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篇智能科學與技術(shù)論文范文，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。

智能科學與技術(shù)論文范文第1篇

關(guān)鍵詞:智能科學基礎(chǔ);系列課程;國家級教學團隊;改革;建設(shè)

在國家教育部質(zhì)量工程的支持下,中南大學信息科學與工程學院對國家級精品課程人工智能[1-2]和智能控制[3]、全國雙語教學示范課程人工智能和國家級智能科學基礎(chǔ)系列課程教學團隊[4]等進行持之以恒的改革與建設(shè),取得一些成果。

“智能科學基礎(chǔ)系列課程教學團隊”的教學隊伍是一支由國家級教學名師領(lǐng)銜[5],知識結(jié)構(gòu)、梯隊結(jié)構(gòu)和年齡結(jié)構(gòu)比較合理,具有明顯的學科優(yōu)勢、課程優(yōu)勢、人才優(yōu)勢和教學科研優(yōu)勢的頗具特色與影響力的教學團隊。該團隊以中南大學智能科學研究中心為核心,主要承擔人工智能基礎(chǔ)、智能控制導論、機器人學、專家系統(tǒng)等本科基礎(chǔ)和專業(yè)基礎(chǔ)課程,碩士學位課程人工智能、智能控制和機器人控制技術(shù)以及留學生碩士學位課程Artificial Intelligence和博士生學位課程智能系統(tǒng)原理與應(yīng)用的教學。

教學團隊在建設(shè)過程中,注重教學改革,加大課程建設(shè)和教材建設(shè)力度,不斷改進教學方法,在課程改革、教材建設(shè)、教學手段、隊伍建設(shè)以及交流合作等方面取得一些進展。本文擬就教學團隊的改革與建設(shè)的相關(guān)理念與實踐問題加以總結(jié),談?wù)勎覀兊囊娊狻?/p>

1創(chuàng)新教學方法

教學是教師的本職和核心工作。本教學團隊一直致力于教學方法與教學模式的改革與創(chuàng)新,虛心學習國內(nèi)外先進教學經(jīng)驗和方法,積極探索教學新路,形成了“以趣導課、以疑啟思、以法解惑、以律求知”的教學模式和教學方法[6-7]。充分激勵學生的學習積極性和主動性,發(fā)揮獨立思考和創(chuàng)新思維,多方位培養(yǎng)學生發(fā)現(xiàn)問題、分析問題和解決問題的能力。我們在教學過程中應(yīng)用了課堂演示、課堂互動、課堂辯論、課后網(wǎng)絡(luò)教學、網(wǎng)絡(luò)實驗等一系列現(xiàn)代化全方位的教學新模式。此外,為提高學生的動手能力和理論水平,讓學生直接參與部分教師課題,理論聯(lián)系實際,為畢業(yè)后的工作學習打下良好基礎(chǔ)。具體措施如下:

1) 舉行課堂討論會,營造自由探索氛圍。

為調(diào)動學生的積極性,我們在授課過程中多次開展課堂討論會和辯論會等活動,讓學生自己查閱資料,分析整理,提出自己的觀點,使學生全方位地接觸所學課程,培養(yǎng)學生的研究能力,真正實現(xiàn)師生互動,并鼓勵學生用英語討論。學生對有些問題展開了激烈的爭論,激發(fā)了學習潛能,明確了學習目標。課程中還經(jīng)常請來在科研工作中擔任主要任務(wù)的教授和博士生來給學生介紹最前沿的科學動態(tài),激發(fā)學生們對所學知識和科學研究的興趣。在研究生教學方面,我們更進一步通過舉辦課程課堂學術(shù)研討會,讓學生在一年級就開始接觸學科前沿,自己查閱資料和動手寫科技論文,并在研討會上宣讀討論,培養(yǎng)獨立工作能力和從事學科前沿研究的能力,為將來的高層次研究打下基礎(chǔ)。

2) 倡導啟發(fā)式教學,培養(yǎng)學生學習能力。

注意采用面向問題的啟發(fā)式方法進行教學,啟發(fā)學生求解問題能力,強化學生的參與意識,提高他們的學習積極性。教學中還注意采用了多種交互式策略,如課堂教師提問、鼓勵或指定學生用英語提問、學生就某個知識點進行主題發(fā)言后老師點評等。此外,師生通過互聯(lián)網(wǎng)進行交互,方式包括Email、BBS和QQ談和交換文件等。

根據(jù)學生的興趣和創(chuàng)新潛力,對有專業(yè)特長的本科生,在自愿情況下,挑選2～3名參與國家級項目研究工作,進行中長期培養(yǎng)試點,實現(xiàn)本科培養(yǎng)過程與碩士、博士研究生培養(yǎng)過程的銜接。

3) 增強課程實驗教學環(huán)節(jié),籌建智能專業(yè)實驗室。

智能科學基礎(chǔ)課程的概念性較強,初學者感到比較抽象,而實驗教學又是薄弱環(huán)節(jié)。因此,結(jié)合學生實際情況,我們對實踐教學環(huán)節(jié)十分重視,設(shè)計了一些新的實驗項目,探索新穎的實驗方法。新開實驗項目包括人工智能實驗、智能控制實驗、專家系統(tǒng)實驗、機器人學實驗、人工智能課程設(shè)計等。對相關(guān)課程的原有實驗,我們也進行了一些改革,增設(shè)了個性化的實驗,使得學生的實驗數(shù)據(jù)和實驗結(jié)果分析既有格式要求,又給學生報告自己研究的過程和結(jié)果留有空間。這些做法能夠鼓勵學生進行獨立性研究,滿足他們學習的需求。通過實驗教學,學生能夠理論聯(lián)系實際,驗證所學理論知識和概念,加深理解,充分調(diào)動了學生的學習積極性,培養(yǎng)了他們的創(chuàng)造能力。

除課堂實驗外,我們還充分發(fā)揮虛擬實驗的優(yōu)點,設(shè)計了網(wǎng)絡(luò)虛擬實驗,讓學生在課外上網(wǎng)練習。通過虛擬實驗,學生可以了解算法的具體運行過程,調(diào)整參數(shù)和過程,并進行驗證以加深對知識的理解,提高學習興趣,從而達到教學目的。

結(jié)合科研,購進和自制部分新設(shè)備、新系統(tǒng),計劃建設(shè)智能專業(yè)實驗室,為教學提供更多的優(yōu)良實驗設(shè)備。例如,已研制“中南移動一號”和“中南移動二號”自主移動機器人共7臺,已購進RCB-1型教學機器人20套等。

教學團隊教師還指導學生參加全國大學生“飛思卡爾”杯智能汽車競賽活動、大學生創(chuàng)新性實驗計劃及創(chuàng)新教育計劃項目等,取得優(yōu)秀成果。

2推進課程改革

教學改革是課程建設(shè)和學科發(fā)展的生命線。我們把國家級精品課程和全國雙語教學示范課程放在優(yōu)先建設(shè)的位置,并以它們帶動其他課程建設(shè),完善系列課程建設(shè),同時新辦了智能科學與技術(shù)專業(yè)。

2.1搞好精品課程建設(shè),改進雙語示范課程教學,穩(wěn)步推進系列課程建設(shè)

本團隊著力搞好已有的2門國家級精品課程、1門全國雙語教學示范課程,更新精品課程網(wǎng)站,豐富課程內(nèi)容。為了及時反映上述課程中相關(guān)科學技術(shù)的最新進展,我們調(diào)整了教學體系和教學內(nèi)容,修訂了教學大綱,并對教學內(nèi)容進一步優(yōu)化和更新,極大充實了各課程教學內(nèi)容。同時,通過校際教學活動和網(wǎng)上資源共享對精品課程、雙語教學示范課程進行交流和推廣,起到較好的輻射作用[8-9]。

為加強精品課程建設(shè),完善和拓展課程體系,在總結(jié)現(xiàn)有精品課程的建設(shè)經(jīng)驗的基礎(chǔ)上,又建成省級精品課程1門,校級精品課程1門。

為提高學生的專業(yè)英語水平和學習興趣,使得學生能夠開拓眼界,追蹤國際前沿科學研究,本團隊長期對雙語教學進行研究和實踐。除改進人工智能雙語教學示范課程外,團隊承擔的其他課程,如智能控制、機器人學、專家系統(tǒng)、數(shù)據(jù)結(jié)構(gòu)等也實行了雙語教學,并為該課程引進英文輔助教材。例如,對人工智能課程,我們先后采用Nilsson和Russell等編著的國外影響較大的英文原版教材作為主要教學參考書[10-11],供學生學習參考。在雙語教學中,一般以漢語講授為主,英語為輔,并對一些關(guān)鍵詞同時用漢語和英語表示。對部分章節(jié)或某個專題,采用純英語教學或以英語為主漢語為輔的教學。對PPT課件的編寫分為純漢語、純英語和英漢混合幾種方式。英語教學比例要根據(jù)教學內(nèi)容和學生英語水平而定,其檢驗標準是學生的接受程度與學習效果,根據(jù)這一點來適時調(diào)整雙語教學中英語對漢語的比例。

通過教改實踐,我們承擔的智能科學基礎(chǔ)課程逐步形成為具有明顯特色的課程體系。我們講授的課程從智能科學的基礎(chǔ)課程到專業(yè)基礎(chǔ)課程,再到專業(yè)實踐課程,形成了配置合理、特色鮮明、循序漸進、優(yōu)勢互補、協(xié)調(diào)發(fā)展的智能科學與技術(shù)學科從基礎(chǔ)到應(yīng)用的系列課程體系。

2.2新辦智能科學與技術(shù)專業(yè)

智能科學與技術(shù)是當代科技發(fā)展的前沿學科和重要組成部分,其人才需求日益增加,超出了目前高校的培養(yǎng)能力[12]。我校的智能科學與技術(shù)學科方向經(jīng)過近20年的發(fā)展,已形成了具有自身優(yōu)勢和特點的學科,在國內(nèi)具有一定的知名度和優(yōu)勢。為了促進智能科學與技術(shù)學科的發(fā)展,經(jīng)過多年積極準備,我們于2009年申報了智能科學與技術(shù)專業(yè)并獲得教育部批準。通過向兄弟學校學習調(diào)研,了解該專業(yè)人才需求、專業(yè)建設(shè)規(guī)劃,設(shè)定適應(yīng)培養(yǎng)目標的教學計劃與課程設(shè)置方案。雖然我們開辦“智能科學與技術(shù)”專業(yè)較晚,但我們從2002年開始,就一直關(guān)注和積極參與國內(nèi)智能科學的學科的討論與新專業(yè)籌備工作[13]。

我校于2009年申報獲準,在自動化專業(yè)增設(shè)了智能科學與技術(shù)專業(yè)方向,目前已招收2屆學生共84人。我們?yōu)檫x讀智能科學與技術(shù)本科專業(yè)方向的每個學生選定指導老師。每個學生都可以參加指導老師的課題,指導老師也可以利用自己的學識、經(jīng)驗和責任心來更好地管理呵護學生。這一做法取得明顯效果,不僅受到同學們的普遍歡迎,也得到了學校的肯定。我們還多次召開師生見面會并通過指導老師走訪宿舍,了解每個人的情況。為了消除代溝,努力融入同學當中,學習熟悉他們的語境和思維想法。我們的目標就是不讓一個學生掉隊。

創(chuàng)建與建設(shè)智能科學與技術(shù)新專業(yè),將為智能科學基礎(chǔ)系列課程教學建設(shè)提供一個更加寬廣的平臺,并對計算機、自動化和電子信息等學科的專業(yè)建設(shè)和課程建設(shè)提供一個新的增長點。我們將以智能科學與技術(shù)專業(yè)建設(shè)為契機,虛心學習兄弟學校的專業(yè)建設(shè)的做法和經(jīng)驗,進一步規(guī)范智能科學與技術(shù)的基礎(chǔ)課程教學,讓智能科學基礎(chǔ)課程教學建設(shè)登上一個新的臺階。

3加強教材建設(shè)

教材是教學的重要工具和資源,其水平直接影響教學效果和教學質(zhì)量。在教學過程中,我們與時俱進,對教學內(nèi)容不斷優(yōu)化與更新,精益求精地編寫反映學科發(fā)展的教材[14]。

我們對原有編寫出版的教材進行修訂,反映新世紀學科發(fā)展水平和發(fā)展趨向,以適應(yīng)教改需要。把這些最新內(nèi)容用于教學,使學生了解到國際前沿動態(tài)和本學科的最新成果。

以相關(guān)系列課程為平臺,注重教材配套,服務(wù)因材施教,著眼長遠教材建設(shè)。僅2007年以來我們已出版的相關(guān)教材及專著如下:

《智能控制原理與應(yīng)用》,國家級精品課程配套教材,2007;《智能控制導論》,國家級精品課程配套教材,2007;《未知環(huán)境中移動機器人導航控制理論與方法》,2008;《機器人學》,第二版,國家級教學團隊配套教材,2009;《機器人學基礎(chǔ)》,國家級教學團隊配套教材,2009;《人工智能及其應(yīng)用》,第四版,國家級“十一五”規(guī)劃教材,國家精品課程配套教材,2010;《人工智能基礎(chǔ)》,第二版,國家級“十一五”規(guī)劃教材,國家精品課程配套教材,2010;《移動機器人協(xié)同理論與技術(shù)》,2010。

4優(yōu)化隊伍結(jié)構(gòu)

師資隊伍建設(shè)是團隊建設(shè)的源頭,沒有一流的教師隊伍就沒有一流的教學團隊。在師資隊伍建設(shè)上,我們一直采取引進優(yōu)秀人才和在職培養(yǎng)相結(jié)合的做法。對于人才的引進主要通過辦專業(yè)和辦學科點等方式吸引人才,還通過創(chuàng)造教學和科研條件,穩(wěn)定教師隊伍,解決個人的發(fā)展問題。

