摘要：汽車使用量的快速增長(zhǎng)，在很大程度上解決了人們的出行問題，但同時(shí)也向環(huán)境保護(hù)提出了更大的挑戰(zhàn)。為檢測(cè)車輛排放的尾氣中污染物的種類與數(shù)量，設(shè)計(jì)汽車尾氣檢測(cè)系統(tǒng)，介紹了系統(tǒng)中軟件與硬件組成，基于C#語言開發(fā)上位機(jī)軟件對(duì)采集數(shù)據(jù)進(jìn)行處理與顯示，并在檢測(cè)系統(tǒng)中加入基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型。通過實(shí)驗(yàn)結(jié)果分析可知，該測(cè)量系統(tǒng)具有較強(qiáng)的檢測(cè)能力和較高的檢測(cè)精度，能夠?qū)?種氣體進(jìn)行準(zhǔn)確測(cè)量，此外，將BP神經(jīng)網(wǎng)絡(luò)模型應(yīng)用在該尾氣檢測(cè)系統(tǒng)中，使得預(yù)測(cè)系統(tǒng)具有更高的預(yù)測(cè)精度，收斂速度大幅度增加，能夠較好地適應(yīng)汽車尾氣預(yù)測(cè)系統(tǒng)，解決實(shí)際預(yù)測(cè)難題。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)；汽車尾氣；檢測(cè)系統(tǒng)；C#語言

1引言

汽車尾氣中包含的有毒化合物對(duì)大氣污染的影響程度極高，檢測(cè)和控制汽車尾氣污染，已成為目前眾多學(xué)者關(guān)注的焦點(diǎn)[1]。在整治機(jī)動(dòng)車尾氣污染的過程中，首先需要對(duì)污染物進(jìn)行檢測(cè)與分析。除了在怠速和高怠速條件下對(duì)廢氣污染物測(cè)量方式的規(guī)定以外，國(guó)家標(biāo)準(zhǔn)還確定了不同型號(hào)汽車的廢氣污染物排放最值。汽車尾氣污染物檢測(cè)時(shí)涉及的檢測(cè)項(xiàng)目包括：CO、HC、CO2、O2、NO等[2]。

2檢測(cè)系統(tǒng)設(shè)計(jì)

2.1檢測(cè)系統(tǒng)硬件設(shè)計(jì)。本文設(shè)計(jì)的汽車尾氣檢測(cè)系統(tǒng)硬件組成方式如圖1所示。檢測(cè)系統(tǒng)硬件采用工業(yè)控制計(jì)算機(jī)作為上位機(jī)，工業(yè)控制計(jì)算機(jī)與LED顯示屏相連進(jìn)行參數(shù)顯示，通過尾氣分析儀初步檢測(cè)尾氣中各項(xiàng)氣體含量并傳輸?shù)焦I(yè)控制計(jì)算機(jī)中進(jìn)行數(shù)據(jù)處理，通過紅外光電開關(guān)對(duì)I/O口進(jìn)行開關(guān)控制[3]。尾氣分析儀依據(jù)不同氣體對(duì)紅外光譜吸收能力不同來測(cè)定出汽車尾氣的污染物種類與數(shù)量[4]。本文所設(shè)計(jì)的檢測(cè)系統(tǒng)能夠檢測(cè)汽車尾氣中CO、HC、CO2、O2和NO五種污染氣體的含量，測(cè)量得到的數(shù)據(jù)在LED顯示屏中顯示，通過RS-485串行總線與工業(yè)控制計(jì)算機(jī)相連進(jìn)行數(shù)據(jù)交換。實(shí)驗(yàn)過程中配制不同濃度的氣體混合物進(jìn)行實(shí)驗(yàn)，將氣體與檢測(cè)系統(tǒng)泵體相連，從而使氣體通入傳感器陣列測(cè)試腔內(nèi)，將各傳感器采集的信號(hào)進(jìn)行初步處理后，得到實(shí)驗(yàn)數(shù)據(jù)初值，為縮短測(cè)量系統(tǒng)網(wǎng)絡(luò)的收斂時(shí)間，提高模型預(yù)測(cè)精度，本文建立BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行測(cè)量分析，并與設(shè)定值對(duì)比對(duì)該系統(tǒng)模型的測(cè)量精度進(jìn)行驗(yàn)證[5]。2.2檢測(cè)系統(tǒng)軟件設(shè)計(jì)。本尾氣檢測(cè)系統(tǒng)采用C#語言編寫上位機(jī)軟件，能夠顯示不同怠速下汽車尾氣有毒氣體的濃度，汽車尾氣檢測(cè)系統(tǒng)的上位機(jī)軟件界面如圖2所示。

