛盾是知識點多、內(nèi)容抽象、理論性強，但學(xué)時較少，因此，必須發(fā)揮現(xiàn)代教學(xué)手段的作用，提高教學(xué)效率。為此，課程組對每節(jié)課都精心設(shè)計了教學(xué)課件，課堂教學(xué)中以課件為主，輔以板書，充分利用多媒體信息量大、直觀等優(yōu)點，改善教學(xué)效果；引入教學(xué)聲像資料，便于學(xué)員課下學(xué)習(xí)；設(shè)計演示程序，使部分比較抽象、不易于理解的內(nèi)容，如子句歸結(jié)、搜索策略更形象直觀，易于學(xué)習(xí)和掌握。

3注重培養(yǎng)學(xué)員學(xué)術(shù)研究能力

學(xué)術(shù)能力是指專門對某一學(xué)問進(jìn)行系統(tǒng)的哲理或理論研究的能力，它不僅包括思辨的方面，還包括實踐及感性的敏感力等方面。研究生階段學(xué)習(xí)的一個突出特點是要求學(xué)習(xí)的主體――研究生必須具備研究的能力[3]。論文寫作是培養(yǎng)、鍛煉、提高研究生的學(xué)術(shù)能力的重要途徑，在教學(xué)實施過程中，要求每個專題學(xué)習(xí)結(jié)束后，都要提交一份格式符合期刊發(fā)表要求的總結(jié)報告，題目可自行選定，也可由教員指定；內(nèi)容既可以是人工智能該專題某一算法的實現(xiàn)，也可以是對某一問題的進(jìn)一步研究，或者是對該專題最新研究進(jìn)展的綜述。教員重點在以下幾個方面予以指導(dǎo)。

1) 選題準(zhǔn)確。要求選題不能過于宏大，應(yīng)以小題目反映大問題，具有一定的可研究性為宜。

2) 研究內(nèi)容。研究目標(biāo)明確，方法恰當(dāng)，能夠提出自己的見解，所提觀點正確。

3) 論文結(jié)構(gòu)。結(jié)構(gòu)清晰、完整，論述嚴(yán)謹(jǐn)，表達(dá)規(guī)范。

4) 占有文獻(xiàn)豐富。撰寫過程中要有意識培養(yǎng)學(xué)員查閱科技文獻(xiàn)的能力，要求查閱反映最新研究成果的權(quán)威文獻(xiàn)。

4加強實驗環(huán)節(jié)教學(xué)

人工智能教學(xué)在進(jìn)行各種理論知識講授的同時，還應(yīng)重視實踐教學(xué)，把抽象的知識轉(zhuǎn)化為形象、直觀的實驗，讓學(xué)員真正理解人工智能的概念、本質(zhì)、研究目標(biāo)，從而提高學(xué)員多角度思維的能力和邏輯推理能力，進(jìn)一步了解信息技術(shù)、計算機技術(shù)發(fā)展的前沿，培養(yǎng)他們對人工智能研究的興趣，激發(fā)對人工智能技術(shù)未來的追求。為此，課程組借鑒國內(nèi)外知名大學(xué)人工智能實驗教學(xué)經(jīng)驗，編寫了《人工智能原理實驗指導(dǎo)書》，圍繞問題表示、經(jīng)典邏輯推理、不確定推理、搜索策略及簡單專家系統(tǒng)實現(xiàn)等教學(xué)內(nèi)容提供了7組實驗供學(xué)員選擇。

例如，在狀態(tài)空間搜索一節(jié)教學(xué)過程中，先完成理論部分的教學(xué)，使學(xué)員對狀態(tài)空間基本概念、問題表示及求解方法有一個準(zhǔn)確的認(rèn)識，然后進(jìn)行實驗教學(xué)。由學(xué)員自主完成重排九宮問題求解的程序，初始狀態(tài)和目標(biāo)狀態(tài)如圖1所示，調(diào)整的規(guī)則是，每次只能將與空格(左、上、下、右)相鄰的一個數(shù)字平移到空格中[4]。實驗過程重點指導(dǎo)學(xué)員掌握狀態(tài)空間進(jìn)行問題求解的關(guān)鍵步驟：問題表示和搜索策略。問題表示就是要確定該問題的基本信息及程序?qū)崿F(xiàn)的數(shù)據(jù)結(jié)構(gòu)，基本信息有初始狀態(tài)集合、操作符集合、目標(biāo)檢測及路徑費用函數(shù)，數(shù)據(jù)結(jié)構(gòu)可采用向量、鏈表等形式；搜索策略可分為盲目式搜索和啟發(fā)式搜索，可按照先易后難的原則，先實現(xiàn)盲目搜索中的廣度優(yōu)先及深度優(yōu)先搜索，在此基礎(chǔ)上再定義估價函數(shù)實現(xiàn)啟發(fā)式搜索。而在啟發(fā)式搜索實現(xiàn)過程中，又可以通過定義不同的啟發(fā)函數(shù)：如某狀態(tài)格局與目標(biāo)節(jié)點格局不相同的牌數(shù)、不在目標(biāo)位置的牌距目標(biāo)位置的距離之和等加以比較，準(zhǔn)確理解啟發(fā)函數(shù)的意義。通過實驗，學(xué)員加深了對課堂講授的理論知識的理解，能夠熟練地將狀態(tài)空間法運用于實際問題的求解，提高了工程實踐能力。

實驗教學(xué)組織方式可根據(jù)具體的實驗內(nèi)容特點，采用上機編程實驗、演示程序驗證、模擬平臺開發(fā)、分組討論等多種形式進(jìn)行。

5適度開展雙語教學(xué)

研究生的英語基礎(chǔ)普遍較好，基本都通過了國家公共英語四級考試，部分學(xué)員通過了六級考試，加之在本科階段還開設(shè)了專業(yè)英語課程，因此，在培養(yǎng)研究生人工智能知識的同時，我們要提高學(xué)員閱讀原版英文資料、用英語進(jìn)行簡單科技寫作及對外學(xué)術(shù)交流的能力，適度開展雙語教學(xué)，對此，我們可采取以下基本方式。

1) 專業(yè)術(shù)語全部用英語表示。

在教學(xué)過程中用英語表達(dá)人工智能原理中的專業(yè)術(shù)語和主要概念，如Knowledge Representation(知識表示)、Depth-First Search(深度優(yōu)先搜索)、Breadth- First Search(廣度優(yōu)先搜索)等。

2) 以英文原版教材為教學(xué)參考書。

選定機械工業(yè)出版社出版的《Artificial Intelligence Structures and Strategies for Complex Problem Solving》為參考書，該書“是人工智能課程的完美補充。它既能給讀者以歷史的觀點，又給出所有技術(shù)的實用指南[5]?！?/p>

3) 加強英文文獻(xiàn)的閱讀。

在課程論文撰寫時，要求閱讀一定數(shù)量的外文文獻(xiàn)；在討論課中，鼓勵學(xué)員使用英語進(jìn)行討論。

經(jīng)過課程學(xué)習(xí)，學(xué)員都能準(zhǔn)確掌握人工智能學(xué)科專業(yè)詞匯，英文運用能力得到一定提高，能較自如地閱讀原版英文專業(yè)資料，為進(jìn)一步用英文進(jìn)行學(xué)術(shù)交流及學(xué)術(shù)論文寫作打下基礎(chǔ)。

6考試與成績評定改革

考核方式采用傳統(tǒng)的試卷與課程論文、實踐環(huán)節(jié)等三部分組成，全面考查學(xué)員對基礎(chǔ)理論知識掌握情況以及理論聯(lián)系實際的能力，其中試卷占70%，課程論文占10%，實踐環(huán)節(jié)占20%。課程論文題目不作限制，由學(xué)員在課程學(xué)習(xí)階段結(jié)合某一專題選定題目，課程論文以選題意義、研究內(nèi)容、論文結(jié)構(gòu)、參考文獻(xiàn)及撰寫規(guī)范等指標(biāo)為評價依據(jù)；實驗成績采用實驗過程考查、實驗結(jié)果驗收和實驗報告評閱相結(jié)合的考核方法，綜合評定。這樣做不但考核了學(xué)員人工智能基本理論掌握情況，也反映了學(xué)員的學(xué)術(shù)研究能力和工程實踐能力。同時，考核結(jié)合實際教學(xué)進(jìn)程，改變了單一課終總結(jié)性考核的弊端。