采取有效措施,提高主講教師的學術(shù)積累和教學水平。一是教研組教師,特別是中青年教師積極參加重要科研項目,提高學術(shù)水平。二是派中青年教師赴國外研修訪問,了解和學習發(fā)達國家同類課程的先進教學經(jīng)驗、相關(guān)課程設(shè)置情況與發(fā)展趨勢,將國外教學思想引入課程教學。

教學始終是教師的第一要務(wù),為了提高青年教師的教學素質(zhì),我們實施并完善了一系列管理措施和制度。

1) 設(shè)立名師工作室,實現(xiàn)名師資源共享形成多元化的帶教制度,安排高年資的教師對年輕教師進行傳、幫、帶,可以有業(yè)務(wù)方面的指導,也可以有認識方面的交流。通過老教師對年輕教師全方位的指導,使老教師的教學理念和經(jīng)驗得以繼承,加快了年輕教師的成長。

2) 有計劃地安排年輕教師虛心旁聽有經(jīng)驗教師的講課。通過聽課,不僅使年輕教師進一步掌握課程的內(nèi)容,更重要的是使年輕教師學到了老教師的教學方法和經(jīng)驗,對其今后從事教學工作起到了積極的指導作用。

3) 對于第一次上課和第一次上某門新課程的年輕教師,團隊都要在課前組織他們試講。試講前,安排老教師進行指導,傳授教學經(jīng)驗。試講時,由團隊的教師參加聽課并對其進行講評,肯定其優(yōu)點,指出其不足,幫助青年教師盡快掌握課程的重點,找到更合適的講授方法。此外,我們還備課,統(tǒng)一基本教案,幫助年輕教師成長。

近兩年來本教學團隊獲得的主要教學獎勵就有徐特立教育獎、茅以升教學專項獎等。

5擴大交流合作

我們在做好自身團隊建設(shè)的同時,增進與全國相關(guān)高校和教學團隊的交流,學習兄弟團隊的建設(shè)經(jīng)驗,在課程示范、教材推廣、網(wǎng)絡(luò)資源輻射等方面發(fā)揮積極作用。我們還開展校內(nèi)合作,聯(lián)合不同院系進行教學和精品課程的申報與建設(shè),在校內(nèi)推廣改革成果;發(fā)表了一系列教改論文;發(fā)起籌備《全國智能科學技術(shù)課程教學研討會》;邀請企業(yè)界科技精英做本科生就業(yè)指導相關(guān)報告。

1) 增進校際交流,發(fā)揮輻射作用。

我們經(jīng)常以講座報告形式在許多兄弟院校進行教學與教改交流。例如,最近一年來就應(yīng)邀先后到上海交通大學、同濟大學、東華大學、東南大學、國防科技大學、中國礦業(yè)大學、北京科技大學、清華大學等校就智能科學技術(shù)課程的教學、教改和建設(shè)問題作專題報告,在兄弟院校師生中引起熱烈反響。已有數(shù)以百計的高等院校采用我們編著的教材和網(wǎng)絡(luò)課程進行教學,國內(nèi)已有眾多的從事人工智能課程和智能控制課程教學的教師,來信來函索取我們開發(fā)的課程教案、課程演示和網(wǎng)絡(luò)課程相關(guān)資料等,我們一直盡力地搞好推廣和服務(wù)工作。

2) 撰寫課程改革論文,進行國內(nèi)外交流。

本團隊成員僅近一年多來,就在中國教育開放資源網(wǎng)、中國人工智能學會13屆年會、計算機教育、高等理科教育、計算機與現(xiàn)代化等會議及刊物上發(fā)表10篇教改論文,在國內(nèi)外進行交流,起到介紹情況,交流信息和經(jīng)驗的積極作用。

3) 籌備全國相關(guān)課程教學研討會。

為了更好地交流經(jīng)驗,擴大影響和輻射作用,我們發(fā)起并聯(lián)合中國人工智能學會教育工作委員會、中國計算機學會人工智能與模式識別專業(yè)委員會、中國人工智能學會智能機器人專業(yè)委員會、中國自動化學會智能自動化專業(yè)委員會、中國人工智能學會人工智能基礎(chǔ)專業(yè)委員會,籌備召開了首屆《全國智能科學技術(shù)課程教學研討會》[15]。圍繞各個學校在智能科學與技術(shù)本科專業(yè)的課程改革與建設(shè)、課程和專業(yè)教學計劃制定和未來發(fā)展設(shè)想等方面進行交流研討。通過交流研討,認真學習兄弟學校的經(jīng)驗,并盡可能匯報我們的經(jīng)驗。我們相信,在與會全體代表的共同努力下,本次課程教學研討會一定能夠取得積極的成果。

注:本研究獲得教育部國家級精品課程人工智能(2003年)和智能控制(2006年)、全國雙語教學示范課程人工智能(2007年)、國家級智能科學基礎(chǔ)系列課程教學團隊(2008年)等項目支持。

參考文獻:

[1] 中國高等教育學會. 中國高校國家精品課程,工學類,(上冊),2003-2007[M]. 北京:北京大學出版社,2008:433-436.

[2] CAI Zixing,LIU Xingbao,LU Weiwei,et al. Comparative Study on Artificial Intelligence Courses Between CSU and MIT[EB/OL]. [2010-5-1]. CORE (China Open Resources for Education),.cn/.

[3] 中國高等教育學會. 中國高校國家精品課程,工學類,(上冊),2003-2007[M]. 北京:北京大學出版社,2008:426-429.

[4] 國家教育部和財政部關(guān)于立項建設(shè)國家級教學團隊、國家級精品課程、全國雙語教學示范課程的通知[EB/OL]. [2010-5-1]. http///轉(zhuǎn)高等教育司.

[5] 中華人民共和國教育部高等教育司. 名師風采,第一屆高等學校教學名師獎獲獎教師集錦[M]. 北京:地質(zhì)出版社,2006: 152-153.

[6] 李廣川. 丹心育桃李,妙手譜春秋[M]//名師頌.北京:教育科學出版社,2007:397-401.

[7] 及立平. 篤定平和:訪國家級教學名師蔡自興[M]//春風化雨:中南大學教師風采. 長沙:中南大學出版社,2006:119.

[8] 蔡自興,肖曉明,蒙祖強,等. 樹立精品意識,搞好人工智能課程建設(shè)[J]. 中國大學教學,2004(1):28-29.

[9] 陳愛斌,肖曉明,魏世勇,等. 智能控制的學科發(fā)展與學科教育[J]. 現(xiàn)代大學教育,2006(3):102-105.

[10] Nilsson N J. Artificial Intelligence:A New Synthesis[M]. New York:Morgan Kaufmann Publishers,1998.

[11] Russell S, Norvig P. Artificial Intelligence:A Modern Approach[M]. London:Prentice Hall Publishers,2005.

[12] 王萬森,鐘義信,韓力群,等. 我國智能科學技術(shù)教育的現(xiàn)狀與思考[J]. 計算機教育,2009(11):10-14.

[13] 蔡自興,賀漢根. 智能科學發(fā)展的若干問題[C]//中國自動化領(lǐng)域發(fā)展戰(zhàn)略高層學術(shù)研討會論文集. 自動化學報,2002, 28(增刊1):142-150.

[14] 蔡自興,謝斌,魏世勇,等.《機器人學》教材建設(shè)的體會[C]//2009年全國人工智能大會(CAAI-13). 北京:北京郵電大學出版社,2009:252-255.

[15] 2010年全國智能科學技術(shù)課程教學研討會征文通知[J]. 計算機科學,2010,37(6):封3.

Construction of State Teaching Group of Series Course for Intelligence Science Basis in CSU

CAI Zi-xing, CHEN Bai-fan, LIU Li-jue

(Institute of Information Science and Engineering, Central South University, Changsha 410083, China)

智能科學與技術(shù)論文范文第2篇

關(guān)鍵詞：智能科學與技術(shù)；課程體系；培養(yǎng)管理

1背景

智能科學與技術(shù)是當前科學研究和工程實踐的理論與技術(shù)發(fā)展的前沿領(lǐng)域，智能科學與技術(shù)專業(yè)是一個多學科交叉的跨應(yīng)用領(lǐng)域?qū)I(yè)Ⅲ。智能科學技術(shù)的發(fā)展將把整個信息科學技術(shù)推向“智能化”的高度，這正是當代科學技術(shù)發(fā)展的大趨勢，對于這方面人才的需求也越來越迫切。智能科學與技術(shù)培養(yǎng)掌握堅實智能科學與技術(shù)基本理論和系統(tǒng)專門知識，具備作為工程師或領(lǐng)導者及公民的良好人文修養(yǎng)，具有從事科學研究、工程設(shè)計、教學工作或獨立擔負本專業(yè)技術(shù)工作能力，深入了解國內(nèi)外智能科學與技術(shù)領(lǐng)域新技術(shù)和發(fā)展動向，能結(jié)合與本學科有關(guān)的實際問題進行創(chuàng)新研究或工程設(shè)計的高級專門人才。

高校應(yīng)穩(wěn)妥發(fā)展與完善智能科學與技術(shù)專業(yè)的本科生教育，夯實本科教育基礎(chǔ)并積極創(chuàng)造條件，大力開展創(chuàng)新教學，努力培養(yǎng)學生的創(chuàng)新意識、創(chuàng)新精神和工程實踐能力，使之成為具有系統(tǒng)技術(shù)基礎(chǔ)理論、專業(yè)知識和基本技能，良好科研素質(zhì)和較強創(chuàng)造能力的智能科學與技術(shù)工程師。

2教學計劃與教學管理分析

智能科學與技術(shù)屬于計算機類專業(yè)，其必修課程設(shè)計原則是使學生具備計算機科學與工程的基礎(chǔ)理論知識，尤其是大類專業(yè)招生教學的院校，通識課程主要是數(shù)學、物理文化基礎(chǔ)，強調(diào)扎實的自然科學基礎(chǔ)。專業(yè)教學的特色體現(xiàn)在專業(yè)必修和專業(yè)選修課程，專業(yè)必修課一般分為數(shù)學基礎(chǔ)和專業(yè)課程。計算機類專業(yè)數(shù)學基礎(chǔ)課程一般包括線性代數(shù)、微積分、離散數(shù)學、微分方程、概率與統(tǒng)計、數(shù)值計算等；專業(yè)課程一般包括程序設(shè)計基礎(chǔ)、高等程序設(shè)計、數(shù)據(jù)結(jié)構(gòu)、操作系統(tǒng)、計算機組成與結(jié)構(gòu)、數(shù)字電路與邏輯設(shè)計等。

2.1學分

本科培養(yǎng)計劃的學分中，國內(nèi)外大學學分總數(shù)趨勢是逐步減少，追求少而精。國內(nèi)院校一般在130～190學分之間，如北京大學為150學分，清華大學為1 70學分，東南大學與浙江大學均為160學分，還有16學時為1學分的，也有18學時為1學分的。

中國臺灣的大學一般在130學分左右。臺灣交通大學最低畢業(yè)學分為128學分，其中必修課程須達76學分（共同必修58學分+資工組核心須達分+（資工組副核心課程學分+另2組核心課程學分）），專業(yè)選修本系課程須達12學分，其他選修課程須達12學分，通識課程須達28學分（含外語課程必修8學分）。臺灣“中央大學”為136學分，臺灣“清華大學”為136學分，其中必修和必選學分126，其他與導師商量決定。

美國的大學各校差異較大。美國的學分計算有4學期制、兩長一短制及兩學期制，其中加州大學伯克利分校為120學分，麻省理工大學為90學分，加州大學洛杉磯分校為186學分，斯坦福大學為180學分。

2.2教學管理

在教學管理上，斯坦福大學給學生提供了非常寬松的自由發(fā)展空間。新生入校后不分專業(yè)、不分學院。除了醫(yī)學院和法學院學生需要經(jīng)過一定的選拔程序外，本科生可以在入學后的前一個學期適當時候隨意選擇專業(yè)，并且選擇專業(yè)后允許更改，只要畢業(yè)時滿足專業(yè)培養(yǎng)方案即可。

國內(nèi)的浙江大學是較早實行按大類招生的學校之一，分為大類培養(yǎng)、專業(yè)培養(yǎng)和特殊培養(yǎng)3類，前兩年不分專業(yè)，按學科分類集中培養(yǎng)。

臺灣的大學專業(yè)也是按大類完成前期的基礎(chǔ)課程，再分小專業(yè)完成各學程，包括基礎(chǔ)課、核心課和進階課。

教學分組是現(xiàn)在的主流課程架構(gòu)，也是體現(xiàn)專業(yè)方向的主要形式，分組課程是體現(xiàn)專業(yè)特色的課程組。國內(nèi)清華大學采用的是分組教學；臺灣的大學基本上采用的是以教學方向分組的方式，臺灣的大學教學分為課程與修業(yè)、學分學程。

2.3實驗與實踐教學

計算機類專業(yè)各大院校都強調(diào)課程實驗與實驗教學，而目前課程該如何進行教學？這不僅是實驗問題，如何以工程教育專業(yè)論證為目標，怎樣使教學目標達到畢業(yè)要求是關(guān)鍵。做中學是主流實驗教學方式，尤其是美國的大學，大作業(yè)體現(xiàn)的是實驗與理論教學的結(jié)合，是考查學生是否理解理論知識的重要途徑。學生不僅能夠?qū)W習扎實的數(shù)學和計算機專業(yè)知識，還進行大量的實踐創(chuàng)新訓練。麻省理工大學、加州大學伯克利分校、加州大學洛杉磯分校、斯坦福大學都屬于實踐創(chuàng)新性教學模式。例如，斯坦福大學程序設(shè)計范式課程重點比較C、C++、Java的特點和難點，每1～2周有一次大作業(yè)，針對不同的任務(wù)，要求學生用不同的語言實現(xiàn)，使學生加深理解各類編程語言的應(yīng)用場合；麻省理工大學的課程計劃是必須先修12學分的實驗課程，再修3門或4門核心課程，最后選擇3門方向?qū)W科和1門關(guān)于該方向的實驗課、2門專業(yè)拓展課。

