智能科學與技術論文
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篇智能科學與技術論文范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。
智能科學與技術論文范文第1篇
關鍵詞:智能科學基礎;系列課程;國家級教學團隊;改革;建設
在國家教育部質量工程的支持下,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系列課程教學團隊[4]等進行持之以恒的改革與建設,取得一些成果。
“智能科學基礎系列課程教學團隊”的教學隊伍是一支由國家級教學名師領銜[5],知識結構、梯隊結構和年齡結構比較合理,具有明顯的學科優勢、課程優勢、人才優勢和教學科研優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、智能控制導論、機器人學、專家系統等本科基礎和專業基礎課程,碩士學位課程人工智能、智能控制和機器人控制技術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原理與應用的教學。
教學團隊在建設過程中,注重教學改革,加大課程建設和教材建設力度,不斷改進教學方法,在課程改革、教材建設、教學手段、隊伍建設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的相關理念與實踐問題加以總結,談談我們的見解。
1創新教學方法
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新,虛心學習國內外先進教學經驗和方法,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,發揮獨立思考和創新思維,多方位培養學生發現問題、分析問題和解決問題的能力。我們在教學過程中應用了課堂演示、課堂互動、課堂辯論、課后網絡教學、網絡實驗等一系列現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,理論聯系實際,為畢業后的工作學習打下良好基礎。具體措施如下:
1) 舉行課堂討論會,營造自由探索氛圍。
為調動學生的積極性,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,培養學生的研究能力,真正實現師生互動,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,激發了學習潛能,明確了學習目標。課程中還經常請來在科研工作中擔任主要任務的教授和博士生來給學生介紹最前沿的科學動態,激發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。
2) 倡導啟發式教學,培養學生學習能力。
注意采用面向問題的啟發式方法進行教學,啟發學生求解問題能力,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言后老師點評等。此外,師生通過互聯網進行交互,方式包括Email、BBS和QQ談和交換文件等。
根據學生的興趣和創新潛力,對有專業特長的本科生,在自愿情況下,挑選2～3名參與國家級項目研究工作,進行中長期培養試點,實現本科培養過程與碩士、博士研究生培養過程的銜接。
3) 增強課程實驗教學環節,籌建智能專業實驗室。
智能科學基礎課程的概念性較強,初學者感到比較抽象,而實驗教學又是薄弱環節。因此,結合學生實際情況,我們對實踐教學環節十分重視,設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、專家系統實驗、機器人學實驗、人工智能課程設計等。對相關課程的原有實驗,我們也進行了一些改革,增設了個性化的實驗,使得學生的實驗數據和實驗結果分析既有格式要求,又給學生報告自己研究的過程和結果留有空間。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,學生能夠理論聯系實際,驗證所學理論知識和概念,加深理解,充分調動了學生的學習積極性,培養了他們的創造能力。
除課堂實驗外,我們還充分發揮虛擬實驗的優點,設計了網絡虛擬實驗,讓學生在課外上網練習。通過虛擬實驗,學生可以了解算法的具體運行過程,調整參數和過程,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。
結合科研,購進和自制部分新設備、新系統,計劃建設智能專業實驗室,為教學提供更多的優良實驗設備。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、大學生創新性實驗計劃及創新教育計劃項目等,取得優秀成果。
2推進課程改革
教學改革是課程建設和學科發展的生命線。我們把國家級精品課程和全國雙語教學示范課程放在優先建設的位置,并以它們帶動其他課程建設,完善系列課程建設,同時新辦了智能科學與技術專業。
2.1搞好精品課程建設,改進雙語示范課程教學,穩步推進系列課程建設
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,更新精品課程網站,豐富課程內容。為了及時反映上述課程中相關科學技術的最新進展,我們調整了教學體系和教學內容,修訂了教學大綱,并對教學內容進一步優化和更新,極大充實了各課程教學內容。同時,通過校際教學活動和網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,完善和拓展課程體系,在總結現有精品課程的建設經驗的基礎上,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、數據結構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,并對一些關鍵詞同時用漢語和英語表示。對部分章節或某個專題,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教學內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,根據這一點來適時調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課程到專業基礎課程,再到專業實踐課程,形成了配置合理、特色鮮明、循序漸進、優勢互補、協調發展的智能科學與技術學科從基礎到應用的系列課程體系。
2.2新辦智能科學與技術專業
智能科學與技術是當代科技發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能力[12]。我校的智能科學與技術學科方向經過近20年的發展,已形成了具有自身優勢和特點的學科,在國內具有一定的知名度和優勢。為了促進智能科學與技術學科的發展,經過多年積極準備,我們于2009年申報了智能科學與技術專業并獲得教育部批準。通過向兄弟學校學習調研,了解該專業人才需求、專業建設規劃,設定適應培養目標的教學計劃與課程設置方案。雖然我們開辦“智能科學與技術”專業較晚,但我們從2002年開始,就一直關注和積極參與國內智能科學的學科的討論與新專業籌備工作[13]。
我校于2009年申報獲準,在自動化專業增設了智能科學與技術專業方向,目前已招收2屆學生共84人。我們為選讀智能科學與技術本科專業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。
創建與建設智能科學與技術新專業,將為智能科學基礎系列課程教學建設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建設和課程建設提供一個新的增長點。我們將以智能科學與技術專業建設為契機,虛心學習兄弟學校的專業建設的做法和經驗,進一步規范智能科學與技術的基礎課程教學,讓智能科學基礎課程教學建設登上一個新的臺階。
3加強教材建設
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量。在教學過程中,我們與時俱進,對教學內容不斷優化與更新,精益求精地編寫反映學科發展的教材[14]。
我們對原有編寫出版的教材進行修訂,反映新世紀學科發展水平和發展趨向,以適應教改需要。把這些最新內容用于教學,使學生了解到國際前沿動態和本學科的最新成果。
以相關系列課程為平臺,注重教材配套,服務因材施教,著眼長遠教材建設。僅2007年以來我們已出版的相關教材及專著如下:
《智能控制原理與應用》,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》,國家級教學團隊配套教材,2009;《人工智能及其應用》,第四版,國家級“十一五”規劃教材,國家精品課程配套教材,2010;《人工智能基礎》,第二版,國家級“十一五”規劃教材,國家精品課程配套教材,2010;《移動機器人協同理論與技術》,2010。