7結(jié)語

經(jīng)過課程組近兩年的教學(xué)方法研究與教學(xué)實踐，研究生人工智能原理課程教學(xué)收到較好的效果，但仍存在一些問題，如在課堂討論環(huán)節(jié)，個別學(xué)員準(zhǔn)備不充分、討論不夠深入；課程論文撰寫選題隨意，文獻(xiàn)綜述不夠全面、準(zhǔn)確，論文格式不夠規(guī)范等。在今后的授課中，課程組將根據(jù)授課研究生人數(shù)較少的特點，采取明確每名學(xué)員預(yù)習(xí)重點、加強課程論文交流等方式予以改進(jìn)，力求取得更好的教學(xué)效果。同時，進(jìn)一步充分利用便利的校園網(wǎng)平臺，開展“人工智能原理”網(wǎng)絡(luò)課程建設(shè)，購買或自主開發(fā)網(wǎng)絡(luò)教學(xué)資源，引導(dǎo)學(xué)員利用網(wǎng)絡(luò)資源進(jìn)行個性化自主學(xué)習(xí)，增強教學(xué)過程的信息化程度。

參考文獻(xiàn)：

[1] 王永慶. 人工智能原理與方法[M]. 西安:西安交通大學(xué)出版社,2002:1.

[2] 李志厚. 國外教學(xué)設(shè)計研究現(xiàn)狀與發(fā)展趨勢[J]. 外國教育研究,1998(1):6-10.

[3] 肖川,胡樂樂. 論研究生學(xué)術(shù)能力的培養(yǎng)[J]. 學(xué)位與研究生教育,2006(9):1-5.

[4] 周金海. 人工智能學(xué)習(xí)輔導(dǎo)與實驗指導(dǎo)[M]. 北京:清華大學(xué)出版社,2008:204.

[5] George F.Luger.Artificial Intelligence Structures and Strategies for Complex Problem Solving[M].北京:機械工業(yè)出版社,2009:754.

Reform on Postgradrates Artificial Intelligence Course Teaching

TAN Yuehui, QI Jianfeng, WANG Hongsheng, LI Xiongwei

(Department of Computer Engineering, Ordnance Engineering College, Shijiazhuang 050003, China)

人工智能學(xué)習(xí)報告范文第2篇

關(guān)鍵詞：人工智能；教學(xué)內(nèi)容；教學(xué)方法

中圖分類號：G642　文獻(xiàn)標(biāo)識碼：A

1　引言

人工智能(AI)是二十世紀(jì)五十年代后期興起的利用計算機模擬人類智能活動去求解問題的學(xué)科，與空間技術(shù)、原子能技術(shù)一起被譽為二十世紀(jì)三大科學(xué)技術(shù)成就，目前廣泛應(yīng)用于專家系統(tǒng)、機器翻譯、語音識別、文字識別、計算機視覺、機器人、電子游戲等方面，已經(jīng)成為計算機技術(shù)發(fā)展以及許多高新技術(shù)產(chǎn)品中的核心技術(shù)。

為了適應(yīng)人工智能技術(shù)日益廣泛的需要，國內(nèi)外高校普遍開設(shè)了“人工智能”方面的課程，特別是作為計算機方面專業(yè)的核心課程之一。我校自從1993年開始為自動化專業(yè)本科生開設(shè)“智能控制”選修課，1996年為自動化、計算機、機械等專業(yè)本科生開設(shè)“人工智能導(dǎo)論”、“人工智能及其應(yīng)用”課程。目前，我校軟件學(xué)院、信息學(xué)院、機電學(xué)院都開設(shè)了“人工智能導(dǎo)論”課程，已經(jīng)成為計算機科學(xué)與技術(shù)、軟件工程、數(shù)字媒體技術(shù)、自動化、機械制造與自動化等許多專業(yè)本科生的一門重要的技術(shù)基礎(chǔ)課程，也是面向包括人文社科等全校所有專業(yè)的公選課之一，其目的是使學(xué)生了解人工智能的基本概念和基本原理，初步學(xué)習(xí)和掌握人工智能的基本技術(shù)和前沿內(nèi)容，拓寬知識面，啟發(fā)思路，為學(xué)生提供最基本的人工智能技術(shù)和有關(guān)問題的入門性知識，提高學(xué)生應(yīng)用開發(fā)軟件的能力和水平，為今后在相關(guān)領(lǐng)域的研究和應(yīng)用奠定更為堅實的基礎(chǔ)。因此，建設(shè)好“人工智能導(dǎo)論”課程具有重要意義和很廣的受益面。

由于人工智能是交叉學(xué)科，涉及面廣、內(nèi)容抽象、不易理解，學(xué)生往往有望而生畏的感覺，在教學(xué)過程中，老師教、學(xué)生學(xué)都比較吃力。為了更好地實現(xiàn)上述教學(xué)目標(biāo)，提高本課程的教學(xué)質(zhì)量，協(xié)調(diào)好教與學(xué)的雙邊關(guān)系，使學(xué)生由望而生畏的感覺，變?yōu)橛杏糜腥さ母杏X，根據(jù)已有人工智能課程在教學(xué)與實踐方面的經(jīng)驗和方法，結(jié)合“人工智能導(dǎo)論”課程的近幾年教學(xué)實踐，對課程的教學(xué)體系、教學(xué)內(nèi)容、教學(xué)方法、教學(xué)手段、考核方式等方面進(jìn)行了探索總結(jié)。

2　調(diào)整與優(yōu)化教學(xué)體系和教學(xué)內(nèi)容

“人工智能導(dǎo)論”是計算機科學(xué)與技術(shù)、軟件工程、數(shù)字媒體技術(shù)、自動化、機械制造與自動化等許多專業(yè)本科生的一門重要的技術(shù)基礎(chǔ)課程，也是面向包括人文社科等全校所有專業(yè)的公選課之一，其研究領(lǐng)域及內(nèi)容十分豐富，涉及的基礎(chǔ)面廣。因此如何選好教學(xué)內(nèi)容，既能使學(xué)生了解本領(lǐng)域的概貌，又能適合學(xué)生的基礎(chǔ)，便于他們在有限的時間完成學(xué)習(xí)任務(wù)，是一件重要而又困難的事情。

進(jìn)入21世紀(jì)以來，人工智能學(xué)科又有了新的發(fā)展。為了及時反映人工智能研究和學(xué)科的最新進(jìn)展，我們修訂了“人工智能導(dǎo)論”的教學(xué)大綱，對教學(xué)內(nèi)容進(jìn)一步優(yōu)化和更新，極大充實了各個系統(tǒng)的內(nèi)容。我們確定的教學(xué)內(nèi)容主要分為三部分：第1部分為概論，介紹人工智能的基本概念、基本內(nèi)容、主要研究領(lǐng)域及發(fā)展過程；第2部分是知識表示，推理和搜索技術(shù)，討論幾種常用的知識表示方法、推理技術(shù)(包括確定性推理方法和不確定推理方法)和搜索求解策略；第3部分是人工智能應(yīng)用研究領(lǐng)域，包括專家系統(tǒng)、自然語言理解、機器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)、遺傳算法等的基本概念和方法等。其中第2部分是基礎(chǔ)理論，是人工智能的重要基礎(chǔ)，應(yīng)該循序?qū)W習(xí)。第3部分是人工智能的應(yīng)用，由于每個研究內(nèi)容都相對獨立、自成體系且有其專門的學(xué)術(shù)著作研究、熱點，因此針對高等院校的本專科生來說，不必循序?qū)W習(xí)，而且結(jié)合專業(yè)特點可以選擇其中幾個研究領(lǐng)域。例如對自動化專業(yè)的學(xué)生來說，可以選擇專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、遺傳算法等，同時可增加在自動控制領(lǐng)域的應(yīng)用，包括專家控制、神經(jīng)網(wǎng)絡(luò)控制和進(jìn)化控制等熱點：而對計算機科學(xué)與技術(shù)專業(yè)來說，可以選擇專家系統(tǒng)、自然語言理解、機器學(xué)習(xí)等，并輔以動物識別系統(tǒng)、語音識別系統(tǒng)、智能機器人等實例?？傊褪且盐照n程性質(zhì)和教學(xué)目的，調(diào)整本課程教學(xué)體系，優(yōu)化教學(xué)內(nèi)容，讓學(xué)生以有限的時間學(xué)到人工智能的基礎(chǔ)知識和基本方法。