3智能科學與技術(shù)課程體系分析

智能科學與技術(shù)課程體系在智能基礎(chǔ)理論研究的基礎(chǔ)上，需要安排基礎(chǔ)性、通用性、關(guān)鍵性的智能技術(shù)研究，主要包括感知技術(shù)和信息融合技術(shù)；自然語言處理與理解技術(shù)；知識處理（認識）技術(shù)，包括知識提煉、知識分類、知識表示技術(shù)等；機器學習技術(shù)，特別是統(tǒng)計與規(guī)則相結(jié)合的學習技術(shù)；決策技術(shù)，即知識演繹技術(shù)特別是不確定推理技術(shù)等；策略執(zhí)行技術(shù)，即控制與調(diào)節(jié)技術(shù)；智能機器人技術(shù)，特別是面向?qū)ｉT領(lǐng)域的智能機器人技術(shù)；智能機器人之間的合作技術(shù)；基于自然語言理解的智能人機交互與合作技術(shù)；智能信息網(wǎng)絡(luò)技術(shù)。

國內(nèi)最早創(chuàng)辦智能科學與技術(shù)專業(yè)的學校包括北京大學，西安電子科技大學是第2批開始培養(yǎng)智能專業(yè)學生的院校。北京大學的本科教學計劃中，專業(yè)必修課程（2分）包括：①專業(yè)數(shù)學/理論基礎(chǔ)（15學分）：算法分析與設(shè)計、集合論與圖論、概率統(tǒng)計A、代數(shù)結(jié)構(gòu)與組合數(shù)學、數(shù)理邏輯；②硬件與系統(tǒng)基礎(chǔ)（分）：數(shù)字邏輯設(shè)計、微機原理和信號與系統(tǒng)；③智能基礎(chǔ)（5學分）：腦與認知科學與人工智能基礎(chǔ)。專業(yè)限選課程（15學分）包括信息論基礎(chǔ)、計算方法B、數(shù)字邏輯設(shè)計實驗、微機實驗、數(shù)據(jù)結(jié)構(gòu)與算法實習、機器感知和智能處理實驗、智能多媒體信息系統(tǒng)實驗。選修組合課程（29～32學分）：學生按照自己的興趣，參考智能的2個專業(yè)方向推薦專業(yè)課組合，自行選擇，至少選修20學分的智能專業(yè)課程。公共核心+專業(yè)方向+新技術(shù)及其他：①公共核心課程（分）：智能科學技術(shù)導論、模式識別基礎(chǔ)、生物信息處理、智能信息處理；②專業(yè)方向課程（11～15學分）：機器感知與智能機器人方向、智能信息處理與機器學習方向、新技術(shù)及其他。

西安電子科技大學智能專業(yè)主要課程包括電路分析理論、信號與系統(tǒng)、數(shù)字信號處理、數(shù)字電路及邏輯設(shè)計、模擬電子技術(shù)基礎(chǔ)、微機原理與系統(tǒng)設(shè)計、數(shù)據(jù)結(jié)構(gòu)、軟件工程、人工智能概論、算法設(shè)計與分析、最優(yōu)化理論與方法、機器學習、計算智能導論、模式識別、圖像理解與計算機視覺、智能傳感技術(shù)、移動通信與智能技術(shù)、智能控制導論、智能數(shù)據(jù)挖掘、網(wǎng)絡(luò)信息檢索、智能系統(tǒng)平臺專業(yè)實驗等課程及30多門選修課程。

建議各學?？梢愿鶕?jù)學院教學特色與實際需求，設(shè)計專業(yè)核心課程。北京大學偏重“信息處理”，湖南大學偏重“智能系統(tǒng)”，但需要強調(diào)的一個前提就是智能科學與技術(shù)專業(yè)屬于大計算機類，更需要大EECS專業(yè)的基礎(chǔ)。編程、電路、數(shù)學、數(shù)據(jù)結(jié)構(gòu)、計算機系統(tǒng)這五大核心基礎(chǔ)就是大EECS；其次是專業(yè)，計算機以系統(tǒng)結(jié)構(gòu)、操作系統(tǒng)、網(wǎng)絡(luò)、編譯、數(shù)據(jù)庫五大經(jīng)典專業(yè)核心課為主，湖南大學的智能科學與技術(shù)專業(yè)強調(diào)系統(tǒng)，因此信號與系統(tǒng)、操作系統(tǒng)、嵌入式系統(tǒng)、人工智能是最基本的專業(yè)核心課，然后再分不同的分支。湖南大學智能科學與技術(shù)專業(yè)核心課程包括人工智能概論、機器學習、計算智能導論、模式識別、智能控制導論、智能數(shù)據(jù)挖掘、機器人學等；研究學位課程包括模式識別、人工智能等，主要體現(xiàn)為智能科學與技術(shù)基礎(chǔ)（人工智能概論、機器學習、計算智能導論、模式識別）、核心（智能控制導論、智能數(shù)據(jù)挖掘）和應(yīng)用（機器人學）。

4結(jié)語

（1）在課程計劃實施過程中，教師需要遵循課程的時序圖，即描述課程的進階關(guān)系，從本科直到研究生，同時還可以實行一定的修課限制，如臺灣交通大學計算機概論與程式設(shè)計和面向?qū)ο蟪淌皆O(shè)計兩科皆不及格者不得修數(shù)據(jù)結(jié)構(gòu)與算法概論，若數(shù)據(jù)結(jié)構(gòu)不及格不能修算法設(shè)計課程等。

（2）程序設(shè)計類課程用上機程序能力考試來設(shè)置合格條件，如臺灣交通大學基礎(chǔ)程式設(shè)計及格條件為通過“程式能力鑒定”，湖南大學則以CCF―CSP軟件能力測試作為程序設(shè)計課程通過的考核標準。

（3）鼓勵學生參與項目、競賽等課外科技活動，如臺灣“清華大學”的綜合論文訓練是由具有同等水平的項目訓練成果或SRT（student research training）計劃項目以及其他課外科技活動成果經(jīng)認定后代替的。

（4）精煉的課程教學。核心課程應(yīng)該精且必須加強課程實驗，只有對方法和理論有正確的認識才能掌握這門課程，而動手完成實驗才能真正融會貫通。麻省理工大學、加州大學伯克利分校、加州大學洛杉磯分校的學生具備扎實的數(shù)學和計算機專業(yè)知識后，都需要進行大量的實踐創(chuàng)新訓練。

智能科學與技術(shù)論文范文第3篇

（大連東軟信息學院電子工程系，遼寧大連116023）

摘要：基于CDIO工程教育理念，結(jié)合大連東軟信息學院推行的TOPCARES-CDIO人才培養(yǎng)目標體系和電子工程系智能科學與技術(shù)專業(yè)特點，提出構(gòu)建培養(yǎng)學生創(chuàng)新、溝通、工程推理與解決實際問題等能力的專業(yè)人才培養(yǎng)方案。

關(guān)鍵詞 ：CDIO；專業(yè)人才培養(yǎng)；智能科學與技術(shù)；項目導學

基金項目：2012年度遼寧省普通高等學校本科工程人才培養(yǎng)模式改革試點專業(yè)項目(G2201249)。

第一作者簡介：周國順，男，教授，研究方向為嵌入式系統(tǒng)，zhouguoshun@neusoft．edu．cn。

0 引 言

專業(yè)人才培養(yǎng)方案是專業(yè)建設(shè)的根本性文件，主要由專業(yè)基本信息、學制與學位、專業(yè)人才培養(yǎng)目標、課程體系、培養(yǎng)計劃安排及學時學分要求等內(nèi)容組成。為了能夠適應(yīng)當前國民經(jīng)濟發(fā)展的需要，高校有必要對相關(guān)學科的專業(yè)培養(yǎng)方案進行改革。專業(yè)培養(yǎng)方案應(yīng)該適當加強對工科學生創(chuàng)新設(shè)計與實踐能力培養(yǎng)的要求，廣泛調(diào)研專業(yè)相關(guān)企事業(yè)用人單位的崗位需求，適當增加符合專業(yè)發(fā)展趨勢的專業(yè)拓展、前沿課程。大連東軟信息學院電子工程系智能科學與技術(shù)專業(yè)依靠具有豐富的智能產(chǎn)品研發(fā)、工程設(shè)計、工程實施經(jīng)驗的師資隊伍和CDIO工程環(huán)境，對本專業(yè)人才培養(yǎng)方案進行了基于TOPCARES-CDIO的教育教學改革，取得了良好的效果。

1 工程教育改革的意義

CDIO工程教育改革的目的是培養(yǎng)學生具有在工程、產(chǎn)品開發(fā)團隊中構(gòu)思一設(shè)計一實施一運行復雜、高附加值產(chǎn)品或過程與系統(tǒng)的能力，通過大學本科的教育與實踐，成為一名具有基本工程創(chuàng)新及設(shè)計能力、整裝待發(fā)的工程師。為此，教師必須改變傳統(tǒng)工程教育重理論、輕實踐、理論與實踐脫節(jié)的教學方式，補充對工程教育至關(guān)重要的個人素養(yǎng)、團隊合作與系統(tǒng)構(gòu)建能力培養(yǎng)的教學內(nèi)容。

傳統(tǒng)的教與學是建立在布魯納的“認知一發(fā)現(xiàn)說”、奧蘇伯爾的“有意義言語學習理論”和加涅的“認知學習理論”基礎(chǔ)上的。大多數(shù)高校教師為了讓學生掌握深厚的工程推理能力，基本上采用奧蘇伯爾的“有意義言語學習理論”進行教學。該理論提倡課堂的講授式教學，學生在學習過程中基本是被動地接受學習口。多數(shù)學生雖然會關(guān)注理論知識在實踐中運用的問題，但是也常常只為應(yīng)付考試而去記憶工程理論?？荚嚱Y(jié)束，學過的知識、理論也就不用了，甚至忘記了。

2009年，大連東軟信息學院提出創(chuàng)辦獨具特色的、培養(yǎng)應(yīng)用型人才的國內(nèi)一流應(yīng)用型大學的目標，借鑒美國MIT、瑞典皇家理工大學、瑞典查爾莫斯工業(yè)大學、瑞典林雪平大學組成的工程教育改革研究團隊倡導的CDIO（Conceive-構(gòu)思、Design-設(shè)計、Implement-實現(xiàn)、Operate-運行）教育教學理念，提出TOPCARES-CDIO人才培養(yǎng)目標體系。TOPCARES分別代表CDIO的8大一級能力指標的首字母，即Technical knowledge and reasoning, Open thinking and innovation, Personal and professional skills,Communication and teamwork, Attitude and manner, Responsibility, Ethicalvalues, Social contribution by application practice。

基于CDIO的教學模式提倡主動學習和經(jīng)驗學習。主動學習是讓學生在參與學習活動時發(fā)現(xiàn)問題、思考與解決問題。教師收集學生提出的在課程學習中的問題，集中回答；同時教師也提出問題，促使學生主動學習、思考問題并尋求解決方法。經(jīng)驗學習是讓學生在模擬工程師和工程實踐的環(huán)境下進行學習，包括基于項目的學習、仿真、案例分析與設(shè)計實現(xiàn)。

評估與評價是衡量學生對規(guī)定學習內(nèi)容完成程度的判斷。傳統(tǒng)的教學評價基本上是以筆試成績?yōu)闃藴实?，很難評價學生的工程、產(chǎn)品及過程構(gòu)建能力。CDIO教學模式下的評估以學習為中心，貫穿整個教學過程始終。評估方法主要有筆試和口試、平時表現(xiàn)、項目成果演示、書面報告等。教師可根據(jù)一系列考核成績，對教學大綱及教學方法進行持續(xù)的改進和完善，這就構(gòu)成一個工程教學的閉環(huán)控制系統(tǒng)。

2 智能科學與技術(shù)專業(yè)人才培養(yǎng)方案改革

教師應(yīng)遵循高等教育教學規(guī)律，貫徹落實“國家中長期教育改革和發(fā)展規(guī)劃綱要（2010-2020年）”精神，以TOPCARES-CDIO教育理念和方法為指導，以培養(yǎng)高素質(zhì)應(yīng)用型高級專門人才為目標，以當前“萬眾創(chuàng)新、大眾創(chuàng)業(yè)”理念為契機，努力為學生構(gòu)建合理的知識、能力、素質(zhì)結(jié)構(gòu)，結(jié)合智能行業(yè)的新理論、新技術(shù)、新工具、新產(chǎn)品更新課程體系與教學內(nèi)容，強化創(chuàng)新精神和工程實踐能力培養(yǎng)，促進學生的全面發(fā)展。

2.1 以知識、能力、素質(zhì)培養(yǎng)為核心，以項目為導向，構(gòu)建一體化專業(yè)人才培養(yǎng)方案

1)以社會和行業(yè)需求為背景，準確定位專業(yè)人才培養(yǎng)目標。

教師應(yīng)深入開展專業(yè)調(diào)研工作，基于TOPCATES-CDIO人才培養(yǎng)目標體系框架，綜合分析應(yīng)用型人才的通用標準、行業(yè)標準、學校標準和專業(yè)標準，構(gòu)建和確定本專業(yè)人才培養(yǎng)的目標和能力培養(yǎng)的具體要求，培養(yǎng)掌握智能信息處理與識別、自動控制方法等方面基礎(chǔ)知識，具備信息處理系統(tǒng)軟硬件平臺開發(fā)、自動控制系統(tǒng)設(shè)計、人工智能系統(tǒng)開發(fā)等基本能力，具有開放式思維與創(chuàng)新能力和較強個人職業(yè)能力與團隊合作能力，樹立正確價值觀、態(tài)度端正、習慣良好、有責任感的，能在智能醫(yī)療設(shè)備、多媒體信息處理、工業(yè)機械控制、機器人、人工智能等智能科學與技術(shù)學科相關(guān)的專業(yè)領(lǐng)域從事智能產(chǎn)品開發(fā)、系統(tǒng)測試、技術(shù)支持等工作的應(yīng)用型高級專門人才。

