【摘?
要】模式識別作為人工智能的分支學科，其應用廣泛且與生活聯(lián)系緊密，受重視程度越來越高。本文針對模式識別課程教學狀況及現(xiàn)存問題，從內(nèi)容和方法這兩大方面進行了改革嘗試。
【關(guān)鍵詞】模式識別 教學改革 教學內(nèi)容層次化 項目實例教學法
隨著經(jīng)濟和文化的不斷創(chuàng)新改革，現(xiàn)代科學技術(shù)更是迅猛發(fā)展，尤其是計算機科學技術(shù)的進步，使得現(xiàn)代科學信息技術(shù)與人工智能已逐漸成為新時代重要的技術(shù)之一。作為人工智能重要的分支學科之一，模式識別是一門理論與實踐相結(jié)合，綜合性和理論性緊密相關(guān)的學科，也是信息科學和控制科學的重要組成部分[1]。其理論建立在矩陣論、概率論與數(shù)理統(tǒng)計等基礎(chǔ)理論知識之上，其技術(shù)在人機交互、自動駕駛、工業(yè)制造、醫(yī)學工程，以及基因技術(shù)等方面都發(fā)揮著重要作用。作為控制科學與技術(shù)領(lǐng)域重要的研究方向，高校開設(shè)模式識別相關(guān)課程，對提升自身科研實力，豐富學科課程體系，增強學生就業(yè)競爭力等都有著重要意義。
目前，在國內(nèi)外眾多課程設(shè)置中，模式識別既是信息和控制類專業(yè)的基礎(chǔ)課程，同時又是眾多科研或工程項目的關(guān)鍵技術(shù)。作為本科選修課程，模式識別課程教學的重點在于基礎(chǔ)概念性知識，主要通過實例項目應用，加深學生對基礎(chǔ)理論的理解，同時將前沿項目引入課堂，從而激發(fā)學生學習興趣，吸引更多人加入相關(guān)專業(yè)進一步學習。
現(xiàn)存的教學問題
由于模式識別課程的基礎(chǔ)是矩陣論、數(shù)學分析、概率論等理論性非常強的數(shù)學課程。因此，在教學過程中需要進行大量的證明推導，這種情況導致理論與實踐聯(lián)系相對薄弱，使得教學氛圍失去活力，學生聽課困難沒有興趣，教學效果不理想。而理論知識本身較為抽象不夠具體，這就使得學生在課堂上常常難以聯(lián)系實際問題，在遇到實際項目時手足無措。就此來看，如何帶動學生對模式識別課程的學習熱情，讓學生理解和有效掌握模式識別課程的基礎(chǔ)知識，以及將理論與實踐有效結(jié)合并加以應用，仍是當前模式識別教學亟待解決的難題。
除此之外，隨著人工智能和數(shù)據(jù)挖掘等新興技術(shù)的高速發(fā)展，相關(guān)新方法、新技術(shù)和新工具的出現(xiàn)，使得模式識別相關(guān)研究一直處于科技發(fā)展的前沿。而人工智能專業(yè)建設(shè)則需要將模式識別知識與其他知識相融合，不能只是單一學科知識的傳授，更要注重同別的學科及應用領(lǐng)域相結(jié)合。因此，對跨學科的應用介紹及引導講解顯得尤為重要。
綜上，本文針對模式識別課程改革提出了以下三個方面的問題。
1.改進基礎(chǔ)性課程知識點間關(guān)聯(lián)性薄弱的問題。一旦基礎(chǔ)知識點出現(xiàn)斷層，將會給后續(xù)的知識講解和學生的理解造成障礙。
2.前沿性課程中知識點與實際問題能否有效結(jié)合的問題。前沿性課程中涉及很多模式識別最新研究理論與成果。因此，需要一些實例來加深對前沿技術(shù)的理解。
3.模式識別前沿研究方法和相關(guān)應用缺乏專業(yè)介紹的問題。國內(nèi)在這方面起步較晚，缺少對前沿研究大量且詳細的介紹。
針對模式識別課程的改革探索
1.教學內(nèi)容層次化
模式識別內(nèi)容繁多，要將教學內(nèi)容層次化，對知識進行分層講解，可以加強學生對知識點有序深入的理解，還可以為后續(xù)項目實例的引入儲備知識。本文將教學內(nèi)容分成基礎(chǔ)知識點、經(jīng)典算法和前沿技術(shù)這三個層次進行說明。
(1)基礎(chǔ)知識點
模式識別的基礎(chǔ)知識點指的是發(fā)展至今已經(jīng)完善的數(shù)學理論和基礎(chǔ)方法。如統(tǒng)計決策論、線性分類器、概率密度函數(shù)估計等內(nèi)容。由于這些基礎(chǔ)方法運用廣泛，作為模式識別中的重點基礎(chǔ)知識，能為之后的進一步學習奠定基礎(chǔ)。在基礎(chǔ)知識這一部分內(nèi)容教學中，公式推導尤為重要，需要學生有一定高等數(shù)學、線性代數(shù)、概率論等基礎(chǔ)。筆者在教授過程中與學生多交流，獲悉學生對基礎(chǔ)知識點的疑惑并及時進行了解答。這樣，有層次地、系統(tǒng)地學習基礎(chǔ)性內(nèi)容能為之后經(jīng)典方法的引入、理解并正確地應用打下堅實的基礎(chǔ)。