4優化隊伍結構
師資隊伍建設是團隊建設的源頭,沒有一流的教師隊伍就沒有一流的教學團隊。在師資隊伍建設上,我們一直采取引進優秀人才和在職培養相結合的做法。對于人才的引進主要通過辦專業和辦學科點等方式吸引人才,還通過創造教學和科研條件,穩定教師隊伍,解決個人的發展問題。
采取有效措施,提高主講教師的學術積累和教學水平。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,提高學術水平。二是派中青年教師赴國外研修訪問,了解和學習發達國家同類課程的先進教學經驗、相關課程設置情況與發展趨勢,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,為了提高青年教師的教學素質,我們實施并完善了一系列管理措施和制度。
1) 設立名師工作室,實現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,可以有業務方面的指導,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容,更重要的是使年輕教師學到了老教師的教學方法和經驗,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的同時,增進與全國相關高校和教學團隊的交流,學習兄弟團隊的建設經驗,在課程示范、教材推廣、網絡資源輻射等方面發揮積極作用。我們還開展校內合作,聯合不同院系進行教學和精品課程的申報與建設,在校內推廣改革成果;發表了一系列教改論文;發起籌備《全國智能科學技術課程教學研討會》;邀請企業界科技精英做本科生就業指導相關報告。
1) 增進校際交流,發揮輻射作用。
我們經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、中國礦業大學、北京科技大學、清華大學等校就智能科學技術課程的教學、教改和建設問題作專題報告,在兄弟院校師生中引起熱烈反響。已有數以百計的高等院校采用我們編著的教材和網絡課程進行教學,國內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的課程教案、課程演示和網絡課程相關資料等,我們一直盡力地搞好推廣和服務工作。
2) 撰寫課程改革論文,進行國內外交流。
本團隊成員僅近一年多來,就在中國教育開放資源網、中國人工智能學會13屆年會、計算機教育、高等理科教育、計算機與現代化等會議及刊物上發表10篇教改論文,在國內外進行交流,起到介紹情況,交流信息和經驗的積極作用。
3) 籌備全國相關課程教學研討會。
為了更好地交流經驗,擴大影響和輻射作用,我們發起并聯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委員會、中國人工智能學會智能機器人專業委員會、中國自動化學會智能自動化專業委員會、中國人工智能學會人工智能基礎專業委員會,籌備召開了首屆《全國智能科學技術課程教學研討會》[15]。圍繞各個學校在智能科學與技術本科專業的課程改革與建設、課程和專業教學計劃制定和未來發展設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驗,并盡可能匯報我們的經驗。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于立項建設國家級教學團隊、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[J]. 中國大學教學,2004(1):28-29.
[9] 陳愛斌,肖曉明,魏世勇,等. 智能控制的學科發展與學科教育[J]. 現代大學教育,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. 我國智能科學技術教育的現狀與思考[J]. 計算機教育,2009(11):10-14.
[13] 蔡自興,賀漢根. 智能科學發展的若干問題[C]//中國自動化領域發展戰略高層學術研討會論文集. 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)
智能科學與技術論文范文第2篇
關鍵詞：智能科學與技術；課程體系；培養管理
1背景
智能科學與技術是當前科學研究和工程實踐的理論與技術發展的前沿領域，智能科學與技術專業是一個多學科交叉的跨應用領域專業Ⅲ。智能科學技術的發展將把整個信息科學技術推向“智能化”的高度，這正是當代科學技術發展的大趨勢，對于這方面人才的需求也越來越迫切。智能科學與技術培養掌握堅實智能科學與技術基本理論和系統專門知識，具備作為工程師或領導者及公民的良好人文修養，具有從事科學研究、工程設計、教學工作或獨立擔負本專業技術工作能力，深入了解國內外智能科學與技術領域新技術和發展動向，能結合與本學科有關的實際問題進行創新研究或工程設計的高級專門人才。
高校應穩妥發展與完善智能科學與技術專業的本科生教育，夯實本科教育基礎并積極創造條件，大力開展創新教學，努力培養學生的創新意識、創新精神和工程實踐能力，使之成為具有系統技術基礎理論、專業知識和基本技能，良好科研素質和較強創造能力的智能科學與技術工程師。
2教學計劃與教學管理分析
智能科學與技術屬于計算機類專業，其必修課程設計原則是使學生具備計算機科學與工程的基礎理論知識，尤其是大類專業招生教學的院校，通識課程主要是數學、物理文化基礎，強調扎實的自然科學基礎。專業教學的特色體現在專業必修和專業選修課程，專業必修課一般分為數學基礎和專業課程。計算機類專業數學基礎課程一般包括線性代數、微積分、離散數學、微分方程、概率與統計、數值計算等；專業課程一般包括程序設計基礎、高等程序設計、數據結構、操作系統、計算機組成與結構、數字電路與邏輯設計等。
2.1學分
本科培養計劃的學分中，國內外大學學分總數趨勢是逐步減少，追求少而精。國內院校一般在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展空間。新生入校后不分專業、不分學院。除了醫學院和法學院學生需要經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，并且選擇專業后允許更改，只要畢業時滿足專業培養方案即可。
國內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、專業培養和特殊培養3類，前兩年不分專業，按學科分類集中培養。
臺灣的大學專業也是按大類完成前期的基礎課程，再分小專業完成各學程，包括基礎課、核心課和進階課。
教學分組是現在的主流課程架構，也是體現專業方向的主要形式，分組課程是體現專業特色的課程組。國內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、學分學程。
2.3實驗與實踐教學
計算機類專業各大院校都強調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論證為目標，怎樣使教學目標達到畢業要求是關鍵。做中學是主流實驗教學方式，尤其是美國的大學，大作業體現的是實驗與理論教學的結合，是考查學生是否理解理論知識的重要途徑。學生不僅能夠學習扎實的數學和計算機專業知識，還進行大量的實踐創新訓練。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新性教學模式。例如，斯坦福大學程序設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，針對不同的任務，要求學生用不同的語言實現，使學生加深理解各類編程語言的應用場合；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門方向學科和1門關于該方向的實驗課、2門專業拓展課。
3智能科學與技術課程體系分析
智能科學與技術課程體系在智能基礎理論研究的基礎上，需要安排基礎性、通用性、關鍵性的智能技術研究，主要包括感知技術和信息融合技術；自然語言處理與理解技術；知識處理（認識）技術，包括知識提煉、知識分類、知識表示技術等；機器學習技術，特別是統計與規則相結合的學習技術；決策技術，即知識演繹技術特別是不確定推理技術等；策略執行技術，即控制與調節技術；智能機器人技術，特別是面向專門領域的智能機器人技術；智能機器人之間的合作技術；基于自然語言理解的智能人機交互與合作技術；智能信息網絡技術。