在專業(yè)教育階段，教師可跟蹤專業(yè)和產(chǎn)業(yè)新理論、新技術(shù)、新工具、新產(chǎn)品的要求，通過開設(shè)專業(yè)特色課和專業(yè)拓展課，將創(chuàng)新、創(chuàng)業(yè)融入專業(yè)教育，培養(yǎng)學生的相應(yīng)知識和技能。專業(yè)課程分類見表1。

2)以項目為導向，構(gòu)建一體化的課程體系。

學生在學完所有學科課程后，要完成一個貫穿整個課程體系知識及能力的壓頂石項目。為達到專業(yè)培養(yǎng)目標和完成壓頂石項目，學生必須具有三大核心應(yīng)用能力：智能傳感與檢測技術(shù)能力，智能機器人傳動、驅(qū)動技術(shù)能力和智能機器人系統(tǒng)技術(shù)能力。專業(yè)核心能力對壓頂石項目的支撐關(guān)系如圖1所示。

依據(jù)專業(yè)人才培養(yǎng)目標，教師應(yīng)以專業(yè)核心應(yīng)用能力培養(yǎng)為主線，面向行業(yè)、服務(wù)產(chǎn)業(yè)、突出應(yīng)用，以項目訓練為導向，系統(tǒng)構(gòu)建課程與項目相結(jié)合，知識、能力、素質(zhì)同步培養(yǎng)的一體化課程體系，形成課程培養(yǎng)目標、項目培養(yǎng)目標與專業(yè)培養(yǎng)目標的相互對應(yīng)和支撐。專業(yè)課程體系如圖2所示。

3)以能力培養(yǎng)為本，構(gòu)建一體化的實踐教學體系。

智能科學與技術(shù)專業(yè)依據(jù)專業(yè)能力培養(yǎng)目標，以能力為本，以項目為載體，采用“學中做”和“做中學”的方法，統(tǒng)籌安排基礎(chǔ)實踐、專業(yè)實踐、創(chuàng)新訓練與實踐、創(chuàng)業(yè)訓練與實踐、綜合實訓與實踐、畢業(yè)設(shè)計（論文）與企業(yè)實踐等循序漸進的實踐教學環(huán)節(jié)，使實踐訓練內(nèi)容逐級遞進、逐步深化，將實踐學期實訓內(nèi)容與理論學期的教學內(nèi)容緊密銜接，形成理論與實踐相結(jié)合、課內(nèi)與課外相結(jié)合、學校與企業(yè)相結(jié)合，貫穿本科教育全程的一體化實踐教學體系。專業(yè)培養(yǎng)方案中采用自頂而下的方式設(shè)計各級項目。一級項目（壓頂石項目）的設(shè)計直接針對專業(yè)培養(yǎng)目標，二級和三級項目是一級項目培養(yǎng)能力的分解。專業(yè)課程體系中的實踐項目設(shè)計如圖3所示。圖中每一魚骨分支上支撐同一個二級項目的一組課程為課程群，課程三級項目進行適當?shù)难由炫c擴展將對應(yīng)二級項目的一部分。專業(yè)項目設(shè)置見表2。教師可通過從課程的三級項目實踐開始，到實踐學期的有一定綜合能力的二級項目鍛煉，再最后進行一級壓頂石項目實訓，消除學生對智能系統(tǒng)設(shè)計的恐懼感，令學生從容應(yīng)對工程項目的挑戰(zhàn)。

4)創(chuàng)新素質(zhì)教育，提升學生的綜合能力。

教師需將素質(zhì)教育項目納入專業(yè)人才培養(yǎng)方案，明確學分要求、內(nèi)容安排、組織方式及考核評價標準。構(gòu)建與專業(yè)教育相呼應(yīng)的集校、系兩級項目和專業(yè)團隊項目為一體的素質(zhì)教育項目體系，加強學生職業(yè)素質(zhì)、書面表達能力、溝通交流能力、團隊協(xié)作能力、實踐能力的培養(yǎng)，全面提升學生的綜合能力。

2.2 “實用化、個性化、國際化”人才培養(yǎng)特色

1)優(yōu)化專業(yè)結(jié)構(gòu)，凝練實用化專業(yè)特色。

智能科學與技術(shù)專業(yè)依據(jù)辦學定位、培養(yǎng)目標、服務(wù)面向和行業(yè)需求，認真梳理和凝練專業(yè)特色，提高專業(yè)建設(shè)質(zhì)量和水平。

本專業(yè)開設(shè)了有別于其他高校智能科學與技術(shù)專業(yè)的特色課程，如智能傳感與檢測技術(shù)、智能機器人、智能終端應(yīng)用開發(fā)等。通過學習這些課程，學生能夠掌握智能科學行業(yè)前沿的技術(shù)與能力，在就業(yè)市場上處于有利位置；以強化職業(yè)崗位技能訓練、提高工程實踐能力為目標，依托業(yè)界先進的機器人實驗室設(shè)計課程體系，使畢業(yè)生具有智能科學領(lǐng)域由硬件到軟件的設(shè)計能力和實際開發(fā)經(jīng)驗。

2)優(yōu)化課程體系結(jié)構(gòu)，科學設(shè)置專業(yè)課程。

本專業(yè)立足教育教學的全過程，處理好基礎(chǔ)與專業(yè)、必修與選修、課內(nèi)與課外、理論與實踐、專業(yè)教育與素質(zhì)教育的關(guān)系，按照整體優(yōu)化、加強能力、提高素質(zhì)的思路精心設(shè)計教學實踐環(huán)節(jié)；通過設(shè)立全校公共選修課平臺擴大選修課范圍，按照學科門類細化公共選修課類別，提高選修課學分學時比例，增強學生選課自由度和靈活性。

3)以人為本，因材施教，滿足學生多元化需求。

教師需根據(jù)學生的學習基礎(chǔ)和個性化需求，實施分類教學、分級教學、分層次教學、分方向培養(yǎng)；通過彈性學制、選課制、主輔修制、重修制、學業(yè)導師制、學分替換、實踐獎勵學分等方式，把共性與個性、統(tǒng)一性與差異性、規(guī)范性與靈活性有機結(jié)合，突出“實用化、個性化、國際化”的人才培養(yǎng)特色。

2.3 以產(chǎn)學融合為途徑，創(chuàng)新人才培養(yǎng)模式

1)校企合作建設(shè)課程資源。

高校應(yīng)加強與相關(guān)企業(yè)的深度合作，通過承接企業(yè)項目，將實際案例和項目引入課程，對學生進行實際項目開發(fā)、項目規(guī)范流程和創(chuàng)新能力培養(yǎng)；根據(jù)行業(yè)和職業(yè)崗位需求，有針對性地將企業(yè)認證課程納入課程體系；通過與企業(yè)共建校內(nèi)外實習、實踐基地，建設(shè)真實或仿真實踐環(huán)境，將企業(yè)實習、實訓、頂崗等實踐環(huán)節(jié)列入培養(yǎng)方案，并根據(jù)行業(yè)和企業(yè)的實際需要，有計劃地開展定制式的人才培養(yǎng)。

2)校企融合實施卓越計劃。

學校應(yīng)充分發(fā)揮源于企業(yè)的辦學體制、產(chǎn)學融合的育人機制；在已實施的3+1模式、CO-OP計劃（校企合作）、項目工作室模式的基礎(chǔ)上，進一步深化人才培養(yǎng)模式改革；按照卓越工程師人才培養(yǎng)的改革思路，對人才培養(yǎng)方案的校內(nèi)培養(yǎng)與企業(yè)培養(yǎng)進行一體化設(shè)計與實施的探索，逐步形成具有“TOPCARES-CDIO”特色的IT應(yīng)用型卓越工程師培養(yǎng)模式。

3 結(jié)語

智能科學與技術(shù)專業(yè)實施CDIO人才培養(yǎng)模式改革以來，學生的工程實踐能力、團隊合作能力和創(chuàng)新能力普遍有所提升，近年來在國家、省、市各級學科競賽中捷報頻傳，而且CO-OP實習學生也受到了用人單位的好評?；贑DIO工程教育模式，系統(tǒng)實施以知識、能力、素質(zhì)培養(yǎng)為核心，以項目為導向的一體化人才培養(yǎng)方案及產(chǎn)學融合的創(chuàng)新人才培養(yǎng)方式，既能保證學生獲得先進的智能科學與技術(shù)專業(yè)知識與技能，又能系統(tǒng)地培養(yǎng)學生的創(chuàng)新能力和職業(yè)素養(yǎng)，對于智能科學與技術(shù)專業(yè)培養(yǎng)出適應(yīng)社會需求的應(yīng)用型創(chuàng)新人才具有重大實踐意義。通過以上智能科學與技術(shù)專業(yè)培養(yǎng)方案的改革與實踐，大連東軟信息學院電子工程系智能科學與技術(shù)專業(yè)今后將繼續(xù)發(fā)揚、倡導CDIO工程化教育方法，持續(xù)完善專業(yè)培養(yǎng)方案，為把本專業(yè)建設(shè)成為有特色、高水平、創(chuàng)新創(chuàng)業(yè)應(yīng)用型專業(yè)而繼續(xù)努力。

參考文獻：

[1]孫曉凌，溫濤，郭權(quán)．Utilizing CDIO engineering workspaces to facilitate design-implement experiences[C]//Proceedings of the 9th International CDIO Conference. Boston: MIT-Harvard, 2013: 83.

[2]張奇．高等教育心理學[M]．大連：遼寧師范大學出版社，2007:56-58.

[3] Crawley E F，Malmqvist J，Ostlunds，et al．重新認識工程教育：國際CDIO培養(yǎng)模式與方法[M]．顧佩華，沈民奮，陸小華，譯，北京：高等教育出版社，2009: 6-17.

[4]溫濤，基于TOPCARES-CDIO的一體化人才培養(yǎng)模式探索與實踐[J]．計算機教育，2010(11): 23-30。

智能科學與技術(shù)論文范文第4篇

關(guān)鍵詞:專家系統(tǒng);課程建設(shè);教學改革;實驗教學;CLIPS

“專家系統(tǒng)”課程是本科專業(yè)“智能科學與技術(shù)”的特色課程之一,該專業(yè)是由北京大學在2004年率先自主建立的[1]。此后,國內(nèi)很多大學也都陸續(xù)基于各自的特色建設(shè)開設(shè)了該專業(yè),如北京郵電大學、南開大學、首都師范大學、西安郵電大學、北京科技大學、廈門大學、中南大學等?；谝粋€新興本科專業(yè)設(shè)立的專業(yè)基礎(chǔ)特色課程,應(yīng)該如何建設(shè),實施教學與改革,突出專業(yè)特色?各類學校都在摸索中。中南大學的“專家系統(tǒng)”課程是國家級“智能科學基礎(chǔ)系列課程教學團隊”主干課程之一,它由國家級教學名師領(lǐng)銜,以雙語建設(shè)為教學基本手段,以精品意識為指導[2],培養(yǎng)學生自主創(chuàng)新意識,發(fā)掘?qū)W生興趣潛能,非常具有專業(yè)特色。

1課程建設(shè)情況

專家系統(tǒng)使用人類專家推理的計算機模型處理現(xiàn)實世界中需要專家做出解釋的復雜問題,并得出與專家相同的結(jié)論[3]。其最大特點是不僅可以幫助人們處理信息,還能說明處理的方式和理由[4]。我們結(jié)合專家系統(tǒng)課程特色與學習認知過程特點,采取認知教學作為專家系統(tǒng)教學的理論基礎(chǔ)[5-6],根據(jù)智能科學與技術(shù)系列課程教研經(jīng)驗,融合雙語教學方式,初步提出課程定位和建設(shè)目標,給出了教學基本要求。

1.1課程定位與建設(shè)目標

在學習本課程之前,學生最好已經(jīng)選修過離散數(shù)學、人工智能和面向?qū)ο蟮某绦蛟O(shè)計課程,本課程32個學時,2個學分,其中實驗課6學時。此外,“專家系統(tǒng)”還可作為自動化、計算機科學與技術(shù)等相關(guān)專業(yè)有興趣的學生的選修課程?？蔀閷W生提供一種新的手段和方法求解傳統(tǒng)方法難解問題,也為學生們了解智能科學與技術(shù)領(lǐng)域知識提供良好的窗口。

專家系統(tǒng)成為智能科學與技術(shù)本科專業(yè)的專業(yè)基礎(chǔ)課程,目的在于培養(yǎng)學生理解和掌握專家系統(tǒng)技術(shù)的基本觀念、基本理論和智能科學方法;并靈活設(shè)計和構(gòu)建不同領(lǐng)域的專家系統(tǒng),解決實際問題,為學習后續(xù)課程奠定方法基礎(chǔ)。通過教學過程,培養(yǎng)學生善于分析繼承已有的科學進步成果、激勵學生善于發(fā)現(xiàn)問題、分析問題和解決問題的自主科學創(chuàng)新精神。

1.2課程教材設(shè)計

本校專家系統(tǒng)課程選用了蔡自興編寫的《高級專家系統(tǒng):原理、設(shè)計及應(yīng)用》[3]一書,該教材包括專家系統(tǒng)的基本理論、技術(shù)方法和實際應(yīng)用的諸多內(nèi)容,知識點介紹全面詳盡,同時列舉了諸多實例,便于課堂分析與課后理解。

根據(jù)雙語教學的要求,外文參考教材[7]選用了Expert Systems Principles and Programming (Third Edition)一書,該書對CLIPS語言分析透徹,有大量的課后習題與資料,適合學生作為主要參考書目進行課后學習。實驗教材選用了電子工業(yè)出版社出版的《決策支持與專家系統(tǒng)實驗教程》一書,主要利用了同時,根據(jù)雙語教學的要求,外文參考教材選用了China Machine Press出版的Expert Systems Principles and Programming (Third Edition)一書,該書對CLIPS語言分析透徹,有大量的課后習題與資料,有利于學生作為主要參考書目進行課后學習。我校實驗教材選用了電子工業(yè)出版社出版的《決策支持與專家系統(tǒng)實驗教程》一書。主要利用了該書后半部分內(nèi)容。目前,國內(nèi)基于CLIPS的“專家系統(tǒng)”實驗教學教材在國內(nèi)幾乎沒有容,專家系統(tǒng)課程實驗及其教材建設(shè)還需進一步改革與探索。