(2)經(jīng)典算法
經(jīng)典算法則是已經(jīng)發(fā)展成型，并投入實際使用的模式識別原理和方法。如支持向量機、神經(jīng)網(wǎng)絡、隨機算法、遺傳算法等內(nèi)容。這些算法在實際應用中極為廣泛，并且具有一定的效果。因此，將算法和實例結(jié)合講解，實例提出具體問題并引出解決方法，可以加深學生的理解，從而增強學生相關(guān)理論知識的實際應用能力。
(3)前沿技術(shù)
前沿性課程是指還在探索發(fā)展領(lǐng)域中的模式識別理論和方法，如當下人工智能領(lǐng)域內(nèi)引起重大關(guān)注的深度學習，在應用中迅速發(fā)展的自動駕駛、基因檢測、遙感圖像識別等問題。這部分內(nèi)容仍處于發(fā)展探索階段，對數(shù)學及相關(guān)專業(yè)知識要求很高。因此，在授課過程中弱化公式推導，從實際問題和技術(shù)應用出發(fā)，重點講授問題的演變和進化、方法的應用流程、技術(shù)結(jié)合的條件與應用范圍等知識，結(jié)合國內(nèi)外前沿研究的論文、慕課和相關(guān)視頻，可以開闊學生視野，加強專業(yè)研究類科學建設(shè)，激發(fā)學生興趣。
2.項目實例教學法
由于模式識別是一門理論與實踐結(jié)合緊密的課程。因此，將知識點運用到實際問題中就顯得尤為重要，把這些重點、難點知識結(jié)合實際項目實例，讓學生更容易理解，也更方便學生結(jié)合實例進行運用，鞏固所學知識。在人工智能專業(yè)建設(shè)的前提下，本文就此提出了應用實例和自主實例學習相結(jié)合的項目實例教學方法。
(1)應用實例
針對上述層次化的教學內(nèi)容，筆者設(shè)計了醫(yī)療數(shù)據(jù)異常檢測、文本分類等實例項目，并結(jié)合交通背景，將車牌識別、車流量檢測、車輛分類等引入教學，對其進行具體分析。
對于前沿技術(shù)，通過關(guān)注模式識別領(lǐng)域的最新研究進展和行業(yè)發(fā)展，將最新的理論進展、前沿的技術(shù)應用和公布的創(chuàng)新成果以項目實例的形式引入課堂，構(gòu)建全面覆蓋基礎(chǔ)知識、結(jié)合前沿方法、聯(lián)系最新研究現(xiàn)狀的全新課程體系及內(nèi)容，力求理論推導嚴密，內(nèi)容豐富，反映國內(nèi)外最新的教學科研成果。并針對學校公路交通背景，設(shè)計包含自動駕駛、智慧交通、車聯(lián)網(wǎng)等內(nèi)容的相關(guān)案例，形成面向教學、聯(lián)系前沿的、具有行業(yè)特色的模式識別高水平研究生課程。
(2)自主實例學習
由于受傳統(tǒng)教學、師生關(guān)系等影響，在以往的教學過程中，大都以教師講授為主，這不僅拉開了教師與學生的距離，并且使教學過程變成教師獨白講授的過程[2]。教師與學生在課堂上沒有交流，導致學生學習興趣不高，課堂氛圍僵硬，教師無法對學生答疑解惑，使教學效果得不到正面反饋。
現(xiàn)代教學以尊重學生的個性與興趣為重點，將學生放在主體位置，這樣能最大程度激發(fā)學生的學習潛能與熱情[3]。因此，在教學過程中，可以將教學內(nèi)容進行分層，教師與學生共同協(xié)作，學生提問，師生共同解答，既可以鍛煉學生的口頭表達能力，又提高了學生自主學習的動力。
結(jié)
語
模式識別課程作為現(xiàn)代高校重要的專業(yè)課程之一，對相關(guān)專業(yè)學生的要求較高。因此，需對模式識別課程進行深刻改革。本文提出的教學分層和實例教學方法是對傳統(tǒng)教學的一種改變與嘗試，其中信息技術(shù)發(fā)展也為實例教學的傳播提供了有力的技術(shù)支持[4]。將現(xiàn)代信息技術(shù)帶入課堂，利用互聯(lián)網(wǎng)查閱和參照國內(nèi)外模式識別課程體系，建設(shè)以交通控制為背景，針對智慧交通和人工智能控制的模式識別高水平課程，仍是各院校努力的目標。
參考文獻：
[1]劉雨、孫即祥、余莉：《“模式識別”課程開放式案例教學設(shè)計》，《電氣電子教學學報》2011年第3期，第103-105頁。
[2]張新平、馮曉敏：《重思案例教學的知識觀、師生觀與教學觀》，《高等教育研究》2015年第36卷第11期，第64-68頁。
[3]冀俊忠：《落實科學發(fā)展觀，深化“人工智能”課程的教學改革》，《計算機教育》2009年第24期，第105-107頁。
[4]王應密、張樂平：《全日制工程碩士案例教學資源庫建設(shè)探析》，《高等工程教育研究》2013年第4期，第166-171頁。
（作者：張懿璞 閆茂德 常 琪 長安大學電子與控制工程學院）