國內最早創辦智能科學與技術專業的學校包括北京大學，西安電子科技大學是第2批開始培養智能專業學生的院校。北京大學的本科教學計劃中，專業必修課程（2分）包括：①專業數學/理論基礎（15學分）：算法分析與設計、集合論與圖論、概率統計A、代數結構與組合數學、數理邏輯；②硬件與系統基礎（分）：數字邏輯設計、微機原理和信號與系統；③智能基礎（5學分）：腦與認知科學與人工智能基礎。專業限選課程（15學分）包括信息論基礎、計算方法B、數字邏輯設計實驗、微機實驗、數據結構與算法實習、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個專業方向推薦專業課組合，自行選擇，至少選修20學分的智能專業課程。公共核心+專業方向+新技術及其他：①公共核心課程（分）：智能科學技術導論、模式識別基礎、生物信息處理、智能信息處理；②專業方向課程（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、新技術及其他。
西安電子科技大學智能專業主要課程包括電路分析理論、信號與系統、數字信號處理、數字電路及邏輯設計、模擬電子技術基礎、微機原理與系統設計、數據結構、軟件工程、人工智能概論、算法設計與分析、最優化理論與方法、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、移動通信與智能技術、智能控制導論、智能數據挖掘、網絡信息檢索、智能系統平臺專業實驗等課程及30多門選修課程。
建議各學校可以根據學院教學特色與實際需求，設計專業核心課程。北京大學偏重“信息處理”，湖南大學偏重“智能系統”，但需要強調的一個前提就是智能科學與技術專業屬于大計算機類，更需要大EECS專業的基礎。編程、電路、數學、數據結構、計算機系統這五大核心基礎就是大EECS；其次是專業，計算機以系統結構、操作系統、網絡、編譯、數據庫五大經典專業核心課為主，湖南大學的智能科學與技術專業強調系統，因此信號與系統、操作系統、嵌入式系統、人工智能是最基本的專業核心課，然后再分不同的分支。湖南大學智能科學與技術專業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、智能數據挖掘、機器人學等；研究學位課程包括模式識別、人工智能等，主要體現為智能科學與技術基礎（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、智能數據挖掘）和應用（機器人學）。
4結語
（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計和面向對象程式設計兩科皆不及格者不得修數據結構與算法概論，若數據結構不及格不能修算法設計課程等。
（2）程序設計類課程用上機程序能力考試來設置合格條件，如臺灣交通大學基礎程式設計及格條件為通過“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認定后代替的。
（4）精煉的課程教學。核心課程應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學和計算機專業知識后，都需要進行大量的實踐創新訓練。
智能科學與技術論文范文第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，結合大連東軟信息學院推行的TOPCARES-CDIO人才培養目標體系和電子工程系智能科學與技術專業特點，提出構建培養學生創新、溝通、工程推理與解決實際問題等能力的專業人才培養方案。
關鍵詞 ：CDIO；專業人才培養；智能科學與技術；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模式改革試點專業項目(G2201249)。
第一作者簡介：周國順，男，教授，研究方向為嵌入式系統，zhouguoshun@neusoft．edu．cn。
0 引 言
專業人才培養方案是專業建設的根本性文件，主要由專業基本信息、學制與學位、專業人才培養目標、課程體系、培養計劃安排及學時學分要求等內容組成。為了能夠適應當前國民經濟發展的需要，高校有必要對相關學科的專業培養方案進行改革。專業培養方案應該適當加強對工科學生創新設計與實踐能力培養的要求，廣泛調研專業相關企事業用人單位的崗位需求，適當增加符合專業發展趨勢的專業拓展、前沿課程。大連東軟信息學院電子工程系智能科學與技術專業依靠具有豐富的智能產品研發、工程設計、工程實施經驗的師資隊伍和CDIO工程環境，對本專業人才培養方案進行了基于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學生具有在工程、產品開發團隊中構思一設計一實施一運行復雜、高附加值產品或過程與系統的能力，通過大學本科的教育與實踐，成為一名具有基本工程創新及設計能力、整裝待發的工程師。為此，教師必須改變傳統工程教育重理論、輕實踐、理論與實踐脫節的教學方式，補充對工程教育至關重要的個人素養、團隊合作與系統構建能力培養的教學內容。
傳統的教與學是建立在布魯納的“認知一發現說”、奧蘇伯爾的“有意義言語學習理論”和加涅的“認知學習理論”基礎上的。大多數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。多數學生雖然會關注理論知識在實踐中運用的問題，但是也常常只為應付考試而去記憶工程理論。考試結束，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辦獨具特色的、培養應用型人才的國內一流應用型大學的目標，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-構思、Design-設計、Implement-實現、Operate-運行）教育教學理念，提出TOPCARES-CDIO人才培養目標體系。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驗學習。主動學習是讓學生在參與學習活動時發現問題、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。經驗學習是讓學生在模擬工程師和工程實踐的環境下進行學習，包括基于項目的學習、仿真、案例分析與設計實現。
評估與評價是衡量學生對規定學習內容完成程度的判斷。傳統的教學評價基本上是以筆試成績為標準的，很難評價學生的工程、產品及過程構建能力。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、項目成果演示、書面報告等。教師可根據一系列考核成績，對教學大綱及教學方法進行持續的改進和完善，這就構成一個工程教學的閉環控制系統。
2 智能科學與技術專業人才培養方案改革
教師應遵循高等教育教學規律，貫徹落實“國家中長期教育改革和發展規劃綱要（2010-2020年）”精神，以TOPCARES-CDIO教育理念和方法為指導，以培養高素質應用型高級專門人才為目標，以當前“萬眾創新、大眾創業”理念為契機，努力為學生構建合理的知識、能力、素質結構，結合智能行業的新理論、新技術、新工具、新產品更新課程體系與教學內容，強化創新精神和工程實踐能力培養，促進學生的全面發展。
2.1 以知識、能力、素質培養為核心，以項目為導向，構建一體化專業人才培養方案
1)以社會和行業需求為背景，準確定位專業人才培養目標。
教師應深入開展專業調研工作，基于TOPCATES-CDIO人才培養目標體系框架，綜合分析應用型人才的通用標準、行業標準、學校標準和專業標準，構建和確定本專業人才培養的目標和能力培養的具體要求，培養掌握智能信息處理與識別、自動控制方法等方面基礎知識，具備信息處理系統軟硬件平臺開發、自動控制系統設計、人工智能系統開發等基本能力，具有開放式思維與創新能力和較強個人職業能力與團隊合作能力，樹立正確價值觀、態度端正、習慣良好、有責任感的，能在智能醫療設備、多媒體信息處理、工業機械控制、機器人、人工智能等智能科學與技術學科相關的專業領域從事智能產品開發、系統測試、技術支持等工作的應用型高級專門人才。
在專業教育階段，教師可跟蹤專業和產業新理論、新技術、新工具、新產品的要求，通過開設專業特色課和專業拓展課，將創新、創業融入專業教育，培養學生的相應知識和技能。專業課程分類見表1。
2)以項目為導向，構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。為達到專業培養目標和完成壓頂石項目，學生必須具有三大核心應用能力：智能傳感與檢測技術能力，智能機器人傳動、驅動技術能力和智能機器人系統技術能力。專業核心能力對壓頂石項目的支撐關系如圖1所示。
依據專業人才培養目標，教師應以專業核心應用能力培養為主線，面向行業、服務產業、突出應用，以項目訓練為導向，系統構建課程與項目相結合，知識、能力、素質同步培養的一體化課程體系，形成課程培養目標、項目培養目標與專業培養目標的相互對應和支撐。專業課程體系如圖2所示。
3)以能力培養為本，構建一體化的實踐教學體系。
