2024年8月UniversityEducationAugust，2024
人工神经网络课程与深度学习融合的
混合式教学改革研究
杨焘，付冬梅
北京科技大学自动化学院，北京100083
［摘要］文章依托人工神经网络研究生课程的讲授经验，分析其特点和现状，着重探讨其教学内容上的时效性
与实践性问题，提出神经网络与深度学习融合的线上线下混合式教学改革，提升课程理论和方法的时效性；提出前
沿性的实践类研究型专题，提升研究生的实践动手能力；搭建与课程内容配套的线上系统，方便研究生自主学习、互
动学习。通过践行“与时俱进、互动评价、专题创新”的教学理念，提高研究生的创新思维与综合素质。
［关键词］人工神经网络课程；深度学习；混合式教学；人工智能类课程
［中图分类号］G642.0［文献标识码］A［文章编号］2095-3437（2024）15-0075-05
一、问题的提出规的人工神经网络课程教学内容和讲授方法面临
人工智能是新一轮科技和产业变革的核心驱全新的挑战。
动力，我国已将人工智能发展放在国家战略层面。教学组针对该课程技术更新快、应用面广、知
高校作为人工智能发展的人才高地，研究生教育在识点多等特点，积极改进教学方法，补充更新教学
培养高素质、高水平专业技术人才方面起着关键作内容，整理利用网络资源，加强研究生实践创新能
[1]
用。在人工智能热点中，人工神经网络（Artificial力培养，推行和完善智能时代下的人工神经网络课
NeuralNetworks）担当重要的角色，其涉及计算机科程建设，帮助学生在理论知识认识、实践技能锻炼、
学与技术、控制科学与技术、信息与通信工程、电子创新能力培养等方面获得与时俱进的提升。
科学与技术等学科，其应用也渗透到机器人、自动二、人工神经网络课程的问题分析与改革举措
[2]
驾驶等方面。人工神经网络课作为高校智能方向为了使人工神经网络课程更好地培养具有知
的核心课程，融合了数理统计、计算机科学、运筹学识面广、创新意识强的研究生，文章从分析原课程
等学科知识，其课程内容主要由感知器、BP神经网的问题出发，提出课程的改革举措。
络等网络模型构成，为学生奠定了人工神经网络的（（一一））时效性滞后时效性滞后
概念、特点和理论基础，帮助学生了解其在数值计由于该课程知识所关联的方法与技术更新速
算、模式识别与分类等方面的应用。度快，从教学内容的时效性上分析发现，目前教学
考虑到常年稳定的教学内容和教学大纲使得内容相对滞后于前沿技术。原课程教学内容主要
授课内容相对滞后，尤其是近年人工神经网络的理由感知器、BP、RBF、Elman、Hopfield神经网络等传
[3]
论、技术与方法在日新月异地更新，不少该领域的统经典的网络模型组成，相对现今前沿的模型、方
新方法与技术对于授课教师而言也是全新的。因法和技术已有较大的时间跨度，而新兴的诸多深度
此，面对人工智能快速发展和应用广泛的现实，常学习网络模型已经在机器视觉、语言理解等领域带
［收稿时间］2024-04-13
［基金项目］北京科技大学研究生教育教学改革项目（2022JGC030）。
［作者简介］杨焘（1987—），男，山东人，硕士，副教授，研究方向为大数据挖掘和建模、多模态信息处理。
75
[4]
来重大突破。可