1.3教學要求與知識框架

通過學習,使學生了解和掌握專家系統(tǒng)的相關(guān)原理和方法,。要求學生掌握知識表示方法、搜索推理技術(shù)的相關(guān)內(nèi)容,熟悉和了解常見的專家系統(tǒng)解釋機制、開發(fā)工具和評估方法,學會基于規(guī)則專家系統(tǒng)、基于框架的專家系統(tǒng)、基于模型的專家系統(tǒng)和基于Web專家系統(tǒng)的結(jié)構(gòu)建立和應(yīng)用,掌握專家系統(tǒng)的常用編程語言――CLIPS,了解專家系統(tǒng)的發(fā)展趨勢和研究課題。經(jīng)過對專家系統(tǒng)課程知識內(nèi)容進行分類,可分為以下6個模塊,如表1所示。。

經(jīng)過對專家系統(tǒng)課程知識內(nèi)容進行分類,可分為以下6個模塊,如表1所示。

模塊一專家系統(tǒng)的定義、發(fā)展歷史、研究內(nèi)容、類型、結(jié)構(gòu)和特點以及構(gòu)建步驟;。

模塊二熟悉專家系統(tǒng)時可能采用的人工智能的知識表示方法和搜索推理技術(shù),結(jié)合傳統(tǒng)人工智能方法和計算智能的一些方法;。

模塊三了解專家系統(tǒng)的解釋機制、開發(fā)工具和評估方法;。

模塊四熟悉基于規(guī)則專家系統(tǒng)、基于框架的專家系統(tǒng)、基于模型的專家系統(tǒng)和基于Web專家系統(tǒng)的結(jié)構(gòu)、推理技術(shù)、設(shè)計方法及應(yīng)用示例;。

模塊五掌握人工智能和專家系統(tǒng)的編程語言――CLIPS,了解其他LISP,PROLOG和關(guān)系數(shù)據(jù)操作語言等;。

模塊六展望專家系統(tǒng)的發(fā)展趨勢和研究課題,并了解新型專家系統(tǒng)的特征與示例。

從教學要求角度出發(fā),模塊一、模塊三和模塊六的教學要求相對一般,但卻是學生涉及專家系統(tǒng)技術(shù)的必備知識模塊。相對而言,模塊五是基本教學條件要求中最高的一個模塊,因為模塊二與模塊四的深刻理解與系統(tǒng)設(shè)計需通過模塊五而實現(xiàn)的。

從教學內(nèi)容的重難點角度出發(fā),模塊二是重點部分之一,但因有人工智能課程的基礎(chǔ),相對而言,教學實施過程中較為順暢。模塊四與模塊五是專家系統(tǒng)課程重點闡述部分,其中模塊五也是難點部分,在實驗教學環(huán)節(jié)中,由于大部分學生初次接觸推理性的編程語言,所以需要一定的入門時間和練習次數(shù)。

2專家系統(tǒng)課程教學改革實施

2.1基于多媒體的專家系統(tǒng)課程教學

教學應(yīng)以學習者為中心,以先進教育技術(shù)為手段,相輔相成,促進教學效果。人類的感官功能中視覺與聽覺器官起到了94%作用[78],而視聽覺的協(xié)同作業(yè)能大大提高學習效率,而。多媒體教學就是一種集聲、文、圖、色于一體的教學手段之一,其實施。多媒體教學的關(guān)鍵實施內(nèi)容就是教學設(shè)計,而教學設(shè)計的難點就是在不增加學生信息加工系統(tǒng)中工作記憶負荷的前提下,用促進生成的方式呈現(xiàn)學習材料,包括教材、課件、講義、課堂講解、課后習題等。

結(jié)合專家系統(tǒng)課程教學情況,教學設(shè)計分為以下3個方面進行詳盡闡述:。

1) 把握好課堂教學知識量。

專家系統(tǒng)課程相對智能科學與技術(shù)專業(yè)第六期的學生而言是非常新穎的一門非常新穎的課程,學生們相對的學習熱情比較高,但這里還需仍然需要對學生的先前知識結(jié)構(gòu)和能力有個簡單的估計。教師需考慮學生的工作記憶容量,并對學生的長期記憶有個估計,把握學習材料內(nèi)在負荷。學習材料并非越多越好,關(guān)鍵在于精華,給學生留下深刻印象?！皩＜蚁到y(tǒng)”課堂教授部分以原理性與推理性知識為主,應(yīng)增加實踐技術(shù)實例,這樣讓學生緊密聯(lián)系實際應(yīng)用進行學習,。多媒體視頻就是一個很好的表現(xiàn)手段。將制作好的實例視頻,向?qū)W生們展示,不但讓課程氛圍活躍,還激發(fā)學生對實踐教學的興趣;不但沒有增加課堂的知識負荷,還可以留給學生課后對比學習。

2) 多元化課件制作呈現(xiàn)形式。

專家系統(tǒng)是一門推理性知識要求很強的課程,同時也需要掌握一門有利的開發(fā)工具方能使學生做到靈活應(yīng)用。經(jīng)過教學實踐與課后調(diào)查發(fā)現(xiàn),學生們對知識表述與相關(guān)畫面共同呈現(xiàn)的形式比單一媒體呈現(xiàn)形式學習效果好,知識和畫面也必須是關(guān)聯(lián)的,呈現(xiàn)位置和各部分的比例也需考慮充分。為此,課件制作是一個“改無止境”的工程,因為每一屆的學生具有自己的特點,且專家系統(tǒng)課程知識點的不斷更新,每一年都要對課件進行大量的補充與改進。

3) 基于認知教學的課堂講解過程。

認知教學模式中,是以學生為主體,教學教師起主導作用。課堂講解是面對面教學活動中的重要環(huán)節(jié),,它是多媒體中聯(lián)系言語與畫面的橋梁,是減少學生工作記憶負荷的有效手段。

專家系統(tǒng)課程知識可分為表示性知識與推理技術(shù)性知識,根據(jù)相關(guān)認知心理學理論,可將知識分為兩類:陳述性知識和程序性知識[5]。其中在教育心理學中“陳述性知識”是指個人具有有意識的提取線索,能夠直接加以回憶和陳述。其實就是關(guān)于“是什么”的知識,包括對事實,規(guī)則,事件等信息的表達。教育心理學中“程序性知識”是指個人沒有有意識的提取線索,其存在只能借助某種作業(yè)形式簡介推測的知識稱為程序性知識,而現(xiàn)代認知心理學為程序性知識以產(chǎn)生式及產(chǎn)生式系統(tǒng)來表征的。所以可將陳述性知識采用“專家系統(tǒng)”中的語義網(wǎng)絡(luò)形式為基礎(chǔ)地表征,而程序性知識的表征形式可用“專家系統(tǒng)”中的產(chǎn)生式系統(tǒng),以“ifthen”形式表示條件這一關(guān)系。眾多形式的產(chǎn)生式規(guī)則相互聯(lián)系就組成了復雜的產(chǎn)生式系統(tǒng)?；谡J知理論的“專家系統(tǒng)”知識教學實施過程中,首先應(yīng)選定系統(tǒng)設(shè)計內(nèi)容,掌握開發(fā)系統(tǒng)時所需的知識與工具,;其次分析問題,并根據(jù)系統(tǒng)的具體特征轉(zhuǎn)化知識。而后;接著對問題模型進行求解,建立和構(gòu)造知識庫,;最后,利用實現(xiàn)工具編寫代碼,系統(tǒng)聯(lián)調(diào)。

2.2專家系統(tǒng)課程雙語教學的實施

專家系統(tǒng)課程是信息學科新興發(fā)展的一門課程,有許多關(guān)鍵性進展相關(guān)研究進展和成果的資料均源于英文文獻,因而提高學生雙語水平是一種大勢所需,。同時,雙語教學提高了對教師整體素質(zhì)的要求,在雙語教學過程中,有意識的增強教學互動,以問題啟發(fā)式教學與課堂辯論形式教學,學生通過查閱主題文獻進行針對性的演講或討論,教師對學生的表現(xiàn)加以評述,并進行補充。這種形式可擴大教師的知識面,使得任課老師了解前沿的研究成果。也可培養(yǎng)學生主動學習的積極性和創(chuàng)新能力,使得課程具有鮮活的生命力。雙語教學對教師,特別是教師的其外語水平及其口語表達能力,,。促進了師資整體水平的提高。專家系統(tǒng)的雙語教材已在1.2中介紹,但實驗教材的設(shè)計與編寫工作現(xiàn)仍處于空缺,這也是雙語教學的需完善的內(nèi)容工作之一。由于雙語教學增加了授課難道難度,進而影響了授課的進度,應(yīng)充分發(fā)揮多媒體先進教學手段對專業(yè)術(shù)語和難以理解的內(nèi)容,進行注解,幫助于學生理解。在貫徹雙語教學的過程中,除了指定適當英文參考短文或參考書,開發(fā)雙語課件外,還應(yīng)使學生接觸國內(nèi)外文獻資料,開闊眼界,拓寬知識面,強化雙語的意識,激發(fā)學生主觀能動性,使學生找到課程學習的歸屬感。

2.3改革“專家系統(tǒng)”課程實時交互活動

專家系統(tǒng)課程是一門理論與實踐關(guān)系密切的課程之一,課堂留下的作業(yè)大多需要計算機編程或計算機輔助教學方能較好的地完成。根據(jù)此特點,改革傳統(tǒng)的作業(yè)形式與批審方法可節(jié)約反饋時間,同時可實現(xiàn)“低碳無紙化”辦公。利用網(wǎng)絡(luò)進行作業(yè)上交,教師批閱后通過網(wǎng)絡(luò)及時返回給學生,不但能提高老師的辦公效率,也使學生得到快速與準確的反饋。

針對多校區(qū)的現(xiàn)狀,我們利用網(wǎng)絡(luò)教學資源,采用了多種交互式策略,通過Email和群討論組等方式進行在線交流,也可傳遞參考資料,交流課外成果,實現(xiàn)只要老師在實驗室,學生在任何有網(wǎng)絡(luò)終端PC機處,就能進行了實時交流或批改作業(yè)。避免了學生為了課后的困惑問題積壓至下一堂課的矛盾,同時也節(jié)約了學生往返路程上耗費的時間。

為了進一步體現(xiàn)教學效果,我們下一步擬進行考試方式的變革,應(yīng)綜合考慮課堂出勤情況、平時正式作業(yè)成績、課堂討論情況和期末課程考試進行綜合評分。還應(yīng)考慮以雙語形式進行筆試,當面交卷后進行雙語發(fā)問。若有課程論文或創(chuàng)新作品表現(xiàn)突出者,可免參加最后的課程考試。使考試不再是學生的負擔,而成為衡量與培養(yǎng)創(chuàng)新能力。和口試。

3基于CLIPS的專家系統(tǒng)實驗教學

3.1專家系統(tǒng)與CLIPS語言

CLIPS(C Language Integrated Production system)是由美國航空航天局約翰遜空間中心(NASA’’s Johnson Space Center)開發(fā)的一種專家系統(tǒng)工具,由C語言編寫而成。早期的專家系統(tǒng)工具大都用LISP、Prolog等編程語言開發(fā),共同問題是運行速度慢,可移植性差,解決復雜問題的能力差。CLIPS是基于Rete算法的前向推理語言,其優(yōu)點包括:①邏輯推理方面的強大功能強。②、可移植性好。③、可擴展性好。④、有利于和其他語言聯(lián)合使用等。

3.1專家系統(tǒng)與CLIPS語言

專家系統(tǒng)與傳統(tǒng)的計算機程序系統(tǒng)有著完全不同的體系結(jié)構(gòu),通常它由知識庫、推理機、綜合數(shù)據(jù)庫、知識獲取機制、解釋機制和人機接口等幾個基本的、獨立的部分所組成,其中尤以知識庫與推理機相互分離而別具特色。用clips語言能夠更好地熟悉專家系統(tǒng)的整個組成。CLIPS可為基于規(guī)則、面向?qū)ο笠约斑^程的編程提供支持(rule-based, object-oriented, and procedural programming)。

以基于規(guī)則的專家系統(tǒng)利用CLIPS工具編程作為實例闡述。在CLIPS中找到專家系統(tǒng)基礎(chǔ)的組成部分――Fact List、Knowledge Base、Inference Engine。Fact List中存放用于推理的事實,而Knowledge Base包含所有的規(guī)則,Inference Engine控制所有的進程。圖1所示為專家系統(tǒng)框架示意圖。專家系統(tǒng)中最核心的就是知識庫,知識庫中包含了大量某個領(lǐng)域?qū)＜业闹R。,為了使計算機能運用專家的領(lǐng)域知識,必須要采用一定的方式表示知識 。目前常用的知識表示方式有產(chǎn)生式規(guī)則、語義網(wǎng)絡(luò)、框架、狀態(tài)空間、邏輯模式、腳本、過程、面向?qū)ο蟮?。基于?guī)則的產(chǎn)生式系統(tǒng)是目前實現(xiàn)知識運用最基本的方法。

3.2專家系統(tǒng)實驗教學內(nèi)容

通過CLIPS軟件環(huán)境提供了的驗證性、設(shè)計性和開發(fā)性實驗,幫助學生更好地熟悉和掌握專家系統(tǒng)的基本原理和方法;,通過實驗提高學生總結(jié)實驗結(jié)果的能力,使之對專家系統(tǒng)的相關(guān)理論有更深刻的認識。實驗內(nèi)容如表2所示:。