智能科學與技術專業依據專業能力培養目標，以能力為本，以項目為載體，采用“學中做”和“做中學”的方法，統籌安排基礎實踐、專業實踐、創新訓練與實踐、創業訓練與實踐、綜合實訓與實踐、畢業設計（論文）與企業實踐等循序漸進的實踐教學環節，使實踐訓練內容逐級遞進、逐步深化，將實踐學期實訓內容與理論學期的教學內容緊密銜接，形成理論與實踐相結合、課內與課外相結合、學校與企業相結合，貫穿本科教育全程的一體化實踐教學體系。專業培養方案中采用自頂而下的方式設計各級項目。一級項目（壓頂石項目）的設計直接針對專業培養目標，二級和三級項目是一級項目培養能力的分解。專業課程體系中的實踐項目設計如圖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的延伸與擴展將對應二級項目的一部分。專業項目設置見表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設計的恐懼感，令學生從容應對工程項目的挑戰。
4)創新素質教育，提升學生的綜合能力。
教師需將素質教育項目納入專業人才培養方案，明確學分要求、內容安排、組織方式及考核評價標準。構建與專業教育相呼應的集校、系兩級項目和專業團隊項目為一體的素質教育項目體系，加強學生職業素質、書面表達能力、溝通交流能力、團隊協作能力、實踐能力的培養，全面提升學生的綜合能力。
2.2 “實用化、個性化、國際化”人才培養特色
1)優化專業結構，凝練實用化專業特色。
智能科學與技術專業依據辦學定位、培養目標、服務面向和行業需求，認真梳理和凝練專業特色，提高專業建設質量和水平。
本專業開設了有別于其他高校智能科學與技術專業的特色課程，如智能傳感與檢測技術、智能機器人、智能終端應用開發等。通過學習這些課程，學生能夠掌握智能科學行業前沿的技術與能力，在就業市場上處于有利位置；以強化職業崗位技能訓練、提高工程實踐能力為目標，依托業界先進的機器人實驗室設計課程體系，使畢業生具有智能科學領域由硬件到軟件的設計能力和實際開發經驗。
2)優化課程體系結構，科學設置專業課程。
本專業立足教育教學的全過程，處理好基礎與專業、必修與選修、課內與課外、理論與實踐、專業教育與素質教育的關系，按照整體優化、加強能力、提高素質的思路精心設計教學實踐環節；通過設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。
教師需根據學生的學習基礎和個性化需求，實施分類教學、分級教學、分層次教學、分方向培養；通過彈性學制、選課制、主輔修制、重修制、學業導師制、學分替換、實踐獎勵學分等方式，把共性與個性、統一性與差異性、規范性與靈活性有機結合，突出“實用化、個性化、國際化”的人才培養特色。
2.3 以產學融合為途徑，創新人才培養模式
1)校企合作建設課程資源。
高校應加強與相關企業的深度合作，通過承接企業項目，將實際案例和項目引入課程，對學生進行實際項目開發、項目規范流程和創新能力培養；根據行業和職業崗位需求，有針對性地將企業認證課程納入課程體系；通過與企業共建校內外實習、實踐基地，建設真實或仿真實踐環境，將企業實習、實訓、頂崗等實踐環節列入培養方案，并根據行業和企業的實際需要，有計劃地開展定制式的人才培養。
2)校企融合實施卓越計劃。
學校應充分發揮源于企業的辦學體制、產學融合的育人機制；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上，進一步深化人才培養模式改革；按照卓越工程師人才培養的改革思路，對人才培養方案的校內培養與企業培養進行一體化設計與實施的探索，逐步形成具有“TOPCARES-CDIO”特色的IT應用型卓越工程師培養模式。
3 結語
智能科學與技術專業實施CDIO人才培養模式改革以來，學生的工程實踐能力、團隊合作能力和創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。基于CDIO工程教育模式，系統實施以知識、能力、素質培養為核心，以項目為導向的一體化人才培養方案及產學融合的創新人才培養方式，既能保證學生獲得先進的智能科學與技術專業知識與技能，又能系統地培養學生的創新能力和職業素養，對于智能科學與技術專業培養出適應社會需求的應用型創新人才具有重大實踐意義。通過以上智能科學與技術專業培養方案的改革與實踐，大連東軟信息學院電子工程系智能科學與技術專業今后將繼續發揚、倡導CDIO工程化教育方法，持續完善專業培養方案，為把本專業建設成為有特色、高水平、創新創業應用型專業而繼續努力。
參考文獻：
[1]孫曉凌，溫濤，郭權．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的一體化人才培養模式探索與實踐[J]．計算機教育，2010(11): 23-30。
智能科學與技術論文范文第4篇
關鍵詞:專家系統;課程建設;教學改革;實驗教學;CLIPS
“專家系統”課程是本科專業“智能科學與技術”的特色課程之一,該專業是由北京大學在2004年率先自主建立的[1]。此后,國內很多大學也都陸續基于各自的特色建設開設了該專業,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。基于一個新興本科專業設立的專業基礎特色課程,應該如何建設,實施教學與改革,突出專業特色?各類學校都在摸索中。中南大學的“專家系統”課程是國家級“智能科學基礎系列課程教學團隊”主干課程之一,它由國家級教學名師領銜,以雙語建設為教學基本手段,以精品意識為指導[2],培養學生自主創新意識,發掘學生興趣潛能,非常具有專業特色。
1課程建設情況
專家系統使用人類專家推理的計算機模型處理現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]。我們結合專家系統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教學的理論基礎[5-6],根據智能科學與技術系列課程教研經驗,融合雙語教學方式,初步提出課程定位和建設目標,給出了教學基本要求。
1.1課程定位與建設目標
在學習本課程之前,學生最好已經選修過離散數學、人工智能和面向對象的程序設計課程,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”還可作為自動化、計算機科學與技術等相關專業有興趣的學生的選修課程。可為學生提供一種新的手段和方法求解傳統方法難解問題,也為學生們了解智能科學與技術領域知識提供良好的窗口。
專家系統成為智能科學與技術本科專業的專業基礎課程,目的在于培養學生理解和掌握專家系統技術的基本觀念、基本理論和智能科學方法;并靈活設計和構建不同領域的專家系統,解決實際問題,為學習后續課程奠定方法基礎。通過教學過程,培養學生善于分析繼承已有的科學進步成果、激勵學生善于發現問題、分析問題和解決問題的自主科學創新精神。
1.2課程教材設計
本校專家系統課程選用了蔡自興編寫的《高級專家系統:原理、設計及應用》[3]一書,該教材包括專家系統的基本理論、技術方法和實際應用的諸多內容,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出版社出版的《決策支持與專家系統實驗教程》一書,主要利用了同時,根據雙語教學的要求,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出版社出版的《決策支持與專家系統實驗教程》一書。主要利用了該書后半部分內容。目前,國內基于CLIPS的“專家系統”實驗教學教材在國內幾乎沒有容,專家系統課程實驗及其教材建設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的相關原理和方法,。要求學生掌握知識表示方法、搜索推理技術的相關內容,熟悉和了解常見的專家系統解釋機制、開發工具和評估方法,學會基于規則專家系統、基于框架的專家系統、基于模型的專家系統和基于Web專家系統的結構建立和應用,掌握專家系統的常用編程語言――CLIPS,了解專家系統的發展趨勢和研究課題。經過對專家系統課程知識內容進行分類,可分為以下6個模塊,如表1所示。。
經過對專家系統課程知識內容進行分類,可分為以下6個模塊,如表1所示。
模塊一專家系統的定義、發展歷史、研究內容、類型、結構和特點以及構建步驟;。
模塊二熟悉專家系統時可能采用的人工智能的知識表示方法和搜索推理技術,結合傳統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的解釋機制、開發工具和評估方法;。
模塊四熟悉基于規則專家系統、基于框架的專家系統、基于模型的專家系統和基于Web專家系統的結構、推理技術、設計方法及應用示例;。
模塊五掌握人工智能和專家系統的編程語言――CLIPS,了解其他LISP,PROLOG和關系數據操作語言等;。
模塊六展望專家系統的發展趨勢和研究課題,并了解新型專家系統的特征與示例。
從教學要求角度出發,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技術的必備知識模塊。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設計需通過模塊五而實現的。