另外，在選擇和確定教學(xué)內(nèi)容時必須兼顧基礎(chǔ)知識和新興技術(shù)，注意與相關(guān)課程(如離散數(shù)學(xué)、數(shù)據(jù)結(jié)構(gòu)、概率論、自動控制原理、Matlab系統(tǒng)仿真、面向?qū)ο蟮木幊碳夹g(shù)等)的鏈接，密切理論與實際的關(guān)系，通過課堂講授和課外訓(xùn)練，注意學(xué)生能力培養(yǎng)，提高他們的學(xué)習(xí)效果和整體素質(zhì)。

3　加強課程立體化建設(shè)和系列教材研究

在課程的立體化建設(shè)中，教材充當(dāng)了地基的角色，所有的課程內(nèi)容安排，無不體現(xiàn)出以教材為基本，以教材為模板。所以本著基礎(chǔ)、實用的原則，我們先后編著出版了《人工智能及其應(yīng)用》課程教材導(dǎo)論部分概括性強，引人入勝；基礎(chǔ)部分系統(tǒng)全面，敘述深入淺出，循序漸進(jìn)；應(yīng)用部分密切理論與實際關(guān)系，典型形象。其中第二版在第一版的基礎(chǔ)上，增加了證據(jù)理論、模糊推理、神經(jīng)網(wǎng)絡(luò)等理論的一些典型應(yīng)用，使學(xué)生能夠更深入地理解和應(yīng)用這些理論；另一方面，又新增了自然語言理解及其應(yīng)用內(nèi)容，以適應(yīng)目前計算機翻譯、人機自然語言交互等技術(shù)日益廣泛應(yīng)用的需要。系列教材適應(yīng)了人工智能導(dǎo)論新課程開設(shè)的需要，反映了人工智能學(xué)科的發(fā)展，為人工智能課程確立了基本框架，發(fā)揮了重要作用。系列教材的問世不僅解決了本?！叭斯ぶ悄軐?dǎo)論”課程教學(xué)用書的問題，而且也被各兄弟院校普遍采用，促進(jìn)了該課程的普遍開設(shè)，推動人工智能學(xué)科的發(fā)展。

為了配合教材第二版的教學(xué)和自學(xué)，在已有教學(xué)經(jīng)驗和教學(xué)成果積累的基礎(chǔ)上，制作了高質(zhì)量的教學(xué)課件和完整的教學(xué)視頻錄像，并刻錄成光盤隨書供讀者使用；同時又研究與開發(fā)了網(wǎng)絡(luò)課程(http：//)，以更好地調(diào)動學(xué)生的學(xué)習(xí)興趣和主動性，促進(jìn)本課程的教學(xué)改革。

包括主教材、電子教案、教學(xué)視頻錄像、網(wǎng)絡(luò)課程及教學(xué)資料庫等在內(nèi)的課程立體化建設(shè)符合二十一世紀(jì)高校教學(xué)的要求，支持教師提高教學(xué)手段現(xiàn)代化的水平，更貼合學(xué)生的學(xué)習(xí)需求。

4　改革與創(chuàng)新教學(xué)模式和教學(xué)方法

在“人工智能導(dǎo)論”課程教學(xué)的過程中，我們積極探索教學(xué)新路，經(jīng)過數(shù)年辛勤試驗，結(jié)合蔡自興教授等對人工智能課程的建設(shè)經(jīng)驗，對課程的教學(xué)模式和教學(xué)方法進(jìn)行了如下一些的改革與創(chuàng)新。

(1)通過多種途徑激發(fā)學(xué)生的學(xué)習(xí)興趣

“興趣是最好的老師”，“人工智能導(dǎo)論”課程的學(xué)習(xí)效果，直接受到學(xué)生興趣和參與意識的影響。由于這是一門導(dǎo)論性前沿課程，一般來說，學(xué)生開始學(xué)習(xí)興趣很大。但是，當(dāng)一些學(xué)生開始接觸到抽象概念和算法時，往往感到不易接受。我們通過各種途徑和方法，激發(fā)和培養(yǎng)學(xué)生的學(xué)習(xí)興趣。例如，鼓勵學(xué)生參與課堂討 論、布置讀書報告和課外實驗、以問題為導(dǎo)向的啟發(fā)式教學(xué)、專題討論／辯論等形式。特別，我們精心組織和準(zhǔn)備了模糊控制技術(shù)及其應(yīng)用、智能機器人技術(shù)與應(yīng)用、智能交通、BCI(腦機交互接口)等專題，以及智能調(diào)度軟件、語音識別系統(tǒng)、動物識別系統(tǒng)、足球機器人比賽、機器人軌跡跟蹤、倒立擺的智能控制等課內(nèi)演示，使學(xué)生擴大了眼界，增加了感性知識，達(dá)到提高學(xué)生學(xué)習(xí)興趣的目的與效果。

(2)面向問題的啟發(fā)式教學(xué)

人工智能中的許多問題，有的似是而非，有的引人入勝。在教學(xué)中，有意識的提出相關(guān)問題，提請學(xué)生思考，鼓勵學(xué)生提出自己的猜想和解決方案。然后逐步進(jìn)入教材中的解決方案，啟發(fā)學(xué)生求解這些問題，并進(jìn)行分析和比較，從而強化了學(xué)生學(xué)習(xí)的主動意識和參與意識，提高了學(xué)生的學(xué)習(xí)積極性。例如，在講到比較抽象的“遺傳算法”時，提出“遺傳算法如何用于優(yōu)化計算?”這一問題。針對該問題，先從“達(dá)爾文的生物進(jìn)化論”入手，討論“遺傳”、“變異”和“選擇”作用；然后通過一個簡單的例子，從特殊到一般地啟發(fā)學(xué)生思考“遺傳”、“變異”和“選擇”的實現(xiàn)，最終讓學(xué)生與教師一起導(dǎo)出遺傳算法用于優(yōu)化計算的基本步驟。這樣，學(xué)生不但從中學(xué)習(xí)了遺傳算法，而且得到一次邏輯思維的訓(xùn)練，取得很好的教學(xué)效果。

(3)課堂辯論與交互式教學(xué)

組織課堂辯論，討論的議題包括人工智能的應(yīng)用前景和其他比較等有爭議的問題。學(xué)生對這些問題展開了激烈的爭論，激發(fā)了學(xué)習(xí)潛能，明確了學(xué)習(xí)目標(biāo)。例如，為了加深學(xué)生對智能機器人內(nèi)涵的理解，我們組織了“機器智能能否超過人類智能”的辯論會。會前正反雙方結(jié)合本課程內(nèi)容及其相關(guān)知識，認(rèn)真進(jìn)行準(zhǔn)備；辯論會上正反雙方唇槍舌戰(zhàn)，激烈爭辯，氣氛熱烈。辯論后，學(xué)生余意未盡，討論熱情不減。無論是哪一方獲勝，都達(dá)到了預(yù)期的效果。教學(xué)中我們還注意采用了多種交互式策略，如課堂上教師提問可鼓勵或指定學(xué)生提問，也可由學(xué)生自由地就某個知識點進(jìn)行主題發(fā)言后老師點評等。

(4)個性化學(xué)習(xí)與因材施教

在本課程教學(xué)過程中注意對學(xué)生因材施教和個性化教學(xué)。例如，通過組織學(xué)生進(jìn)行讀書報告的形式，鼓勵學(xué)生從多方面、多角度考慮問題，多提新穎思想，有意識地鼓勵優(yōu)秀學(xué)生探討比較深層的內(nèi)容，并輔導(dǎo)優(yōu)秀學(xué)生將其成果以科技論文和發(fā)表文章的形式轉(zhuǎn)化為成果。又如，在教學(xué)設(shè)計和實驗設(shè)計中，注意要求學(xué)習(xí)有余力和興趣的學(xué)生選作部分探索性、創(chuàng)新性的功課和實驗(選學(xué)內(nèi)容，如模糊控制器的設(shè)計、進(jìn)化控制等)，從而引導(dǎo)學(xué)生發(fā)揮個性優(yōu)勢，達(dá)到因材施教的目的。同時注意分析學(xué)習(xí)較差的學(xué)生的具體困難，進(jìn)行有針對性的指導(dǎo)。