其中,實驗1為實驗2的基礎(chǔ),這兩個實驗應(yīng)與講授課程穿插,使得學生利用課堂學到的理論聯(lián)系實際實驗操作,通過這兩個實驗的學習能夠掌握專家系統(tǒng)的開發(fā)過程、掌握用產(chǎn)生式規(guī)則繪制推理樹的方法、掌握、編寫CLIPS應(yīng)用程序的方法以及程序運行環(huán)境的應(yīng)用等。實驗3是一個有難度的實驗,需要大量的課余準備時間,所以在完成實驗3的時候,必須預留3周的時間,提前布置給學生,讓學生做好實驗前的準備,這樣方能取得較好的實驗教學效果。這些被挑選出來的CLIPS專家系統(tǒng)的代碼應(yīng)是經(jīng)典的學習內(nèi)容,通過該實驗培養(yǎng)學生獨立分析與開發(fā)完整的專家系統(tǒng)的能力。

3.3實驗教學實例分析

1) 實驗?zāi)康?學習和理解CLIPS編程語言,通過分析用CLIPS編寫的“野人過河”的程序,深入理解專家系統(tǒng)的編程技巧,加深對專家系統(tǒng)的認識和理解。

2) 實驗說明:野人過河問題屬于智能學科中的一個經(jīng)典問題,問題描述如下:,有三3個牧師傳教士和三3個野人過河,只有一條能裝下兩個人的船,在河的任何一方或者船上,如果野人的人數(shù)大于牧師的人數(shù),那么牧師就會有危險。

假設(shè)問題的初始狀態(tài)和目標狀態(tài),假設(shè)和分為1岸和2岸: 。

初始狀態(tài):1岸,3野人,3牧師;2岸,0野人,0牧師;船停在1岸,船上有0個人;。

目標狀態(tài):1岸,0野人,0牧師;2岸,3野人,3牧師;船停在2岸,船上有0個人;。

整個問題就抽象成了如何從初始狀態(tài)經(jīng)中間的一系列狀態(tài)達到目標狀態(tài)。問題狀態(tài)的改變是通過劃船渡河來引發(fā)的,所以合理的渡河操作就成了通常所說的(算符)就是問題求解的關(guān)鍵。,根據(jù)題目要求,可以得出以下5個算符:渡1野人、渡1牧師、渡1野人1牧師、渡2野人、渡2牧師,。根據(jù)渡船方向的不同,也可以理解為10個往還算符。定義算符知道以后,剩下的核心問題就是搜索方法了,。本程序采用深度優(yōu)先搜索,通過不斷擴展后繼結(jié)點節(jié)點,逐步找出下一步可以進行的渡河操作,;如果沒有找到則返回其父節(jié)點,看看是否有其它其他兄弟節(jié)點可以擴展。

搜索中采用的一些規(guī)則如下:

(1.) 渡船優(yōu)先規(guī)則:1岸一次運走的人越多越好(即1岸運多人優(yōu)先),同時野人優(yōu)先運走;2岸一次運走的人越少越好(即2岸運少人優(yōu)先),同時傳教士優(yōu)先運走;。

(2.) 不能重復上次渡船操作,避免進入死循環(huán)。;

(3.)任何時候 河兩邊兩岸的野人和牧師數(shù)在任何時候均分別大于等于0且小于等于3;

(4.) 由于只是找出最優(yōu)解,所以當找到某一算符(當前最優(yōu)先的)滿足操作條件后,不再搜索其兄弟節(jié)點,而是直接載入鏈表。

(5.) 若擴展某節(jié)點a的時候,沒有找到合適子節(jié)點,則從鏈表中返回節(jié)點a的父節(jié)點b,從上次已經(jīng)選擇了的算符之后的算符中找最優(yōu)先的算符繼續(xù)擴展b。

通過實驗教學過程中的專家系統(tǒng)開發(fā)實例分析,總結(jié)了出應(yīng)用于在許多專家系統(tǒng)項目中的線性生命周期模型,如圖32所示。這個模型包括從計劃到系統(tǒng)評估的許多階段,對系統(tǒng)開發(fā)的描述一直到功能評估這種程度上。之后,生命周期不斷重復:從計劃到系統(tǒng)評估,直到系統(tǒng)交付正常使用。

4結(jié)語

專家系統(tǒng)課程的發(fā)展開發(fā)過程是教學研究和教學改革實踐相結(jié)合的過程,需要不斷加強學習、總結(jié)經(jīng)驗。本文從總結(jié)了專家系統(tǒng)課程定位與、建設(shè)目標、教材的選用設(shè)計和課程知識框架等方面的總結(jié)了“專家系統(tǒng)”課程建設(shè)情況。在,并就教學改革過程中注重多媒體教學的效果、雙語的實施和課程互動活動的改革等問題進行比較深入的介紹與探討。通過CLIPS語言與專家系統(tǒng)實驗的結(jié)合,闡述了實驗教學的目的、CLIPS實驗特色及和實驗方法,體現(xiàn)了基于CLIPS實驗教學的優(yōu)勢與特色。在未來的教育領(lǐng)域,專家系統(tǒng)技術(shù)將成為信息時代教育發(fā)展的新生力軍,專家系統(tǒng)也將成為新世紀人類智能管理與決策的得力助手。

致謝注 :本文受國家級智能科學基礎(chǔ)系列課程教學團隊項目(2008)支持,感謝本文得到中南大學信息科學與工程學院智能所的大力支持,特別感謝蔡自興教授的鼓勵與幫助。

參考文獻:

[1] 李蕾,王嬋,王小捷,等..“機器智能”課程建設(shè)初探[J]. 計算機教育,2009(1):86-92.

[2] 陳愛斌.“人工智能”課程教學的實踐與探索[J]. 株洲工學院學報,2006,20(6):137-139.

[3] 蔡自興,Durkin,龔濤. 高級專家系統(tǒng):原理設(shè)計及應(yīng)用[M]. 北京:科學出版社,2005:1-2.

[4] 蔡自興. 智能控制導論[M]. 北京:中國水利水電出版社,2007,:28-29.

[5] 杜海瓊,張劍平..“專家系統(tǒng)”教學的認知教學理論基礎(chǔ)及其教學實施[J]. 現(xiàn)代教育技術(shù),2008,18(8):18-21.

[6] 杜海瓊,張劍平. 認知學徒制在“推理與專家系統(tǒng)”教學中的應(yīng)用[J]. 現(xiàn)代教育技術(shù),2009,19(4):120-123.

[7] Joseph Giarratano, Gary Riley. Expert Systems Principles and Programming[M]. 3th ed. Boston:PWS Publishing Company,1998.

[78]肖桂清,李渺. 正確運用多媒體,促進認知學習的最優(yōu)化[J]. 思茅師范高等?？茖W校學報,2002,18(4):55-57.

[8] 杜暉. 決策支持與專家系統(tǒng)[M]. 北京:電子工業(yè)出版社,2007:22-23.

Exploration in Course Construction and Teaching Reform of Expert System

YU Ling-li, WEI Shi-yong

(Institute of Information Science & and Engineering, Central South University, Changsha 410083, China)

智能科學與技術(shù)論文范文第5篇

〔關(guān)鍵詞〕知識圖譜；專家系統(tǒng)；發(fā)展軌跡

DOI：10．3969／j．issn．1008－0821．2012．02．040

〔中圖分類號〕G250.71 〔文獻標識碼〕A 〔文章編號〕1008－0821（2012）02－0159－08

Knowledge-based Expert System Development Overview MapLiao Yi

（Political Department，National University of Defense Technology，Changsha 410073，China）

〔Abstract〕Artificial intelligence expert system is the most important and most active areas of an application,which implements the artificial intelligence research from theory to practice,turning from the general reasoning strategies of a major breakthrough in the use of expertise.This chronological order,the expert system into the 1980s before the 1980s,1990s,2000,after four stages.Articles using bibliometric methods,analysis of the expert system development process,development and trends,pointing out that the current phase is the development of expert systems,expert systems into a variety of commercial operation,need to address the knowledge acquisition bottleneck,matching conflicts and other issues for expert systems to understand and master the subject structure,evolution,development and so provide an unique perspective and knowledge.

〔Key words〕knowledge maps;expert systems;the development trajectory

專家系統(tǒng)作為人工智能的一個重要分支，發(fā)展已經(jīng)超過50年，在很多應(yīng)用領(lǐng)域都獲得了廣泛使用，取得了豐碩成果。本文運用文獻計量這一獨特視角對專家系統(tǒng)進行了再回顧和再分析，將智能科技劃分為初創(chuàng)期、成長期、低谷期、發(fā)展期，利用詞頻分析、共引分析、作者共現(xiàn)分析等方法揭示專家系統(tǒng)的學科結(jié)構(gòu)、影響程度、關(guān)鍵節(jié)點與時間點等重要而獨特的知識，為了解和掌握專家系統(tǒng)的發(fā)展與演化過程提供了獨特視角。

1 數(shù)據(jù)來源

SCI（Science Citation Index）是美國科學情報研究所ISI（Institute for Science Information）出版的期刊文獻檢索工具，所收錄的文獻覆蓋了全世界最重要和最有影響力的研究成果，成為世界公認的自然科學領(lǐng)域最為重要的評價工具。本文以Web of Science中的SCI數(shù)據(jù)庫為數(shù)據(jù)來源，選用高級檢索方式，以“Expert System/Experts System”作為主題詞，于2011年5月在Web of Secience中進行檢索，一共檢索到14 500篇相關(guān)文獻記錄。獲得的年度分布如圖1。所示。雖然，專家系統(tǒng)研究從20世紀五六十年代就開始了，但是從圖1可以看出直到1982年才有主題詞與專家系統(tǒng)相關(guān)的論文出現(xiàn)。圖1表明1991年左右，專家系統(tǒng)相關(guān)論文達到了峰值，但隨后呈逐年下降的趨勢。到1999年，只有494篇。但21世紀開始，專家系統(tǒng)相關(guān)論文又出現(xiàn)了增加的趨勢，并維持在一個穩(wěn)定的水平中。圖1 專家系統(tǒng)在SCI數(shù)據(jù)庫文獻發(fā)表年度變化情況

2012年2月第32卷第2期基于知識圖譜的專家系統(tǒng)發(fā)展綜述Feb.，2012Vol.32 No.22 專家系統(tǒng)前40年的發(fā)展

本文利用基于JAVA平臺的引文分析可視化軟件Citespace，首先設(shè)定時間跨度為1950-1991年，時間切片長度為1年，聚類方式為共被引聚類（Cited Reference），閾值選擇為（2，2，20）、（3，3，20）、（3，3，20）。Citespace得出這些引文的時間跨度為1950－1990年，可以繪制出該時間段的專家系統(tǒng)論文時區(qū)分布圖，如圖2所示。我們以年代先后為序，將20世紀80年代以前作為第一階段，80年代至90年代作為第二階段。圖2 1950-1991年各年度專家系統(tǒng)論文之間的時區(qū)分布圖

2.1 專家系統(tǒng)起源時期

根據(jù)圖2顯示，這段時期有7個突出節(jié)點，既有7位代表人物。第一個節(jié)點代表的是“人工智能之父”――英國著名科學家阿蘭?麥席森?圖靈（Alan Mathison Turing），他于1950年在《心靈》雜志上《計算機器與智能》，提出了著名的“圖靈測試”，探討了機器智能的可能性，為后來的人工智能科學提供了開創(chuàng)性的構(gòu)思［1］。

第二個節(jié)點代表的是美國工程院院士、加州大學扎德（LA.Zadeh）教授，他于1965年在《信息與控制》雜志第8期上發(fā)表題為《模糊集》的論文，提出模糊集合理論，給出了模糊性現(xiàn)象定量描述和分析運算的方法，從而誕生了模糊數(shù)學。1978年，扎德教授提出了“可能性理論”，將不確定性理解為可能性，為模糊集理論建立了一個實際應(yīng)用上的理論框架，這也被認為是模糊數(shù)學發(fā)展的第二個里程碑。同年，國際性期刊《International Journal of Fuzzy Sets and System》誕生，這使得模糊理論得到普遍承認，理論研究高速發(fā)展，實際應(yīng)用迅速推廣。

第三個節(jié)點代表的美國兩院院士、卡內(nèi)基-梅隆大學教授艾倫?紐厄爾（Allen Newell），1972年，他出版了《人怎樣解題》（Human Problem Solving)一書，書中描述了他和西蒙試圖建立一個計算機化的“通用問題求解器”的歷程：20世紀50年代，他們發(fā)現(xiàn)，人類的問題解決，在一定知識領(lǐng)域內(nèi)可以通過計算機實現(xiàn)，所以他們開始用計算機編程來解決問題，1956年，他們研發(fā)出了邏輯理論家和通用問題求解器（General Problem Solver），并建立了符號主義人工智能學派。我們可以看出，這本書是對他以前所作工作的總結(jié)與歸納，而邏輯理論家和通用問題求解器正是專家系統(tǒng)的雛形，為專家系統(tǒng)的出現(xiàn)奠定了堅實的基礎(chǔ)。

但是艾倫?紐厄爾的嘗試無法解決大的實際問題，也很難把實際問題改造成適合于計算機解決的形式，并且對于解題所需的巨大搜索空間也難于處理。為此，美國國家工程院院士、斯坦福大學教授費根鮑姆（E.A.Feigenbaum）等人在總結(jié)通用問題求解系統(tǒng)成功與失敗的經(jīng)驗基礎(chǔ)上，結(jié)合化學領(lǐng)域的專門知識，于1965年研制了世界上第一個專家系統(tǒng)dendral，可以推斷化學分子結(jié)構(gòu)。專家系統(tǒng)進入了初創(chuàng)期，其代表有dendral、macsyma（數(shù)學專家系統(tǒng)）等，第一代專家系統(tǒng)以高度專業(yè)化、求解專門問題的能力強為特點，向人們展示了人工智能應(yīng)用的廣闊前景［2］。