從教學內容的重難點角度出發,模塊二是重點部分之一,但因有人工智能課程的基礎,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,在實驗教學環節中,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。
2專家系統課程教學改革實施
2.1基于多媒體的專家系統課程教學
教學應以學習者為中心,以先進教育技術為手段,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],而視聽覺的協同作業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。多媒體教學的關鍵實施內容就是教學設計,而教學設計的難點就是在不增加學生信息加工系統中工作記憶負荷的前提下,用促進生成的方式呈現學習材料,包括教材、課件、講義、課堂講解、課后習題等。
結合專家系統課程教學情況,教學設計分為以下3個方面進行詳盡闡述:。
1) 把握好課堂教學知識量。
專家系統課程相對智能科學與技術專業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構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,把握學習材料內在負荷。學習材料并非越多越好,關鍵在于精華,給學生留下深刻印象。“專家系統”課堂教授部分以原理性與推理性知識為主,應增加實踐技術實例,這樣讓學生緊密聯系實際應用進行學習,。多媒體視頻就是一個很好的表現手段。將制作好的實例視頻,向學生們展示,不但讓課程氛圍活躍,還激發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形式。
專家系統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工具方能使學生做到靈活應用。經過教學實踐與課后調查發現,學生們對知識表述與相關畫面共同呈現的形式比單一媒體呈現形式學習效果好,知識和畫面也必須是關聯的,呈現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節,,它是多媒體中聯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。
專家系統課程知識可分為表示性知識與推理技術性知識,根據相關認知心理學理論,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。其實就是關于“是什么”的知識,包括對事實,規則,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形式簡介推測的知識稱為程序性知識,而現代認知心理學為程序性知識以產生式及產生式系統來表征的。所以可將陳述性知識采用“專家系統”中的語義網絡形式為基礎地表征,而程序性知識的表征形式可用“專家系統”中的產生式系統,以“ifthen”形式表示條件這一關系。眾多形式的產生式規則相互聯系就組成了復雜的產生式系統。基于認知理論的“專家系統”知識教學實施過程中,首先應選定系統設計內容,掌握開發系統時所需的知識與工具,;其次分析問題,并根據系統的具體特征轉化知識。而后;接著對問題模型進行求解,建立和構造知識庫,;最后,利用實現工具編寫代碼,系統聯調。
2.2專家系統課程雙語教學的實施
專家系統課程是信息學科新興發展的一門課程,有許多關鍵性進展相關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。也可培養學生主動學習的積極性和創新能力,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。專家系統的雙語教材已在1.2中介紹,但實驗教材的設計與編寫工作現仍處于空缺,這也是雙語教學的需完善的內容工作之一。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,應充分發揮多媒體先進教學手段對專業術語和難以理解的內容,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,開發雙語課件外,還應使學生接觸國內外文獻資料,開闊眼界,拓寬知識面,強化雙語的意識,激發學生主觀能動性,使學生找到課程學習的歸屬感。
2.3改革“專家系統”課程實時交互活動
專家系統課程是一門理論與實踐關系密切的課程之一,課堂留下的作業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。根據此特點,改革傳統的作業形式與批審方法可節約反饋時間,同時可實現“低碳無紙化”辦公。利用網絡進行作業上交,教師批閱后通過網絡及時返回給學生,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。
針對多校區的現狀,我們利用網絡教學資源,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,實現只要老師在實驗室,學生在任何有網絡終端PC機處,就能進行了實時交流或批改作業。避免了學生為了課后的困惑問題積壓至下一堂課的矛盾,同時也節約了學生往返路程上耗費的時間。
為了進一步體現教學效果,我們下一步擬進行考試方式的變革,應綜合考慮課堂出勤情況、平時正式作業成績、課堂討論情況和期末課程考試進行綜合評分。還應考慮以雙語形式進行筆試,當面交卷后進行雙語發問。若有課程論文或創新作品表現突出者,可免參加最后的課程考試。使考試不再是學生的負擔,而成為衡量與培養創新能力。和口試。
3基于CLIPS的專家系統實驗教學
3.1專家系統與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)開發的一種專家系統工具,由C語言編寫而成。早期的專家系統工具大都用LISP、Prolog等編程語言開發,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合使用等。
3.1專家系統與CLIPS語言
專家系統與傳統的計算機程序系統有著完全不同的體系結構,通常它由知識庫、推理機、綜合數據庫、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的整個組成。CLIPS可為基于規則、面向對象以及過程的編程提供支持(rule-based, object-oriented, and procedural programming)。
以基于規則的專家系統利用CLIPS工具編程作為實例闡述。在CLIPS中找到專家系統基礎的組成部分――Fact List、Knowledge Base、Inference Engine。Fact List中存放用于推理的事實,而Knowledge Base包含所有的規則,Inference Engine控制所有的進程。圖1所示為專家系統框架示意圖。專家系統中最核心的就是知識庫,知識庫中包含了大量某個領域專家的知識。,為了使計算機能運用專家的領域知識,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生式規則、語義網絡、框架、狀態空間、邏輯模式、腳本、過程、面向對象等。基于規則的產生式系統是目前實現知識運用最基本的方法。
3.2專家系統實驗教學內容
通過CLIPS軟件環境提供了的驗證性、設計性和開發性實驗,幫助學生更好地熟悉和掌握專家系統的基本原理和方法;,通過實驗提高學生總結實驗結果的能力,使之對專家系統的相關理論有更深刻的認識。實驗內容如表2所示:。
其中,實驗1為實驗2的基礎,這兩個實驗應與講授課程穿插,使得學生利用課堂學到的理論聯系實際實驗操作,通過這兩個實驗的學習能夠掌握專家系統的開發過程、掌握用產生式規則繪制推理樹的方法、掌握、編寫CLIPS應用程序的方法以及程序運行環境的應用等。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專家系統的代碼應是經典的學習內容,通過該實驗培養學生獨立分析與開發完整的專家系統的能力。
3.3實驗教學實例分析
1) 實驗目的: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,深入理解專家系統的編程技巧,加深對專家系統的認識和理解。
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,如果野人的人數大于牧師的人數,那么牧師就會有危險。
假設問題的初始狀態和目標狀態,假設和分為1岸和2岸: 。