(5)多媒體與網(wǎng)絡(luò)教學(xué)的使用

本課程在PPT演示文稿和網(wǎng)絡(luò)課程上，采用了大量的多媒體表現(xiàn)形式，如視頻、動畫、聲音和圖像等。目的在于使得人工智能抽象的知識形象化，便于學(xué)生理解。例如，課內(nèi)讓學(xué)生在線觀看涂曉媛博士的計算機動畫“人工魚”的錄像片段、人工生命Floy中生命智能體在環(huán)境中不斷的適應(yīng)進(jìn)化構(gòu)成演示等，有助于加深學(xué)生對所學(xué)知識的理解，促進(jìn)教學(xué)水平的提高，激發(fā)了學(xué)生對課程的興趣，使學(xué)生創(chuàng)新意識得到增強。此外，隨教材附贈的教學(xué)光盤和開發(fā)的網(wǎng)絡(luò)課程(http：//)提供了學(xué)生課外自學(xué)用的高質(zhì)量的電子課件、完整的教學(xué)視頻錄像、豐富的實驗和案例資料等，以更好地調(diào)動學(xué)生的學(xué)習(xí)興趣和主動性。

(7)理論與實踐結(jié)合

在教學(xué)內(nèi)容安排上，注意理論聯(lián)系實際，適時布置一些人工智能實驗給學(xué)生進(jìn)行課外練習(xí)。設(shè)計的課外實驗包括產(chǎn)生式系統(tǒng)實驗，歸結(jié)反演實驗，主觀Bayes推理網(wǎng)絡(luò)實驗，A搜索實驗，以及基于Maltab工具箱的模糊控制位置跟蹤系統(tǒng)、兩車追趕模糊控制系統(tǒng)、神經(jīng)網(wǎng)絡(luò)模式識別仿真、遺傳算法優(yōu)化計算等實驗。通過實踐和參與，保持學(xué)習(xí)興趣，有助于學(xué)生對人工智能基本概念和難點的理解，掌握基本方法和技術(shù)，為從事智能系統(tǒng)應(yīng)用開發(fā)打下基礎(chǔ)，從而達(dá)到教學(xué)目的。例如，我們組織學(xué)生參觀我們的研究生綜合自動化實驗室，觀看機器人臂取物、倒立擺控制、語音識別軟件、指紋識別軟件、智能調(diào)度軟件等演示，密切理論與實際的關(guān)系。

我們在教學(xué)改革實踐中探索的這些教學(xué)方法，有利于充分激勵學(xué)生的學(xué)習(xí)積極性和主動性，有利于鼓勵學(xué)生發(fā)揮獨立思考和創(chuàng)新思維，有利于多方位培養(yǎng)學(xué)生學(xué)習(xí)發(fā)現(xiàn)問題、分析問題和解決問題的能力。

5　運用多樣化的教學(xué)手段和考核方式

5.1　多樣化的教學(xué)手段

采用現(xiàn)代信息技術(shù)進(jìn)行教學(xué)，構(gòu)筑“人工智能導(dǎo)論”課程的現(xiàn)代教學(xué)模式，是本課程的主要特點之一。教學(xué)過程中采用了多媒體教學(xué)課件和網(wǎng)絡(luò)課程相結(jié)合的方法，充分利用多媒體的豐富表現(xiàn)形式，利用網(wǎng)絡(luò)課程的交互性、情景化等，進(jìn)行教學(xué)。采用的方法包括：

(1)抽象知識內(nèi)容的多媒體表示

通過動畫和視頻來演示抽象的概念、算法和過程，包括機器人軌跡跟蹤、機器人臂取物、足球機器人比賽、倒立擺控制、“人工魚”等錄像片段，以及智能調(diào)度軟件、語音識別系統(tǒng)、指紋識別系統(tǒng)、動物識別系統(tǒng)等軟件演示。

(2)通過PPT撰寫教案

精心編制PPT，組織好課件內(nèi)容，做到圖文并茂，提綱挈領(lǐng)，便于學(xué)生理解，便于教師講授。

(3)開發(fā)與應(yīng)用網(wǎng)絡(luò)課程

“人工智能導(dǎo)論”網(wǎng)絡(luò)課程較好的實現(xiàn)了交互性、在一定程度上實現(xiàn)了學(xué)習(xí)過程的情景化。在交互性方面，通過網(wǎng)絡(luò)課程的課堂練習(xí)和章節(jié)練習(xí)，評價學(xué)生的學(xué)習(xí)情況，并給學(xué)生提出學(xué)習(xí)建議。在情景化方面，采用了在線答疑形式，使得學(xué)習(xí)過程豐富有趣。

(4)先進(jìn)實驗系統(tǒng)的觀摩與演示

利用我們的研究成果等有利條件，有針對性地對學(xué)生進(jìn)行成果演示(包括智能調(diào)度軟件、語音識別系統(tǒng)、指紋識別系統(tǒng)、動物識別系統(tǒng)等軟件)，使學(xué)生知道學(xué)了有用，而且很有用，很有趣，很有意義，從而進(jìn)一步誘導(dǎo)學(xué)生的學(xué)習(xí)興趣，鞏固了課堂所學(xué)知識，提高了教學(xué)質(zhì)量。

教學(xué)效果通過上述先進(jìn)的現(xiàn)代信息技術(shù)的應(yīng)用，不僅極大地提高了學(xué)生的學(xué)習(xí)興趣和主動性，而且也取得很好的實際教學(xué)效果，提高教學(xué)質(zhì)量。

5.2　作業(yè)、考試等教改舉措

(1)改革作業(yè)方式與方法

改變過去那種單純的書面習(xí)題作業(yè)，發(fā)展成為必須交給教師評閱的書面家庭作業(yè)、不必交給教師的課外思考題目、口頭布置的思考題或閱讀材料以及大型作業(yè)等。其中上交作業(yè)通過網(wǎng)絡(luò)進(jìn)行，教師批閱后的作業(yè)也通過網(wǎng)絡(luò)返回給學(xué)生，實現(xiàn)了作業(yè)呈交和返回的網(wǎng)絡(luò)化。

(2)改革考試方式與方法

如何對本課程的考試方式進(jìn)行改革一直是我們探索的問題。我們綜合考慮課堂出勤情況(10％)、平時正式作業(yè)成績(20％)和期末課程考試(70％)，進(jìn)行綜合評分。期末考試有時采用綜合試題考試，出幾個大題目讓學(xué)生選擇其中幾個進(jìn)行開卷筆試，當(dāng)面交卷后評分；有時采用課外開卷論文結(jié)合或口試面試。最近，我們還對部分學(xué)生結(jié)合實驗或?qū)嶋H問題提問等進(jìn)行考核。我們正進(jìn)一步改革、試驗和探索，使考試成為衡量與培養(yǎng)創(chuàng)新能力，促進(jìn)學(xué)生學(xué)習(xí)主動性和提高課程教學(xué)質(zhì)量的重要環(huán)節(jié)。

人工智能學(xué)習(xí)報告范文第3篇

關(guān)鍵字：人工智能；案例教學(xué)；學(xué)科分支；雙語教學(xué)

中圖分類號：G642　文獻(xiàn)標(biāo)識碼：B

1　引言

人工智能是計算機科學(xué)的一個重要分支，是當(dāng)前科學(xué)技術(shù)發(fā)展中的一門前沿科學(xué)，它的出現(xiàn)及所取得的成就引起了人們的高度重視，被認(rèn)為是計算機發(fā)展的一個根本目標(biāo)。

人工智能課程作為計算機科學(xué)與技術(shù)專業(yè)課程體系中的核心課程之一，其地位正在隨著該技術(shù)的不斷發(fā)展和廣泛應(yīng)用而得到迅速提高。目前，國內(nèi)外重點大學(xué)都非常重視該門課程的教學(xué)和研究，許多重點大學(xué)都有自己獨立的人工智能研究所。