第四個節(jié)點代表人物是美國麻省理工學院著名的人工智能學者明斯基（Minsky）。1975年，他在論文《表示知識的框架》(A Framework for Representating Knowledge，McGraw-Hill)中提出了框架理論，框架理論的核心是以框架這種形式來表示知識。理論提出后，在人工智能界引起了極大的反響，并成為了基于框架的專家系統(tǒng)的理論基礎(chǔ)，基于框架的專家系統(tǒng)適合于具有固定格式的事物、動作或事件。

第五個節(jié)點代表人物是美國普林斯頓大學教授格倫謝弗（Glenn Shafer），他在1976年出版了《數(shù)學理論的證據(jù)》（A mathematical theory of evidence）一書，介紹了由他和Dempster于1967年提出的D-S理論（即證據(jù)理論）。證據(jù)理論可處理由不知道因素引起的不確定性，后來，該理論被廣泛應(yīng)用于計算機科學和工程應(yīng)用，是基于D-S證據(jù)理論的專家系統(tǒng)的理論基礎(chǔ)。

第六個重要節(jié)點代表是美國斯坦福大學愛德華?漢斯?肖特利夫（Shortliff EH）教授，他于1975年在著名雜志《數(shù)學生物科學》上發(fā)表《A model of inexact reasoning in medicine》（《在醫(yī)學模型的不精確推理》）一文，他結(jié)合自己1972－1974年研制的世界第一個醫(yī)學專家系統(tǒng)――MYCIN系統(tǒng)（用于診斷和治療血液感染及腦炎感染，是第二代專家系統(tǒng)的經(jīng)典之作），提出了確定性理論，該理論對專家系統(tǒng)的發(fā)展產(chǎn)生了重大影響。

第七個節(jié)點代表人物是美國麻省理工學院計算機科學和人工智能實驗室的戴維斯（Randall Davis）教授，他于1976年提出元知識的概念，并在專家系統(tǒng)的研制工具開發(fā)方面做出了突出貢獻――研制出知識獲取工具Teiresias，為專家系統(tǒng)獲取知識實現(xiàn)過程中知識庫的修改和添加提供了工具［3］，關(guān)Teiresias，他于1977年在《Artificial Intelligence》雜志上中進行了詳細介紹，而這也為本時期專家系統(tǒng)的快速增多和廣泛應(yīng)用奠定了堅實基礎(chǔ)。

20世紀70年代后期，隨著專家系統(tǒng)應(yīng)用領(lǐng)域的不斷開拓，專家系統(tǒng)研發(fā)技術(shù)逐漸走向成熟。但同時，專家系統(tǒng)本身存在的應(yīng)用領(lǐng)域狹窄、缺乏常識性知識、知識獲取困難、推理方法單一等問題也被逐漸暴露出來。人們從各種不同類型的專家系統(tǒng)和知識處理系統(tǒng)中抽取共性，人工智能又從具體研究逐漸回到一般研究。圍繞知識這一核心問題，人們重新對人工智能的原理和方法進行探索，并在知識的獲取、表示以及知識在推理過程中的利用等方面開始出現(xiàn)一組新的原理、工具和技術(shù)。

2.2 專家系統(tǒng)發(fā)展的黃金時期

20世紀80年代是專家系統(tǒng)突飛猛進、迅速發(fā)展的黃金時代，根據(jù)圖2顯示，這段時期共有論文982篇，有7個突出節(jié)點。

1980年，出現(xiàn)了第一個節(jié)點代表――美國斯坦福大學計算機科學系系主任尼爾森（NILS J.NILSSON），他出版的《人工智能原理》（《Principles of artificial intelligence》）一書，表明了拉近理論和實踐的距離的目標，書中對基于規(guī)則的專家系統(tǒng)、機器問題解決系統(tǒng)以及結(jié)構(gòu)對象的代表等都進行了具體的論述。

1981年，出現(xiàn)了第二個節(jié)點代表――英國赫特福德大學教授Clocksin，威廉F，他出版的《PROLOG語言編程》一書，引起了計算機科學界的極大興趣，并已被證明是一個重要的編程語言和人工智能系統(tǒng)的新一代基礎(chǔ)，是專家系統(tǒng)的重要編程語言。

1982年，出現(xiàn)了第三個節(jié)點代表――美國匹茲堡大學教授米勒（Miller RA），他在《英格蘭醫(yī)藥分冊》上發(fā)表了《基于計算機的醫(yī)學內(nèi)科實驗診斷顧問》（An Experimental Computer based Diagnostic Consultant for General Internal Medicine.N Engl J Med,307,468-76,1982）一文，屬當時診斷專家系統(tǒng)的代表力作，書中介紹了著名的內(nèi)科疾病診斷咨詢系統(tǒng)INTERNIST-1，之后將其不斷完善成改進型INTERNIST-2，即后來的CADUCEUS專家系統(tǒng)，其知識庫中包含了572種疾病，約4 500種癥狀。

1983年，出現(xiàn)了第四個節(jié)點代表――美國的海斯羅斯（Hayes-Roth，F(xiàn)）教授，他于1983年發(fā)表著作《建立專家系統(tǒng)》，對專家系統(tǒng)建立的原則和要素、開發(fā)的生命周期等重要問題進行了詳細講解，為研究與開發(fā)各種類型的專家系統(tǒng)提供了理論依據(jù)。

1984年，出現(xiàn)了第五個節(jié)點代表――美國匹茲堡大學計算機科學、哲學和醫(yī)學教授布魯斯?布坎南（Bruce G.Buchanan），他于1984年發(fā)表著作《規(guī)則的專家系統(tǒng)：斯坦福啟發(fā)式編程項目Mycin實驗》（《Rule Based Expert Systems:The Mycin Experiments of the Stanford Heuristic Programming Project》，這是有史以來關(guān)于醫(yī)療診斷系統(tǒng)MYCIN的實驗規(guī)則庫公布?；谝?guī)則的專家系統(tǒng)MYCIN是專家系統(tǒng)開發(fā)過程中一個里程碑，研究其開發(fā)思路與方法具有非常重要的意義。

1985年，出現(xiàn)了第六個節(jié)點代表――美國人工智能專家、加州大學教授哈蒙（Harmon P），他出版了《專家系統(tǒng)：人工智能業(yè)務(wù)》（《Expert systems：artificial intelligence in business》）一書。書中闡述了專家系統(tǒng)如何解決問題，代表知識，并得出推論，并介紹了人工智能的具體制度，確定了專家系統(tǒng)的市場。

1986年，出現(xiàn)了第七個節(jié)點代表――著名的專家系統(tǒng)學者沃特曼（Waterman DA），他出版了《專家系統(tǒng)指南》一書，該書對專家系統(tǒng)的概念、組成、建立過程、建立工具、應(yīng)用領(lǐng)域等做了深入淺出的系統(tǒng)介紹與論述，是當時全面介紹專家研發(fā)與應(yīng)用的經(jīng)典書籍。

20世紀80年代初，醫(yī)療專家系統(tǒng)占主流，主要原因是它屬于診斷類型系統(tǒng)且容易開發(fā)。80年代中期，出現(xiàn)大量投入商業(yè)化運行的專家系統(tǒng)，為各行業(yè)帶來了顯著的經(jīng)濟效益。從80年代后期開始，大量新技術(shù)成功運用到專家系統(tǒng)之中，使得專家系統(tǒng)得到更廣泛的運用。在這期間開發(fā)的專家系統(tǒng)按處理問題的類型可以分為：解釋型、預測型、診斷型、設(shè)計型等。應(yīng)用領(lǐng)域擴展到農(nóng)業(yè)、商業(yè)、化學、通信、醫(yī)學等多個方面，成為人們常用的解決問題的手段之一。

然而，與此同時，現(xiàn)有的專家系統(tǒng)也暴露出了自身嚴重的缺陷，使不少計算機界的知名學者對專家系統(tǒng)產(chǎn)生了懷疑，認為專家系統(tǒng)存在的問題有以下幾點：（1）專家系統(tǒng)中的知識多限于經(jīng)驗知識，極少有原理性的知識，系統(tǒng)沒有應(yīng)用它們的能力；（2）知識獲取功能非常弱。為了建造專家系統(tǒng)，必須依賴于專家獲取知識， 不僅費時， 而且很難獲取完備性和一致性的知識；（3）求解問題的方法比較單一，以推理機為核心的對問題的求解尚不能反映專家從認識問題到解決問題的創(chuàng)造性過程；（4）解釋功能不強［4］。等到學者們回過頭重新審視時，20世紀90年代的專家系統(tǒng)理論危機已然爆發(fā)。

3 90年代專家系統(tǒng)向多個方向發(fā)展

由于20世紀80年代專家系統(tǒng)研究迅猛發(fā)展，商業(yè)價值被各行各業(yè)看好，導致90年代大批專家系統(tǒng)從實驗室走出來，開始了它們的工程化市場化進程。從圖1看以看出，在20世紀90年代，專家系統(tǒng)的相關(guān)論文不增反減，進入一個局部低谷期，這期間以“Expert System/Experts System”為主題詞的論文共7 547篇。本文利用Citespace軟件，設(shè)置參數(shù)為（4，4，20）（4，3，20）（4，4，20），獲取了該時期論文的引文聚類圖（如圖3所示）。圖2 專家系統(tǒng)1990－2000年的論文引文聚類圖

從圖3中我們可以看出，全圖的節(jié)點比較分散，沒有形成大的聚類，這表示該階段沒有形成重點研究方向，也沒有重大科研成果和標志性著作產(chǎn)生，專家系統(tǒng)的市場化進程嚴重牽引了研究者們的注意力，這是專家系統(tǒng)研究陷入低谷期的重要原因。

這段時間專家系統(tǒng)的研究工作大致分以下幾個方面：第一個研究方向依舊是建立在扎德（LA.Zadeh）教授模糊理論上的模糊專家系統(tǒng)，它同樣是該年代專家系統(tǒng)研究的重點方向。

第二個研究方向是骨架專家系統(tǒng)，代表人物有美國斯坦福大學的愛德華?漢斯?肖特利夫（Shortliff EH）教授。1974年末，MYCIN系統(tǒng)基本建成后，MYCIN的設(shè)計者們就想到用其它領(lǐng)域的知識替換關(guān)于感染病學的知識，可能會得到一個新的專家系統(tǒng)，這種想法導致了EMYCIN骨架系統(tǒng)的產(chǎn)生。EMYCIN的出現(xiàn)大大縮短了專家系統(tǒng)的研制周期，隨后，AGE、OPS5、KEE、KBMS、GESDE等骨架系統(tǒng)應(yīng)運而生，它們在20世紀90年代專家系統(tǒng)的研究進程中，發(fā)揮著重要作用。

第三個研究方向是故障診斷專家系統(tǒng)，代表人物有美國麻省理工學院的蘭德爾?戴維斯（Randall Davis）教授。他于1984年在《人工智能》雜志上發(fā)表了《基于結(jié)構(gòu)和行為的診斷推理 》（《Diagnostic Reasoning Based on Structure and Behavior》）一文，該論文描述了一個利用知識結(jié)構(gòu)和行為，在電子電路領(lǐng)域進行故障診斷排除的專家系統(tǒng)。之后，故障診斷專家系統(tǒng)在電路與數(shù)字電子設(shè)備、機電設(shè)備等各個領(lǐng)域已取得了令人矚目的成就，已成為當今世界研究的熱點之一。

第四個研究方向是基于規(guī)則的專家系統(tǒng)，布魯斯?布坎南（Bruce G.Buchanan）的著作對基于規(guī)則的專家系統(tǒng)在這個時期的發(fā)展仍有著積極的指導作用。多種基于規(guī)則的專家系統(tǒng)進入了試驗階段。傳統(tǒng)基于規(guī)則的專家系統(tǒng)只是簡單的聲明性知識，而目前，規(guī)則的形式開始向產(chǎn)生式規(guī)則轉(zhuǎn)變，并趨向于提供較完善的知識庫建立和管理功能。

第五個研究方向是知識工程在專家系統(tǒng)中的運用。代表人物是美國斯坦福大學的克蘭西教授（Clancy W J），他于1985年在《人工智能》雜志上發(fā)表了重要論文《啟發(fā)式分類》（《Heuristis classification》），啟發(fā)式分類即對未知領(lǐng)域情況的類的識別過程。它是人類思維解決問題的重要方法，在人工智能、專家系統(tǒng)中可常用啟發(fā)式設(shè)計計算機程序，模擬人類解決問題的思維活動。

第六個研究方向是機器學習在專家系統(tǒng)中的運用。代表人物是機器學習領(lǐng)域前輩、澳洲悉尼大學著名教授John Ross Quinlan。他于1986年在《機器學習》（《Mach.Learn》）雜志上發(fā)表《決策樹算法》（《Induction of Decision Trees》）一文，文中他詳細描述了決策樹算法的代表――ID3算法。之后，有大量學者圍繞該算法進行了廣泛的研究，并提出多種改進算法，由于決策樹的各類算法各有優(yōu)缺點，在專家系統(tǒng)的實際應(yīng)用中，必須根據(jù)數(shù)據(jù)類型的特點及數(shù)據(jù)集的大小，選擇合適的算法。

第七個研究方向是神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)，代表人物有人工智能專家Stephan I.Gallant和美國加利福尼業(yè)大學教授巴特?卡斯科（Bart Kosko）。Gallant于1988年在《ACM的通信》上發(fā)表了《連接主義專家系統(tǒng)》（《Connectionist expert systems》）一文，文中講述Gallant 設(shè)計了一個連接主義專家系統(tǒng)（Connectionist expert system），其知識庫是由一個神經(jīng)網(wǎng)絡(luò)實現(xiàn)的（即神經(jīng)網(wǎng)絡(luò)知識獲?。_創(chuàng)了神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)相結(jié)合的先例。