初始狀態: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: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經中間的一系列狀態達到目標狀態。問題狀態的改變是通過劃船渡河來引發的,所以合理的渡河操作就成了通常所說的(算符)就是問題求解的關鍵。,根據題目要求,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,。本程序采用深度優先搜索,通過不斷擴展后繼結點節點,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點,看看是否有其它其他兄弟節點可以擴展。
搜索中采用的一些規則如下:
(1.) 渡船優先規則:1岸一次運走的人越多越好(即1岸運多人優先),同時野人優先運走;2岸一次運走的人越少越好(即2岸運少人優先),同時傳教士優先運走;。
(2.) 不能重復上次渡船操作,避免進入死循環。;
(3.)任何時候 河兩邊兩岸的野人和牧師數在任何時候均分別大于等于0且小于等于3;
(4.) 由于只是找出最優解,所以當找到某一算符(當前最優先的)滿足操作條件后,不再搜索其兄弟節點,而是直接載入鏈表。
(5.) 若擴展某節點a的時候,沒有找到合適子節點,則從鏈表中返回節點a的父節點b,從上次已經選擇了的算符之后的算符中找最優先的算符繼續擴展b。
通過實驗教學過程中的專家系統開發實例分析,總結了出應用于在許多專家系統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評估的許多階段,對系統開發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:從計劃到系統評估,直到系統交付正常使用。
4結語
專家系統課程的發展開發過程是教學研究和教學改革實踐相結合的過程,需要不斷加強學習、總結經驗。本文從總結了專家系統課程定位與、建設目標、教材的選用設計和課程知識框架等方面的總結了“專家系統”課程建設情況。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語言與專家系統實驗的結合,闡述了實驗教學的目的、CLIPS實驗特色及和實驗方法,體現了基于CLIPS實驗教學的優勢與特色。在未來的教育領域,專家系統技術將成為信息時代教育發展的新生力軍,專家系統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:原理設計及應用[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”教學的認知教學理論基礎及其教學實施[J]. 現代教育技術,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”教學中的應用[J]. 現代教育技術,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化[J]. 思茅師范高等專科學校學報,2002,18(4):55-57.
[8] 杜暉. 決策支持與專家系統[M]. 北京:電子工業出版社,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)
智能科學與技術論文范文第5篇
〔關鍵詞〕知識圖譜；專家系統；發展軌跡
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
專家系統作為人工智能的一個重要分支，發展已經超過50年，在很多應用領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進行了再回顧和再分析，將智能科技劃分為初創期、成長期、低谷期、發展期，利用詞頻分析、共引分析、作者共現分析等方法揭示專家系統的學科結構、影響程度、關鍵節點與時間點等重要而獨特的知識，為了解和掌握專家系統的發展與演化過程提供了獨特視角。
1 數據來源
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域最為重要的評價工具。本文以Web of Science中的SCI數據庫為數據來源，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篇相關文獻記錄。獲得的年度分布如圖1。所示。雖然，專家系統研究從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相關的論文出現。圖1表明1991年左右，專家系統相關論文達到了峰值，但隨后呈逐年下降的趨勢。到1999年，只有494篇。但21世紀開始，專家系統相關論文又出現了增加的趨勢，并維持在一個穩定的水平中。圖1 專家系統在SCI數據庫文獻發表年度變化情況
2012年2月第32卷第2期基于知識圖譜的專家系統發展綜述Feb.，2012Vol.32 No.22 專家系統前40年的發展
本文利用基于JAVA平臺的引文分析可視化軟件Citespace，首先設定時間跨度為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論文時區分布圖，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年各年度專家系統論文之間的時區分布圖
2.1 專家系統起源時期
根據圖2顯示，這段時期有7個突出節點，既有7位代表人物。第一個節點代表的是“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性的構思［1］。
第二個節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期上發表題為《模糊集》的論文，提出模糊集合理論，給出了模糊性現象定量描述和分析運算的方法，從而誕生了模糊數學。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用上的理論框架，這也被認為是模糊數學發展的第二個里程碑。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，理論研究高速發展，實際應用迅速推廣。
第三個節點代表的美國兩院院士、卡內基-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，他們發現，人類的問題解決，在一定知識領域內可以通過計算機實現，所以他們開始用計算機編程來解決問題，1956年，他們研發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與歸納，而邏輯理論家和通用問題求解器正是專家系統的雛形，為專家系統的出現奠定了堅實的基礎。
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）等人在總結通用問題求解系統成功與失敗的經驗基礎上，結合化學領域的專門知識，于1965年研制了世界上第一個專家系統dendral，可以推斷化學分子結構。專家系統進入了初創期，其代表有dendral、macsyma（數學專家系統）等，第一代專家系統以高度專業化、求解專門問題的能力強為特點，向人們展示了人工智能應用的廣闊前景［2］。
第四個節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的理論基礎，基于框架的專家系統適合于具有固定格式的事物、動作或事件。
第五個節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《數學理論的證據》（A mathematical theory of evidence）一書，介紹了由他和Dempster于1967年提出的D-S理論（即證據理論）。證據理論可處理由不知道因素引起的不確定性，后來，該理論被廣泛應用于計算機科學和工程應用，是基于D-S證據理論的專家系統的理論基礎。
第六個重要節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《數學生物科學》上發表《A model of inexact reasoning in medicine》（《在醫學模型的不精確推理》）一文，他結合自己1972－1974年研制的世界第一個醫學專家系統――MYCIN系統（用于診斷和治療血液感染及腦炎感染，是第二代專家系統的經典之作），提出了確定性理論，該理論對專家系統的發展產生了重大影響。
第七個節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，并在專家系統的研制工具開發方面做出了突出貢獻――研制出知識獲取工具Teiresias，為專家系統獲取知識實現過程中知識庫的修改和添加提供了工具［3］，關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的快速增多和廣泛應用奠定了堅實基礎。