本文通過多年的人工智能教學(xué)實踐，對人工智能教學(xué)的方法進(jìn)行了初步的實踐和探索。中央民族大學(xué)在人工智能課程建設(shè)和教學(xué)過程中，針對計算機學(xué)科的發(fā)展趨勢，提出擯棄傳統(tǒng)講、學(xué)、考模式，注重學(xué)生能力培養(yǎng)的措施。在教學(xué)和實踐過程中，不斷進(jìn)行探索，既從計算機學(xué)科本科的教學(xué)理念出發(fā)，從人工智能這門學(xué)科特點出發(fā)，以計算機學(xué)科分支的角度認(rèn)知人工智能，組織教材的知識架構(gòu)并進(jìn)行教學(xué)。用計算機學(xué)科的觀點分析人工智能的基本原理與方法時，重點強調(diào)的是這些基本原理與方法與其他的計算機分支的共同點和不同點。共同點是強調(diào)計算機學(xué)科的本質(zhì)，不同點是強調(diào)人工智能的本質(zhì)。本文就針對我校人工智能課程教學(xué)的一些基本問題加以初步總結(jié)。

2　從計算機學(xué)科分支的角度認(rèn)知人工智能

人工智能屬于計算機科學(xué)分支的學(xué)科，同時又是一門涉及控制論、信息論、語言學(xué)、神經(jīng)生理學(xué)、數(shù)學(xué)、哲學(xué)等多學(xué)科交叉的課程。我國高等院校計算機學(xué)科的本科教學(xué)所設(shè)置的人工智能課程一般只有40課時左右，以什么角度組織教材內(nèi)容，提高教學(xué)效果，才能使學(xué)生較容易地理解和掌握人工智能的原理與技術(shù)，是我們值得探索的問題。

人工智能處理的對象是知識，知識處理則需采用知識表示。因此，若以計算機分支的角度也就是用計算機學(xué)科的觀點看待人工智能，人工智能課程的教學(xué)內(nèi)容應(yīng)以知識為主線，以知識表示和搜索為基石進(jìn)行組織。反映到實際教學(xué)中，就是人工智能的各個分支的介紹，這包括知識庫系統(tǒng)、自然語言理解、規(guī)劃、機器人等?？傊?，教學(xué)內(nèi)容可分成兩個部分，第一部分是基礎(chǔ)理論和基本方法，包括：邏輯表示與歸結(jié)推理方法、搜索原理，知識表示(包括產(chǎn)生式系統(tǒng)、語義網(wǎng)絡(luò)、框架)、推理(包括不確定性推理、非單調(diào)推理)、機器學(xué)習(xí)。第二部分是實用技術(shù)，包括知識庫系統(tǒng)、高級搜索、自然語言理解。

3　優(yōu)化和更新教學(xué)內(nèi)容、加強雙語教學(xué)

人工智能作為一門新學(xué)科，在1988年前，國內(nèi)外均未見有教學(xué)大綱和教材，開設(shè)本課程面臨的首要問題就是確定教學(xué)內(nèi)容，包括人工智能的知識表示和推理以及人工智能的應(yīng)用兩個部分。前者是人工智能的重要基礎(chǔ)，后者討論幾種人工智能應(yīng)用系統(tǒng)，包括專家系統(tǒng)、機器學(xué)習(xí)、自動規(guī)劃和機器視覺等系統(tǒng)。這些內(nèi)容只是給出了人工智能課程的初步框架。

隨著人工智能研究的進(jìn)一步深入， 到20世紀(jì)90年代中期，人工智能也從符號(邏輯)主義一枝獨秀發(fā)展到符號主義、連接主義和行為主義多家爭鳴的新局面， 模糊計算和神經(jīng)計算作為新內(nèi)容列入到人工智能課程，充實了人工智能課程的內(nèi)容。進(jìn)入21世紀(jì)以來，人工智能學(xué)科又有了新的發(fā)展。為了及時反映人工智能研究和學(xué)科的最新進(jìn)展，我們及時對教學(xué)內(nèi)容進(jìn)一步優(yōu)化和更新：把人工智能分為基礎(chǔ)部分和擴展應(yīng)用部分。

在教學(xué)和實踐過程中，考慮到本課程的多學(xué)科交叉性以及相關(guān)信息學(xué)科的快速發(fā)展， 在目前高校提倡雙語教學(xué)的環(huán)境下，將《人工智能》教材逐步改為全英語教材，這樣可以更快地掌握學(xué)科的發(fā)展動態(tài)， 掌握最先進(jìn)的技術(shù)， 與國際發(fā)展趨勢接軌。Nils J.Nilsson教授所著的《人工智能》教材是美國Stanford大學(xué)計算機系本科教材，該教材體系比較符合學(xué)生的認(rèn)知規(guī)律，便于學(xué)生接受、理解、掌握和鞏固所學(xué)知識；同時這本書內(nèi)容豐富、取材新穎，適合作為該課程的英文教材。

4　注重案例教學(xué)、改革教學(xué)方法

案例教學(xué)首創(chuàng)于哈佛大學(xué)商學(xué)院，在經(jīng)貿(mào)、管理、法學(xué)等學(xué)科領(lǐng)域的相關(guān)專業(yè)得到應(yīng)用并取得顯著績效，然而目前工科專業(yè)還較少運用案例教學(xué)方法。人工智能的每一部分內(nèi)容均包含大量概念，內(nèi)容抽象，算法復(fù)雜，學(xué)生往往被動“聽講”；并且涉及很多的數(shù)理邏輯知識，有些顯得難以理解，并且往往讓學(xué)生感到比較枯燥，學(xué)生的學(xué)習(xí)興趣就漸漸淡薄，難以獲得預(yù)期的教學(xué)效果。鑒于這一現(xiàn)實問題，我們將案例教學(xué)方法引入到該課程的教學(xué)之中。

例如在邏輯推理技術(shù)和搜索技術(shù)這兩方面的教學(xué)過程中，我們使用參考教材《人工智能：一種現(xiàn)代方法》，并利用其中基于JAVA的教學(xué)開發(fā)工具包AIMA進(jìn)行案例設(shè)計和實驗教學(xué)，在教學(xué)過程中結(jié)合AIMA中的案例來講解，使比較枯燥的知識以有效、實用和具體的形式表現(xiàn)出來，做到理論與實踐相結(jié)合。在講解搜索技術(shù)時，以“八皇后”問題為案例，結(jié)合AIMA中的設(shè)計實現(xiàn)，以講解和討論相結(jié)合的方式，學(xué)習(xí)盲目搜索、啟發(fā)式搜索等算法，使學(xué)生不僅能理解狀態(tài)空間的產(chǎn)生方法，而且能設(shè)計算法、實現(xiàn)算法，提高了學(xué)生的學(xué)習(xí)興趣和實踐能力。在學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)、模糊邏輯、進(jìn)化計算等方面的內(nèi)容時，我們主要借助于Matlab提供的相關(guān)工具箱。

5　加強教學(xué)隊伍建設(shè)、改革考核方法

建立一支愛崗敬業(yè)、富有戰(zhàn)斗力的教學(xué)隊伍是出色完成教學(xué)任務(wù)和提高課程教學(xué)質(zhì)量的根本保證。教學(xué)人才資源是教學(xué)的第一資源。在學(xué)校有關(guān)部門的領(lǐng)導(dǎo)和學(xué)院的支持下，我們組成一支知識結(jié)構(gòu)和年齡比較合理的教師隊伍。

在教師隊伍的建設(shè)過程中，積極引導(dǎo)鼓勵教師對考試方法的改革。一方面這樣可以打破以往應(yīng)試教育的弊??；另一方面，也可以使學(xué)生從繁重的死記硬背中解脫出來。結(jié)合這門課的特點，我們加強平時思維能力的考核，注重學(xué)生實驗?zāi)芰蛣邮帜芰Φ呐囵B(yǎng)，在學(xué)習(xí)中大量采用寫讀書報告的形式。在此基礎(chǔ)上加大平時成績的比例，使得平時成績占到總成績的40％左右，杜絕依靠一次考試決定成績的狀況。這樣，既迫使學(xué)生重視平時的學(xué)習(xí)思考，也減輕有些學(xué)生想通過考試作弊完成學(xué)習(xí)任務(wù)的僥幸心理。