第八個研究方向是遺傳算法在專家系統(tǒng)中的運用。代表人物是遺傳算法領(lǐng)域著名學者、美國伊利諾伊大學David Goldberg教授和人工智能專家L.Davis。1989年，Goldberg出版了專著《搜索、優(yōu)化和機器學習中的遺傳算法》，該書系統(tǒng)總結(jié)了遺傳算法的主要研究成果，全面而完整地論述了遺傳算法的基本原理及其應(yīng)用；1991年，Davis編輯出版了《遺傳算法手冊》，書中包含了遺傳算法在科學計算、工程技術(shù)和社會經(jīng)濟中的大量應(yīng)用實例，該書為推廣和普及遺傳算法的應(yīng)用起到了重要的指導作用。這些都推動了基于遺傳算法的專家系統(tǒng)的研發(fā)推廣。

第九個研究方向是決策支持系統(tǒng)在專家系統(tǒng)中的運用，代表人物是美國加利福尼亞大學伯克利分校教授埃弗雷姆?特班（Efraim Turban）。他于1990年出版了《決策支持和專家系統(tǒng)的管理支持系統(tǒng)》（《Decision support and expert systems:management support systems》）一書。20世紀80年代末90年代初，決策支持系統(tǒng)開始與專家系統(tǒng)相結(jié)合，形成智能決策支持系統(tǒng)，該系統(tǒng)充分做到了定性分析和定量分析的有機結(jié)合，將解決問題的范圍和能力提高到一個新的層次。

第十個研究方向是各種理論知識在專家系統(tǒng)中的綜合運用，代表人物是美國加利福尼業(yè)大學教授巴特?卡斯科（Bart Kosko）和美國伊利諾伊州研究所教授Abdul-Rahman K.H?？ㄋ箍疲↘osko）于1992年出版《神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)：一個擁有機器智能的動力系統(tǒng)方法》（《Neural networks and fuzzy systems:a dynamical systems approach to machine intelligence》）一書，這是第一本將神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)結(jié)合起來的讀本，也是神經(jīng)網(wǎng)絡(luò)與模糊理論綜合應(yīng)用于專家系統(tǒng)建設(shè)的經(jīng)典著作；Abdul-Rahman K.H教授于1995年，在美國電氣和電子工程師協(xié)會的《電力系統(tǒng)及自動化》（《Transactions on Power Systems》）會議刊上發(fā)表了《人工智能模糊無功負荷的最優(yōu)VAR控制方法 》（《AI approach to optimal VAR control with fuzzy reactive loads》）一文，論文提出了一個解決無功功率（VAR）控制問題，這個方法包含了專家系統(tǒng)、模糊集理論和人工神經(jīng)網(wǎng)絡(luò)的重要知識。

雖然專家系統(tǒng)大量建造，但投入實際運行的專家系統(tǒng)并不多，且效率較低，問題求解能力有待進一步提高。原因之一就是專家系統(tǒng)主要是模擬某一領(lǐng)域中求解特定問題的專家的能力，而在模擬人類專家協(xié)作求解方面很少或幾乎沒有做什么工作。然而在現(xiàn)實世界中，協(xié)作求解具有普遍性，針對特定領(lǐng)域、特定問題的求解僅僅具有特殊性，專家系統(tǒng)雖然在模擬人類專家某一特定領(lǐng)域知識方面取得了成功，但它仍然不能或難以解決現(xiàn)實世界中的問題。其次，開發(fā)的專家系統(tǒng)的規(guī)模越來越大，并且十分復雜。這樣就要求將大型專家系統(tǒng)的開發(fā)變成若干小的、相對獨立的專家系統(tǒng)來開發(fā)，而且需要將許多不同領(lǐng)域的專家系統(tǒng)聯(lián)合起來進行協(xié)作求解。然而，與此相關(guān)的分布式人工智能理論和實用技術(shù)尚處在科研階段。只有分布式系統(tǒng)協(xié)作求解問題得以解決，才能克服由于單個專家系統(tǒng)知識的有限性和問題求解方法的單一性等導致系統(tǒng)的“脆弱性”，也才能提高系統(tǒng)的可靠性，并且在靈活性、并行性、速度等方面帶來明顯的效益［5］。

4 21世紀專家系統(tǒng)進入穩(wěn)定發(fā)展時期

進入21世紀，專家系統(tǒng)開始緩慢發(fā)展，這期間以“Expert System/Experts System”為主題詞的論文共5 964篇。本文利用Citespace軟件，設(shè)置參數(shù)為（6，6，20）（5，5，20）（5，5，20），獲取了該時期論文的引文聚類圖（如圖4所示）。圖4 專家系統(tǒng)2000－2010年的論文引文聚類圖

這個時期專家系統(tǒng)有3個主要研究方向：第一個是研究方向是節(jié)點明顯的基于模糊邏輯的專家系統(tǒng)研究方向。90年代以來，模糊控制與專家系統(tǒng)技術(shù)相結(jié)合，進一步提高了模糊控制器的智能水平?；谀：壿嫷膶＜蚁到y(tǒng)有以下優(yōu)點：一是具有專家水平的專門知識，能表現(xiàn)專家技能和高度的技巧以及有足夠的魯棒性（即健壯性）；二是能進行有效的推理，能夠運用人類專家的經(jīng)驗和知識進行啟發(fā)性的搜索和試探性的推理；三是具有靈活性和透明性。

第二個是研究方向是Rete模式匹配算法在專家系統(tǒng)中的應(yīng)用，代表人物是美國卡內(nèi)基―梅隆大學計算機科學系的Charles L.Forgy教授，1979年，他首次提出Rete算法。專家系統(tǒng)工具中一個核心部分是推理機，Rete算法能利用推理機的“時間冗余”特性和規(guī)則結(jié)構(gòu)的相似性，并通過保存中間運算結(jié)果的方法來提高推理的效率。1982年，他在《人工智能》雜志上發(fā)表《Rete算法：許多模式／多對象的模式匹配問題的一個快速算法》（《Rete:A Fast Algorithm for the Many Pattern/Many Object Pattern Match Problem》）一文，該文解釋了基本算法的概念，介紹了詳細的算法，描述了模式和適當?shù)膶ο蠼簧嫠惴ǎ⒄f明了模式匹配的執(zhí)行操作。

第三個是研究方向是專家系統(tǒng)在電力系統(tǒng)中的運用。世界各國的專家們開始熱衷于在電力生產(chǎn)的各個環(huán)節(jié)使用專家系統(tǒng)，代表人物有日本的福井賢、T.Sakaguchi、印度的Srinivasan D、美國伊利諾伊州研究所的Abdul-Rahman K.H、希臘雅典國立技術(shù)大學的Protopapas C.A、和中國的羅旭，他們在美國電氣和電子工程師協(xié)會的《電力傳輸》（《IEEE transactions on power delivery）會議刊及《電源設(shè)備系統(tǒng)》會議刊（《On Power Apparatus and Systems》）上發(fā)表了多篇有影響力的論文，內(nèi)容涉及系統(tǒng)恢復、電力需求預測、變電站故障診斷和報警處理等多方面。

這十年間，專家系統(tǒng)的研究不再滿足于用現(xiàn)有各種模型與專家系統(tǒng)進行簡單結(jié)合，形成基于某種模型的專家系統(tǒng)的固有模式。研究者們不斷探索更方便、更有效的方法，來解決困擾專家系統(tǒng)的知識獲取瓶頸、匹配沖突、組合爆炸等問題，而這也推動了研究不斷向深層次、新方向發(fā)展。但是，由于專家系統(tǒng)應(yīng)用的時間長、領(lǐng)域廣，他們遭遇的瓶頸問題一時得不到有效解決，導致了這一時期末，專家系統(tǒng)研究呈現(xiàn)出暫時的下滑現(xiàn)象。

5 專家系統(tǒng)發(fā)展趨勢分析

圖一發(fā)展曲線上第二個時間節(jié)點是1992年，從該年起專家系統(tǒng)相關(guān)論文呈下降趨勢，然后在2002年又開始緩慢增長，近一年多來又開始下降，這標志著專家系統(tǒng)研究在布滿荊棘的道路上前行，前景是光明的，但道路是曲折的。本文以5年為一個單位，統(tǒng)計了1990－2009年20年期間專家系統(tǒng)相關(guān)論文中高頻詞的變化情況，如表1所示，從該表可以獲得這個時期專家系統(tǒng)研究的一些特點。

（1）在1990-1999年期間，人工智能出現(xiàn)新的研究，由于網(wǎng)絡(luò)技術(shù)特別是國際互連網(wǎng)技術(shù)發(fā)展，人工智能開始由單個智能主體研究轉(zhuǎn)向基于網(wǎng)絡(luò)環(huán)境下的分布式人工智能研究，使人工智能更加實用，這給專家系統(tǒng)帶來了發(fā)展的希望。正因為如此，我們從詞頻上可以看出，人工智能（artificial intelligence）一詞在這十年一直位居前兩位，在專家系統(tǒng)研究中處于主導地位，而與其相關(guān)的知識表示（knowledge representation）、知識獲取(knowledge acquisition)等，也成為了學者們研究的重點方向。

（2）該時期的第二個特點是神經(jīng)網(wǎng)絡(luò)研究的復蘇。神經(jīng)網(wǎng)絡(luò)是通過模擬人腦的結(jié)構(gòu)和工作模式，使機器具有類似人類的智能，如機器學習、知識獲取、專家系統(tǒng)等。我們從詞頻上可以看出神經(jīng)網(wǎng)絡(luò)（neural network）一詞得以快速增長，1995年時位列第一，進入21世紀也是穩(wěn)居第二位，神經(jīng)網(wǎng)絡(luò)很好地解決了專家系統(tǒng)中知識獲取的瓶頸問題，能使專家系統(tǒng)具有自學習能力，它的出現(xiàn)為專家系統(tǒng)提供了一種新的解決途徑［6］，同時也顯示出他獨有的生機與活力。

（3）該時期是模糊邏輯的發(fā)展時期。模糊理論發(fā)展至今已接近三十余年，應(yīng)用范圍非常廣泛，它與專家系統(tǒng)相結(jié)合，在故障診斷、自然語言處理、自動翻譯、地震預測、工業(yè)設(shè)計等方面取得了眾多成果。我們從詞頻上可以看出，模糊邏輯（fuzzy logic）一詞，除在1990－1994年期間位居第六位外，之后都位居前三甲，2000-2004年期間更是位列第一。模糊控制與專家系統(tǒng)技術(shù)相結(jié)合，進一步提高了模糊控制器智能水平，這種控制方法既保持了基于規(guī)則的方法的價值和用模糊集處理帶來的靈活性，同時把專家系統(tǒng)技術(shù)的表達與利用知識的長處結(jié)合起來，能處理更廣泛的控制問題。

（4）故障診斷成為專家系統(tǒng)研究與應(yīng)用的又一重要領(lǐng)域。故障診斷專家系統(tǒng)的發(fā)展起始于20世紀70年代末,雖然時間不長,但在電路與數(shù)字電子設(shè)備、機電設(shè)備等各個領(lǐng)域已取得了令人矚目的成就,已成為當今世界研究的熱點之一。這從高頻詞分布可以開出，故障診斷（fault diagnosis）從1995-1999年間的最后一位攀升至2005-2009年間的第一位，足見其強大的生命力。在專家系統(tǒng)己有較深厚基礎(chǔ)的國家中，機械、電子設(shè)備的故障診斷專家系統(tǒng)已基本完成了研究和試驗的階段，開始進入廣泛應(yīng)用。

（5）遺傳算法的應(yīng)用逐漸增多。20世紀90年代，遺傳算法迎來了發(fā)展時期，無論是理論研究還是應(yīng)用研究都成了十分熱門的課題。尤其是遺傳算法的應(yīng)用研究顯得格外活躍，不但應(yīng)用領(lǐng)域擴大，而且利用遺傳算法進行優(yōu)化和規(guī)則學習的能力也顯著提高。進入21世紀，遺傳算法的應(yīng)用研究已從初期的組合優(yōu)化求解擴展到了許多更新、更工程化的應(yīng)用方面。這在高頻詞分布中可以看出，以2000作為臨界點，遺傳算法（genetic algorithms）從20世紀90年代的10名之后，到位于高頻詞前六強之中，充分反映出它發(fā)展的良好勢頭。

6 小 結(jié)

專家系統(tǒng)是20世紀下半葉發(fā)展起來的重大技術(shù)之一，它不僅是高技術(shù)的標志，而且有著重大的經(jīng)濟效益?！爸R工程之父”E.Feignbaum在對世界許多國家和地區(qū)的專家系統(tǒng)應(yīng)用情況進行調(diào)查后指出：幾乎所有的ES都至少將人的工作效率提高10倍，有的能提高100倍，甚至300倍［7］。

專家系統(tǒng)技術(shù)能夠使專家的專長不受時間和空間的限制，以便推廣稀缺的專家知識和經(jīng)驗；同時，專家系統(tǒng)能促進各領(lǐng)域的發(fā)展，是各領(lǐng)域?qū)＜覍I(yè)知識和經(jīng)驗的總結(jié)和提煉。

專家系統(tǒng)發(fā)展的近期目標，是建造能用于代替人類高級腦力勞動的專家系統(tǒng)；遠期目標是探究人類智能和機器智能的基本原理，研究用自動機模擬人類的思維過程和智能行為，這幾乎涉及自然科學和社會科學的所有學科，遠遠超出了計算機科學的范疇。

隨著人工智能應(yīng)用方法的日漸成熟，專家系統(tǒng)的應(yīng)用領(lǐng)域也不斷擴大。有人類活動的地方，必將有智能技術(shù)包括專家系統(tǒng)的應(yīng)用，專家系統(tǒng)將成為21世紀人類進行智能管理與決策的工具與助手。

參考文獻

［1］百度百科［EB］.http:∥baike.省略/view/2130.htm．

［2］黃可鳴.專家系統(tǒng)二十年［J］.計算機科學，1986，（4）：26-37.

［3］路耀華.思維模擬與知識工程［M］.北京：清華大學出版社，1997．

［4］趙致琢.專家系統(tǒng)研究［J］.貴州大學學報：自然科學版，1990，（6）：40-48.

［5］鄒光宇.專家系統(tǒng)發(fā)展現(xiàn)狀及其應(yīng)用前景［J］.電力勘測，1994，（3）：21-26.