20世紀70年代后期，隨著專家系統應用領域的不斷開拓，專家系統研發技術逐漸走向成熟。但同時，專家系統本身存在的應用領域狹窄、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和知識處理系統中抽取共性，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一組新的原理、工具和技術。
2.2 專家系統發展的黃金時期
20世紀80年代是專家系統突飛猛進、迅速發展的黃金時代，根據圖2顯示，這段時期共有論文982篇，有7個突出節點。
1980年，出現了第一個節點代表――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，書中對基于規則的專家系統、機器問題解決系統以及結構對象的代表等都進行了具體的論述。
1981年，出現了第二個節點代表――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的新一代基礎，是專家系統的重要編程語言。
1982年，出現了第三個節點代表――美國匹茲堡大學教授米勒（Miller RA），他在《英格蘭醫藥分冊》上發表了《基于計算機的醫學內科實驗診斷顧問》（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的代表力作，書中介紹了著名的內科疾病診斷咨詢系統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，其知識庫中包含了572種疾病，約4 500種癥狀。
1983年，出現了第四個節點代表――美國的海斯羅斯（Hayes-Roth，F）教授，他于1983年發表著作《建立專家系統》，對專家系統建立的原則和要素、開發的生命周期等重要問題進行了詳細講解，為研究與開發各種類型的專家系統提供了理論依據。
1984年，出現了第五個節點代表――美國匹茲堡大學計算機科學、哲學和醫學教授布魯斯?布坎南（Bruce G.Buchanan），他于1984年發表著作《規則的專家系統：斯坦福啟發式編程項目Mycin實驗》（《Rule Based Expert Systems:The Mycin Experiments of the Stanford Heuristic Programming Project》，這是有史以來關于醫療診斷系統MYCIN的實驗規則庫公布。基于規則的專家系統MYCIN是專家系統開發過程中一個里程碑，研究其開發思路與方法具有非常重要的意義。
1985年，出現了第六個節點代表――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：人工智能業務》（《Expert systems：artificial intelligence in business》）一書。書中闡述了專家系統如何解決問題，代表知識，并得出推論，并介紹了人工智能的具體制度，確定了專家系統的市場。
1986年，出現了第七個節點代表――著名的專家系統學者沃特曼（Waterman DA），他出版了《專家系統指南》一書，該書對專家系統的概念、組成、建立過程、建立工具、應用領域等做了深入淺出的系統介紹與論述，是當時全面介紹專家研發與應用的經典書籍。
20世紀80年代初，醫療專家系統占主流，主要原因是它屬于診斷類型系統且容易開發。80年代中期，出現大量投入商業化運行的專家系統，為各行業帶來了顯著的經濟效益。從80年代后期開始，大量新技術成功運用到專家系統之中，使得專家系統得到更廣泛的運用。在這期間開發的專家系統按處理問題的類型可以分為：解釋型、預測型、診斷型、設計型等。應用領域擴展到農業、商業、化學、通信、醫學等多個方面，成為人們常用的解決問題的手段之一。
然而，與此同時，現有的專家系統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產生了懷疑，認為專家系統存在的問題有以下幾點：（1）專家系統中的知識多限于經驗知識，極少有原理性的知識，系統沒有應用它們的能力；（2）知識獲取功能非常弱。為了建造專家系統，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年代的專家系統理論危機已然爆發。
3 90年代專家系統向多個方向發展
由于20世紀80年代專家系統研究迅猛發展，商業價值被各行各業看好，導致90年代大批專家系統從實驗室走出來，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，專家系統的相關論文不增反減，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，設置參數為（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生，專家系統的市場化進程嚴重牽引了研究者們的注意力，這是專家系統研究陷入低谷期的重要原因。
這段時間專家系統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，它同樣是該年代專家系統研究的重點方向。
第二個研究方向是骨架專家系統，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系統基本建成后，MYCIN的設計者們就想到用其它領域的知識替換關于感染病學的知識，可能會得到一個新的專家系統，這種想法導致了EMYCIN骨架系統的產生。EMYCIN的出現大大縮短了專家系統的研制周期，隨后，AGE、OPS5、KEE、KBMS、GESDE等骨架系統應運而生，它們在20世紀90年代專家系統的研究進程中，發揮著重要作用。
第三個研究方向是故障診斷專家系統，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》雜志上發表了《基于結構和行為的診斷推理 》（《Diagnostic Reasoning Based on Structure and Behavior》）一文，該論文描述了一個利用知識結構和行為，在電子電路領域進行故障診斷排除的專家系統。之后，故障診斷專家系統在電路與數字電子設備、機電設備等各個領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則的專家系統，布魯斯?布坎南（Bruce G.Buchanan）的著作對基于規則的專家系統在這個時期的發展仍有著積極的指導作用。多種基于規則的專家系統進入了試驗階段。傳統基于規則的專家系統只是簡單的聲明性知識，而目前，規則的形式開始向產生式規則轉變，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》雜志上發表了重要論文《啟發式分類》（《Heuristis classification》），啟發式分類即對未知領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、專家系統中可常用啟發式設計計算機程序，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中的運用。代表人物是機器學習領域前輩、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缺點，在專家系統的實際應用中，必須根據數據類型的特點及數據集的大小，選擇合適的算法。
第七個研究方向是神經網絡專家系統，代表人物有人工智能專家Stephan I.Gallant和美國加利福尼業大學教授巴特?卡斯科（Bart Kosko）。Gallant于1988年在《ACM的通信》上發表了《連接主義專家系統》（《Connectionist expert systems》）一文，文中講述Gallant 設計了一個連接主義專家系統（Connectionist expert system），其知識庫是由一個神經網絡實現的（即神經網絡知識獲取），開創了神經網絡與專家系統相結合的先例。
第八個研究方向是遺傳算法在專家系統中的運用。代表人物是遺傳算法領域著名學者、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、優化和機器學習中的遺傳算法》，該書系統總結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、工程技術和社會經濟中的大量應用實例，該書為推廣和普及遺傳算法的應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的研發推廣。