人工智能學(xué)習(xí)報告范文第4篇

【關(guān)鍵詞】人工智能；計算機網(wǎng)絡(luò)技術(shù)；應(yīng)用

1前言

信息化時代背景下，人們對于信息處理提出了許多新的要求，作為信息處理主力的計算機技術(shù)也因此得到了突破性的發(fā)展，開始逐漸向著智能化及人性化的網(wǎng)絡(luò)服務(wù)技術(shù)轉(zhuǎn)變。將人工智能應(yīng)用到計算機網(wǎng)絡(luò)技術(shù)中，可以實現(xiàn)對于網(wǎng)絡(luò)信息的智能化跟蹤，對于提升網(wǎng)絡(luò)信息安全管理水平有著非常積極的意義。

2人工智能的概念和優(yōu)勢

人工智能(ArtificialIntelligence，AI)屬于一種新的技術(shù)科學(xué)，是對模擬、延伸以及拓展人的智能的相關(guān)理論和方法進(jìn)行研究的科學(xué)，屬于計算機科學(xué)的分支。人工智能學(xué)科的基本思想及目標(biāo)，是通過對人類智能活動規(guī)律的研究，構(gòu)筑起相應(yīng)的人工智能系統(tǒng)，利用計算機來完成原本需要借助人的智慧才能夠勝任的工作，簡單來講，就是利用計算機硬件和軟件系統(tǒng)的相互配合，實現(xiàn)對于人類某些智能行為的模擬［1］。人工智能的發(fā)展與計算機網(wǎng)絡(luò)技術(shù)的發(fā)展是密切相關(guān)的，兩者可以相互影響，相互促進(jìn)，而將人工智能應(yīng)用到計算機網(wǎng)絡(luò)技術(shù)中，具有相當(dāng)顯著的優(yōu)勢:首先，人工智能可以完成對于不規(guī)則、不確定信息的有效處理，幫助人們更好的掌握系統(tǒng)資源的局部和整體狀況，及時應(yīng)對系統(tǒng)資源的變化，為用戶提供可靠的信息支持;其次，人工智能具備較好的資源整合能力，可以實現(xiàn)網(wǎng)絡(luò)資源的高度共享，其本身所具備的協(xié)作及網(wǎng)絡(luò)管理能力可以有效提高計算機網(wǎng)絡(luò)管理的效率和水平;然后，人工智能具備較好的學(xué)習(xí)和推理能力，將其應(yīng)用到計算機網(wǎng)絡(luò)管理中，能夠提高信息處理的準(zhǔn)確性及效率，結(jié)合記憶功能，可以構(gòu)建相應(yīng)的信息庫來完成信息的收集、整合和處理，結(jié)合得到高級信息來進(jìn)一步提升網(wǎng)絡(luò)管理的層次。

3人工智能在計算機網(wǎng)絡(luò)技術(shù)中的應(yīng)用

計算機網(wǎng)絡(luò)在信息化技術(shù)的帶動下得到了廣泛的普及，在人們的日常工作及生活中扮演著越發(fā)重要的角色。而與此同時，網(wǎng)絡(luò)信息安全也成為了社會各界關(guān)注的熱點問題。大數(shù)據(jù)的出現(xiàn)，不僅使得計算機網(wǎng)絡(luò)中的數(shù)據(jù)量呈現(xiàn)出了幾何遞增的趨勢，同時也進(jìn)一步增大了數(shù)據(jù)的不規(guī)則性和不確定性，單純依靠早期的計算機邏輯分析，并不能對數(shù)據(jù)的真實性做出準(zhǔn)確判斷，也無法從海量的數(shù)據(jù)中篩選出有用信息，在這種情況下，想要保證計算機網(wǎng)絡(luò)信息安全，真正實現(xiàn)計算機網(wǎng)絡(luò)的安全管理就變得非常困難。人工智能技術(shù)的應(yīng)用，可以構(gòu)建起完的智能化管理系統(tǒng)，完成對于數(shù)據(jù)的自動收集和整理分析，也能夠及時對計算機網(wǎng)絡(luò)運行中存在的故障做出診斷，通過自動處理實現(xiàn)網(wǎng)絡(luò)的恢復(fù)。因此，將人工智能應(yīng)用到計算機網(wǎng)絡(luò)技術(shù)中，是非常必要的［2］。

3．1人工智能在計算機網(wǎng)絡(luò)安全管理中的應(yīng)用

在計算機網(wǎng)絡(luò)安全管理中，人工智能的應(yīng)用非常廣泛，主要體現(xiàn)在以下三個方面:(1)智能防火墻系統(tǒng):智能防火墻是利用人工智能技術(shù)構(gòu)建的防火墻，因此與常規(guī)的防火墻在結(jié)構(gòu)上存在的較大的差別，主要是基于智能識別技術(shù)，如統(tǒng)計、記憶、決策、概率等方法，對網(wǎng)絡(luò)中的數(shù)據(jù)信息進(jìn)行智能化識別和處理，不僅有效降低了數(shù)據(jù)匹配檢查工作對于計算機內(nèi)存的占用，而且可以更好的發(fā)現(xiàn)網(wǎng)絡(luò)有害行為，對有害信息予以攔截，并且做好相應(yīng)的訪問限制。相比較傳統(tǒng)的防御軟件，智能防火墻系統(tǒng)在功能、安全性以及效率等方面有著非常明顯的優(yōu)勢，可以有效的解決傳統(tǒng)防御軟件在運行中出現(xiàn)的拒絕服務(wù)共計等問題，對計算機病毒的傳播以及黑客入侵等都有著可靠的防范能力。(2)反垃圾郵件系統(tǒng):智能化的反垃圾郵件系統(tǒng)主要是在傳統(tǒng)反垃圾郵件系統(tǒng)的基礎(chǔ)上，引入了人工智能技術(shù)，并不只是單純的對系統(tǒng)中的垃圾郵件進(jìn)行清除，而是充分利用了人工智能技術(shù)的學(xué)習(xí)和記憶功能，在不影響用戶體驗以及用戶信息安全的前提下，對所有發(fā)往用戶郵件系統(tǒng)的郵件進(jìn)行實時監(jiān)測，對垃圾郵件進(jìn)行分類并且提醒用戶及時將之清除，有效規(guī)避了垃圾郵件帶來的安全問題［3］。(3)入侵檢測系統(tǒng):入侵檢測是對防火墻的一種補充，可以在防火墻無法完成對有害信息的完全過濾時，實現(xiàn)對入侵信息的檢測和攔截。同時，入侵檢測技術(shù)可以對攔截的入侵方式和病毒類型進(jìn)行總結(jié)，建立相應(yīng)的數(shù)據(jù)庫，使得計算機在遭遇相同類型的入侵時，能夠迅速做出反應(yīng)。計算機網(wǎng)絡(luò)入侵檢測系統(tǒng)的正常運行直接影響著計算機網(wǎng)絡(luò)資源的完整性、可靠性和安全性。入侵檢測系統(tǒng)的基本原理，是對數(shù)據(jù)信息的采集、整理、分類和總結(jié)等進(jìn)行智能化識別與檢測，形成完整的報告，向用戶反映計算機網(wǎng)絡(luò)信息所處的安全狀態(tài)。人工智能在入侵檢測系統(tǒng)中的應(yīng)用，主要集中在人工神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)以及模糊識別系統(tǒng)中。

3．2人工智能在計算機網(wǎng)絡(luò)系統(tǒng)管理中的應(yīng)用

人工智能在計算機網(wǎng)絡(luò)管理和網(wǎng)絡(luò)系統(tǒng)評價中的應(yīng)用，需要與信息技術(shù)相互結(jié)合，以保證良好的管理效果。例如，運用人工職能技術(shù)中的問題求解技術(shù)或者專家知識庫，可以完成對于計算機網(wǎng)路的綜合管理。在計算機網(wǎng)絡(luò)管理中，網(wǎng)絡(luò)本身所具備的瞬變性以及動態(tài)性的特征，使得管理工作變得越發(fā)困難，要求管理的及時性。在這種情況下，傳統(tǒng)的管理方法暴露出許多問題，計算機網(wǎng)絡(luò)管理開始向著智能化的方向發(fā)展，以專家級決策及支持方法為例，其就是在人工智能的基礎(chǔ)上產(chǎn)生和發(fā)展起來的，并且在計算機網(wǎng)絡(luò)管理中得到了應(yīng)用和普及。專家系統(tǒng)屬于一種智能化的計算機程序，主要是通過對某一個專業(yè)領(lǐng)域中盡可能多的專家學(xué)者的理論知識和經(jīng)驗進(jìn)行整理，經(jīng)歸納總結(jié)后，形成相應(yīng)的信息資源，存儲到系統(tǒng)中，使得系統(tǒng)可以利用這些知識與經(jīng)驗，對相應(yīng)的專業(yè)問題進(jìn)行分析和解決，達(dá)到類似專家分析的效果。因此，在進(jìn)行計算機網(wǎng)絡(luò)管理以及系統(tǒng)評價的過程中，可以運用相應(yīng)的專家系統(tǒng)實現(xiàn)，在提供工作效率和工作水平的同時，也能夠在很大程度上節(jié)約管理成本［4］。

