在本科模式识别课程中引入最优化方法教学内容的思考

牟大中,王明飞,罗文秋

(高端印刷装备信号与信息处理北京市重点实验室, 北京 102600)

一、引言

模式识别是指从样本观测数据中自动提取有用模式,以实现样本分类和进行决策的过程[1]。作为人工智能的重要组成部分,模式识别一直以来都是智能类和计算机类等相关专业的核心课程,也是其他信息类本科专业的选修课程。从相关专业人才培养角度来看,模式识别在整个课程体系中占据着非常重要的地位。一方面,模式识别课程包含了人工智能领域中一些非常重要的基本概念、基本原理和经典算法,对于夯实学生的理论基础和后续发展具有非常重要的作用;另一方面,模式识别在相关专业课程体系中是第一门面向工程应用的智能类课程,对培养学生的创新能力和思维方式具有重要的现实意义。

模式识别是一门理论性和交叉性都很强的课程,对学生的数学基础要求比较高。数学类的先修课程主要包括高等数学、线性代数、概率论与数理统计、最优化方法等。在上述课程中,前三门课程在理工科专业一般均作为公共基础课在低年级阶段开设,而最优化方法课程一般开设在本科高年级阶段,往往与模式识别课程在开设时间上存在冲突[2]。另外,随着人工智能技术的快速发展,一些新型的智能类专业课程,如机器视觉、自然语言处理、深度学习等也纷纷列入教学计划中,使得模式识别课程在时间安排上也无法后移。因此,恰当处理最优化教学内容与模式识别课程之间的相互关系显得尤为重要。……