第九個研究方向是決策支持系統在專家系統中的運用，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的管理支持系統》（《Decision support and expert systems:management support systems》）一書。20世紀80年代末90年代初，決策支持系統開始與專家系統相結合，形成智能決策支持系統，該系統充分做到了定性分析和定量分析的有機結合，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中的綜合運用，代表人物是美國加利福尼業大學教授巴特?卡斯科（Bart Kosko）和美國伊利諾伊州研究所教授Abdul-Rahman K.H。卡斯科（Kosko）于1992年出版《神經網絡和模糊系統：一個擁有機器智能的動力系統方法》（《Neural networks and fuzzy systems:a dynamical systems approach to machine intelligence》）一書，這是第一本將神經網絡和模糊系統結合起來的讀本，也是神經網絡與模糊理論綜合應用于專家系統建設的經典著作；Abdul-Rahman K.H教授于1995年，在美國電氣和電子工程師協會的《電力系統及自動化》（《Transactions on Power Systems》）會議刊上發表了《人工智能模糊無功負荷的最優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、模糊集理論和人工神經網絡的重要知識。
雖然專家系統大量建造，但投入實際運行的專家系統并不多，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主要是模擬某一領域中求解特定問題的專家的能力，而在模擬人類專家協作求解方面很少或幾乎沒有做什么工作。然而在現實世界中，協作求解具有普遍性，針對特定領域、特定問題的求解僅僅具有特殊性，專家系統雖然在模擬人類專家某一特定領域知識方面取得了成功，但它仍然不能或難以解決現實世界中的問題。其次，開發的專家系統的規模越來越大，并且十分復雜。這樣就要求將大型專家系統的開發變成若干小的、相對獨立的專家系統來開發，而且需要將許多不同領域的專家系統聯合起來進行協作求解。然而，與此相關的分布式人工智能理論和實用技術尚處在科研階段。只有分布式系統協作求解問題得以解決，才能克服由于單個專家系統知識的有限性和問題求解方法的單一性等導致系統的“脆弱性”，也才能提高系統的可靠性，并且在靈活性、并行性、速度等方面帶來明顯的效益［5］。
4 21世紀專家系統進入穩定發展時期
進入21世紀，專家系統開始緩慢發展，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，設置參數為（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2000－2010年的論文引文聚類圖
這個時期專家系統有3個主要研究方向：第一個是研究方向是節點明顯的基于模糊邏輯的專家系統研究方向。90年代以來，模糊控制與專家系統技術相結合，進一步提高了模糊控制器的智能水平。基于模糊邏輯的專家系統有以下優點：一是具有專家水平的專門知識，能表現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驗和知識進行啟發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中的應用，代表人物是美國卡內基―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”特性和規則結構的相似性，并通過保存中間運算結果的方法來提高推理的效率。1982年，他在《人工智能》雜志上發表《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，描述了模式和適當的對象交涉算法，并說明了模式匹配的執行操作。
第三個是研究方向是專家系統在電力系統中的運用。世界各國的專家們開始熱衷于在電力生產的各個環節使用專家系統，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會的《電力傳輸》（《IEEE transactions on power delivery）會議刊及《電源設備系統》會議刊（《On Power Apparatus and Systems》）上發表了多篇有影響力的論文，內容涉及系統恢復、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，專家系統的研究不再滿足于用現有各種模型與專家系統進行簡單結合，形成基于某種模型的專家系統的固有模式。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、新方向發展。但是，由于專家系統應用的時間長、領域廣，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，專家系統研究呈現出暫時的下滑現象。
5 專家系統發展趨勢分析
圖一發展曲線上第二個時間節點是1992年，從該年起專家系統相關論文呈下降趨勢，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，統計了1990－2009年20年期間專家系統相關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研究的一些特點。
（1）在1990-1999年期間，人工智能出現新的研究，由于網絡技術特別是國際互連網技術發展，人工智能開始由單個智能主體研究轉向基于網絡環境下的分布式人工智能研究，使人工智能更加實用，這給專家系統帶來了發展的希望。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，在專家系統研究中處于主導地位，而與其相關的知識表示（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網絡研究的復蘇。神經網絡是通過模擬人腦的結構和工作模式，使機器具有類似人類的智能，如機器學習、知識獲取、專家系統等。我們從詞頻上可以看出神經網絡（neural network）一詞得以快速增長，1995年時位列第一，進入21世紀也是穩居第二位，神經網絡很好地解決了專家系統中知識獲取的瓶頸問題，能使專家系統具有自學習能力，它的出現為專家系統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展時期。模糊理論發展至今已接近三十余年，應用范圍非常廣泛，它與專家系統相結合，在故障診斷、自然語言處理、自動翻譯、地震預測、工業設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技術相結合，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，同時把專家系統技術的表達與利用知識的長處結合起來，能處理更廣泛的控制問題。
（4）故障診斷成為專家系統研究與應用的又一重要領域。故障診斷專家系統的發展起始于20世紀70年代末,雖然時間不長,但在電路與數字電子設備、機電設備等各個領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。在專家系統己有較深厚基礎的國家中，機械、電子設備的故障診斷專家系統已基本完成了研究和試驗的階段，開始進入廣泛應用。
（5）遺傳算法的應用逐漸增多。20世紀90年代，遺傳算法迎來了發展時期，無論是理論研究還是應用研究都成了十分熱門的課題。尤其是遺傳算法的應用研究顯得格外活躍，不但應用領域擴大，而且利用遺傳算法進行優化和規則學習的能力也顯著提高。進入21世紀，遺傳算法的應用研究已從初期的組合優化求解擴展到了許多更新、更工程化的應用方面。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，充分反映出它發展的良好勢頭。
6 小 結
專家系統是20世紀下半葉發展起來的重大技術之一，它不僅是高技術的標志，而且有著重大的經濟效益。“知識工程之父”E.Feignbaum在對世界許多國家和地區的專家系統應用情況進行調查后指出：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］。
專家系統技術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驗；同時，專家系統能促進各領域的發展，是各領域專家專業知識和經驗的總結和提煉。
專家系統發展的近期目標，是建造能用于代替人類高級腦力勞動的專家系統；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。
隨著人工智能應用方法的日漸成熟，專家系統的應用領域也不斷擴大。有人類活動的地方，必將有智能技術包括專家系統的應用，專家系統將成為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.專家系統發展現狀及其應用前景［J］.電力勘測，1994，（3）：21-26.