4結(jié)語

總而言之，伴隨著信息技術(shù)的飛速發(fā)展，計算機網(wǎng)絡(luò)在越來越多的行業(yè)和領(lǐng)域得到了普及，也面臨著許多新的要求，需要能夠為人們提供更加智能化、人性化的網(wǎng)絡(luò)服務(wù)。對此，相關(guān)技術(shù)人員不僅需要加快對于計算機網(wǎng)絡(luò)技術(shù)的開發(fā)和研究，還必須重視人工智能技術(shù)的完善，并將其應(yīng)用到計算機網(wǎng)絡(luò)的安全管理和系統(tǒng)評價中，推動計算機網(wǎng)絡(luò)的智能化發(fā)展。

參考文獻(xiàn):

［1］熊英．人工智能及其在計算機網(wǎng)絡(luò)技術(shù)中的應(yīng)用［J］．技術(shù)與市場，2011，18(2):20．

［2］張彬．探討人工智能在計算機網(wǎng)絡(luò)技術(shù)中的應(yīng)用［J］．軟件，2012，33(11):265～266．

［3］李陽．人工智能及其在計算機網(wǎng)絡(luò)技術(shù)中的運用［J］．通訊世界，2015(6):100．

人工智能學(xué)習(xí)報告范文第5篇

關(guān)鍵詞:數(shù)據(jù)挖掘;用戶偏好;考試系統(tǒng);入侵檢測

中圖法分類號:TP274文獻(xiàn)標(biāo)識碼:A文章編號:1009-3044(2010)22-6231-02

Survey on Data Mining Technology

WANG Wen

(School of Computer Science and Technology, China University of Mining and Technology, Xuzhou 221116, China)

Abstract: Data Mining technology is an important part of modern computer technology. Using Data Mining can solve many problems in artificial intelligence. In this article, the development and the principle of Data Mining are introduced. Some of the newly application of Data Mining are involved. This article also have the expects for the future development of Data Mining.

Key words: data mining; user preference; examination system; intrusion detection system

隨著時代的發(fā)展,計算機科學(xué)在以飛快的速度前進(jìn)著。在計算機科學(xué)的眾多領(lǐng)域中,人工智能是最富有挑戰(zhàn)性和創(chuàng)造性的一個領(lǐng)域。近幾十年來,隨著人工智能技術(shù)的日漸成熟,人們對人工智能的研究更加深入,對人工智能更加重視?？茖W(xué)界對于人工智能的重要性也已形成共識。

自進(jìn)入21世紀(jì)以來,電子數(shù)據(jù)獲取與計算機技術(shù)方面的不斷發(fā)展以及網(wǎng)絡(luò)的廣泛普及與應(yīng)用,人們?nèi)粘Ｉ钪薪邮盏臄?shù)據(jù)和信息較以往正以飛快的速度增加,因而形成了獨特的知識爆炸時代。就在最近幾十年很多超大型數(shù)據(jù)庫的產(chǎn)生使得整個社會發(fā)生著天翻地覆的變化,遍及銀行存款、超級市場銷售、粒子物理、天文學(xué)、化學(xué)、醫(yī)學(xué)以及政府統(tǒng)計等領(lǐng)域。在這個數(shù)字化、信息化時代,這么大規(guī)模的數(shù)據(jù)庫以及以后可能誕生的更大規(guī)模的數(shù)據(jù)庫的數(shù)據(jù)管理問題將會是以后對數(shù)據(jù)處理的一個重要關(guān)注點。眾多科技工作者共同關(guān)注的焦點集中在了如何從這些大型數(shù)據(jù)庫中發(fā)現(xiàn)有用的、信息、模式以及如何實現(xiàn)有效的數(shù)據(jù)處理方法。因而“數(shù)據(jù)挖掘”(Data Mining) 的新領(lǐng)域逐漸走進(jìn)了人們的事業(yè),并且在人們的關(guān)注和不斷研究下飛速發(fā)展,這是一個與統(tǒng)計學(xué)、人工智能、模式識別、機器學(xué)習(xí)、數(shù)據(jù)庫技術(shù)以及高性能并行計算等領(lǐng)域都有很大相關(guān)的新學(xué)科,正是計算機學(xué)科的一個研究重點。

1 數(shù)據(jù)挖掘的一般過程

數(shù)據(jù)挖掘一般分為如下四個步驟(圖1)。

1.1 數(shù)據(jù)預(yù)處理

收集和凈化來自各種數(shù)據(jù)源或數(shù)據(jù)倉庫的信息,并加以存儲, 一般存于數(shù)據(jù)倉庫中。

1.2 模型搜索

利用數(shù)據(jù)挖掘在數(shù)據(jù)庫中匹配模型,這個搜索過程可以由系統(tǒng)自動執(zhí)行,自下而上搜索原始數(shù)據(jù)以發(fā)現(xiàn)它們之間的某種聯(lián)系;也可以進(jìn)行用戶交互,由分析人員發(fā)問,自頂向下尋找以驗證假設(shè)的正確性。一個問題的搜索過程可能用到許多模型,如神經(jīng)網(wǎng)絡(luò)、基于規(guī)則的系統(tǒng)(決策樹)、機器學(xué)習(xí)、基于實例的推理等。

1.3 評價輸出結(jié)果

一般來說,數(shù)據(jù)挖掘的搜索過程需要反復(fù)多次,當(dāng)分析人員評價輸出結(jié)果后,它們可能會形成一些新的問題,或者要求對某一方面作更精細(xì)的查詢,通過反復(fù)的搜索過程即可滿足分析人員的這種需求。

1.4 生成報告

知識的發(fā)現(xiàn)過程可以由數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)選擇、數(shù)據(jù)變換、數(shù)據(jù)挖掘、模式評估和知識表示等幾個步驟組成。數(shù)據(jù)挖掘可以與用戶或知識庫交互,把用戶關(guān)心的模式提交給廣大用戶,或作為新的知識存放在知識庫中。

2 數(shù)據(jù)挖掘應(yīng)用

2.1 數(shù)據(jù)挖掘在實現(xiàn)網(wǎng)站用戶偏好度的應(yīng)用

數(shù)據(jù)挖掘就是從大量的數(shù)據(jù)中發(fā)現(xiàn)隱含的規(guī)律性的內(nèi)容,解決數(shù)據(jù)的應(yīng)用質(zhì)量問題。使數(shù)據(jù)能夠被更加高效的利用,對無用的數(shù)據(jù)加以摒棄,是數(shù)據(jù)挖掘技術(shù)最主要的實現(xiàn)形式,也是其最重要的應(yīng)用方式。傳統(tǒng)的數(shù)據(jù)庫中的數(shù)據(jù)相對于Web的數(shù)據(jù)而言,其結(jié)構(gòu)性很強,是完全結(jié)構(gòu)化的數(shù)據(jù),而半結(jié)構(gòu)化則是Web上的數(shù)據(jù)最大特點。因而,面向單個數(shù)據(jù)倉庫的數(shù)據(jù)挖掘較之面向Web的數(shù)據(jù)挖掘比要簡單許多。據(jù)統(tǒng)計,網(wǎng)站上的絕大部分內(nèi)容對絕大部分用戶來說是無用的信息。事實是對于某個特定用戶來說,其關(guān)心的內(nèi)容僅是網(wǎng)站上極小部分的內(nèi)容,而網(wǎng)站上提供的更多的內(nèi)容對于這個用戶來說是其不感興趣的,并且過多的信息往往會掩蓋有用的信息,使得用戶的查詢效率降低,并且對于網(wǎng)站也不是一件利事。

對于Web數(shù)據(jù)挖掘技術(shù)而言,半結(jié)構(gòu)化數(shù)據(jù)源模型和半結(jié)構(gòu)化數(shù)據(jù)模型的查詢與集成問題是應(yīng)當(dāng)首要解決的問題。解決Web上的異構(gòu)數(shù)據(jù)的集成與查詢問題,有一個模型來清晰地描述Web上的數(shù)據(jù)是很必要的。因此,針對數(shù)據(jù)半結(jié)構(gòu)化的Web數(shù)據(jù)的特點,尋找一個半結(jié)構(gòu)化的數(shù)據(jù)模型至關(guān)重要。并且除此定義一個半結(jié)構(gòu)化數(shù)據(jù)模型之外,一種半結(jié)構(gòu)化模型抽取技術(shù)(自動地從現(xiàn)有數(shù)據(jù)中抽取半結(jié)構(gòu)化模型的技術(shù))也是應(yīng)當(dāng)提出的。因而半結(jié)構(gòu)化模型和半結(jié)構(gòu)化數(shù)據(jù)模型抽取技術(shù)是面向Web的數(shù)據(jù)挖掘?qū)崿F(xiàn)的重要前提。

用戶瀏覽網(wǎng)站上的內(nèi)容時,他會被很的多因素影響,網(wǎng)頁的外觀,信息標(biāo)題,網(wǎng)頁鏈接以及個人的興趣和習(xí)慣等等。我們可以設(shè)定合理的假設(shè),建立他們之間的模型,利用以上提到的方法解決用戶偏好度的問題。

2.2 數(shù)據(jù)挖掘在在線考試系統(tǒng)方面的應(yīng)用

數(shù)據(jù)挖掘在在線考試系統(tǒng)方面的應(yīng)用最主要體現(xiàn)在題庫的構(gòu)建,下面分別介紹題庫的構(gòu)建中數(shù)據(jù)挖掘的應(yīng)用情況。

在設(shè)計數(shù)據(jù)庫方面,數(shù)據(jù)庫主要由題庫、答案庫和答案關(guān)鍵字庫構(gòu)成,題型庫又涵括科目、題號、題型、題目、難度、分值等字段;答案庫中包含科目、題號、分值、答案以及在同一題中有不同答案時應(yīng)提供的不同答案序號等字段;答案關(guān)鍵字庫中有題號、答案序號、權(quán)重和答案關(guān)鍵字。此后在將答案錄入答案庫。對于客觀題而言,僅僅需要錄入唯一的答案;但對于主觀題而言,則需要盡量給出多個參考答案并將每個答案的關(guān)鍵字及其所對應(yīng)的權(quán)值、答案序號輸入答案關(guān)鍵字庫。

通常有兩類數(shù)據(jù)挖掘方法:①統(tǒng)計型,應(yīng)用概率分析、相關(guān)性、聚類分析和判別分析等技術(shù)得以實現(xiàn);②通過人工智能中的機器學(xué)習(xí),經(jīng)過訓(xùn)練以及學(xué)習(xí)輸入大量的樣品集,以得出需要的模式或參數(shù)。由于每一種方法都根據(jù)其特點都有其優(yōu)勢以及相應(yīng)的引用領(lǐng)域,最后結(jié)果的質(zhì)量和效果將受到數(shù)據(jù)挖掘技術(shù)選擇的影響,采用多種技術(shù)結(jié)合的方法,其各自的優(yōu)勢可以達(dá)到互補的要求,從而實現(xiàn)最佳配置。下面介紹了兩種數(shù)據(jù)挖掘方法: ①決策樹算法:為每個問題的答案構(gòu)造一個二叉樹,每個分支或者是一個新的決策點,或者是一個葉子節(jié)點。在沿著決策樹從上到下的遍歷過程中,對每個問題的不同回答導(dǎo)致不同的分支,最后到達(dá)一個葉子節(jié)點,每個葉子節(jié)點都會對應(yīng)確定的權(quán)值,通過對權(quán)值的計算判定得分;②模糊論方法:利用模糊集合理論,對實際問題進(jìn)行模糊判斷、模糊決策、模糊模式識別、模糊簇聚分析。由于主觀題答案很靈活,答案不可能完全匹配,采用此方法將考生答案與答案庫中的答案進(jìn)行對照,以確定答案的正確度,從而更客觀準(zhǔn)確地評定主觀題分?jǐn)?shù)。

2.3 數(shù)據(jù)挖掘在網(wǎng)絡(luò)入侵檢測系統(tǒng)方面的應(yīng)用

入侵檢測就是通過運用一些分析方法對從各種渠道獲得的反映網(wǎng)絡(luò)狀況和網(wǎng)絡(luò)行為的數(shù)據(jù)進(jìn)行分析、提煉,再根據(jù)分析結(jié)果對這些數(shù)據(jù)進(jìn)行評價,從而能夠識別出正常和異常的數(shù)據(jù)或者對潛在的新型入侵做出預(yù)測,以保證網(wǎng)絡(luò)的安全運行。

基于分布式數(shù)據(jù)挖掘的入侵檢測系統(tǒng)要對一個網(wǎng)段上的信息進(jìn)行全面而細(xì)致的監(jiān)測,同時在網(wǎng)絡(luò)上多個點進(jìn)行數(shù)據(jù)采集,如網(wǎng)關(guān)和特別需要保護(hù)的服務(wù)器等。整個系統(tǒng)構(gòu)成分為本地分類器、規(guī)則學(xué)習(xí)模塊和集中分類器三塊基本構(gòu)件。本地分類器負(fù)責(zé)對從網(wǎng)絡(luò)上各個點采集到的數(shù)據(jù)通過預(yù)處理模塊去除掉無效數(shù)據(jù),并將原始數(shù)據(jù)處理成為以后進(jìn)行數(shù)據(jù)挖掘算法可識別的格式,以實現(xiàn)對數(shù)據(jù)的初步檢測和處理。本地分類器有2個輸出:一個輸出為分類數(shù)據(jù),用于提交給規(guī)則學(xué)習(xí)模塊,另外一個為數(shù)據(jù)摘要,用于提交給集中分類器。規(guī)則學(xué)習(xí)模塊負(fù)責(zé)對標(biāo)記過的分類數(shù)據(jù)進(jìn)行深層次的數(shù)據(jù)挖掘,從而學(xué)習(xí)到新的知識。學(xué)習(xí)到的知識被直接錄入到規(guī)則庫中,這樣保證了規(guī)則庫可以根據(jù)網(wǎng)上的變化可以隨時達(dá)到更新的需求。另外一種方式是通過規(guī)則學(xué)習(xí)模塊實現(xiàn)人工訓(xùn)練系統(tǒng),從而實現(xiàn)升級規(guī)則庫的需求。最后將分布式數(shù)據(jù)挖掘的結(jié)果形成數(shù)據(jù)摘要發(fā)送給集中分類器,由集中分類器對各點數(shù)據(jù)摘要進(jìn)行匯集,從而做出綜合判斷,達(dá)到有效地檢測協(xié)同攻擊的效果,最后將檢測結(jié)果提交給決策模塊。

3 結(jié)束語

數(shù)據(jù)挖掘技術(shù)是人工智能學(xué)科的一個重要分支,也是現(xiàn)代計算機科學(xué)的一個研究重點?，F(xiàn)在基于數(shù)據(jù)挖掘技術(shù)的科研可以說是碩果累累,自從人工智能這個概念被提出來之后,其發(fā)展一直是計算機學(xué)科的熱門而且其分支廣而泛,都在不同的領(lǐng)域發(fā)揮著十分重要的作用。相信在計算機研究人員的不斷努力下數(shù)據(jù)挖掘會在更多的方面服務(wù)人們,并且期待著新的理論的提出。

參考文獻(xiàn):

[1] 何克抗.建立題庫的理論[M].長沙:國防科技大學(xué)出版社,1995.

[2] 劉波,段麗艷.一個基于Internet的通用題庫系統(tǒng)的設(shè)計與實現(xiàn)[J].華南師范大學(xué)學(xué)報:自然科學(xué)版,2000(1):39-44.

[3] 王實,高文.數(shù)據(jù)挖掘中的聚類方法[J].計算機科學(xué),2000,27(4):42-45.