摘要：基于深度學(xué)習(xí)算法設(shè)計(jì)教學(xué)質(zhì)量評(píng)價(jià)系統(tǒng)，系統(tǒng)自動(dòng)生成教師教學(xué)質(zhì)量評(píng)價(jià)報(bào)告，分析教學(xué)過程中存在的問題，給出優(yōu)化建議。教學(xué)質(zhì)量評(píng)價(jià)系統(tǒng)包括用戶管理、網(wǎng)上評(píng)價(jià)、數(shù)據(jù)管理、評(píng)價(jià)結(jié)果查詢、教學(xué)質(zhì)量分析5個(gè)單元，用戶進(jìn)入系統(tǒng)后為教學(xué)質(zhì)量打分?；诮虒W(xué)質(zhì)量評(píng)價(jià)指標(biāo)體系內(nèi)容，卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)專家教學(xué)質(zhì)量評(píng)價(jià)樣本，構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)教學(xué)質(zhì)量評(píng)價(jià)模型。將教學(xué)質(zhì)量評(píng)價(jià)測(cè)試樣本輸入模型，模型輸出結(jié)果即為教學(xué)質(zhì)量評(píng)價(jià)分析結(jié)果，主要分析教學(xué)存在的問題，提出改進(jìn)建議。系統(tǒng)可統(tǒng)計(jì)不同學(xué)科教學(xué)質(zhì)量評(píng)價(jià)情況，統(tǒng)計(jì)不同學(xué)科教學(xué)質(zhì)量占比情況，智能化程度較高，值得推廣使用。

關(guān)鍵詞：深度學(xué)習(xí)；用戶；教學(xué)質(zhì)量；數(shù)據(jù)管理；評(píng)價(jià)系統(tǒng)；智能化程度

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究領(lǐng)域的延伸，是實(shí)現(xiàn)人工智能的有效方式，近幾年，關(guān)于深度學(xué)習(xí)的研究成為人工智能領(lǐng)域的研究重點(diǎn)[1⁃2]。深度學(xué)習(xí)理論在圖像識(shí)別、語音識(shí)別、語言處理、數(shù)據(jù)挖掘等方面取得了優(yōu)異成績(jī)。深度學(xué)習(xí)算法實(shí)現(xiàn)方式較多，如卷積神經(jīng)網(wǎng)絡(luò)、多層神經(jīng)元的自編碼神經(jīng)網(wǎng)絡(luò)、深度置信網(wǎng)絡(luò)等[3]。教學(xué)質(zhì)量評(píng)價(jià)系統(tǒng)是對(duì)教師階段性教學(xué)效果的評(píng)估，為掌握教師教學(xué)能力、提升教學(xué)質(zhì)量提供有利分析依據(jù)[4]。評(píng)價(jià)教學(xué)質(zhì)量過程中，涵蓋評(píng)價(jià)指標(biāo)較廣，形成大規(guī)模復(fù)雜數(shù)據(jù)，大部分教學(xué)質(zhì)量評(píng)價(jià)系統(tǒng)僅能顯示教師教學(xué)質(zhì)量，不具備智能分析教師存在的問題，制定合理建議的功能，或者這些功能需要人工完成[5⁃6]。以往實(shí)例研究顯示，深度學(xué)習(xí)算法可精準(zhǔn)提取數(shù)據(jù)的隱含規(guī)律，處理復(fù)雜數(shù)據(jù)的多樣性，因此，深度學(xué)習(xí)算法應(yīng)用在教學(xué)質(zhì)量系統(tǒng)設(shè)計(jì)中較為合理。所以，本文采用深度學(xué)習(xí)算法設(shè)計(jì)教學(xué)質(zhì)量評(píng)價(jià)系統(tǒng)，智能評(píng)價(jià)教學(xué)質(zhì)量的同時(shí)提出合理化建議。

1教學(xué)質(zhì)量評(píng)價(jià)系統(tǒng)設(shè)計(jì)

1.1深度學(xué)習(xí)算法的教學(xué)質(zhì)量評(píng)價(jià)系統(tǒng)架構(gòu)?；谏疃葘W(xué)習(xí)算法的教學(xué)質(zhì)量評(píng)價(jià)系統(tǒng)基于B/S模式展開設(shè)計(jì)，如圖1所示。基于B/S模式設(shè)計(jì)教學(xué)質(zhì)量評(píng)價(jià)系統(tǒng)的優(yōu)點(diǎn)是：方便不同類型用戶操作，短期內(nèi)完成網(wǎng)上評(píng)價(jià)，系統(tǒng)維護(hù)便捷[7]。用戶端、應(yīng)用單元、數(shù)據(jù)庫是系統(tǒng)的三個(gè)重要組成部分。用戶端包括督導(dǎo)、管理員、教師、審核管理員、學(xué)生五種類型用戶，不同類型用戶操作界面與瀏覽器結(jié)合，顯示頁面操作等內(nèi)容[8]。系統(tǒng)應(yīng)用單元涵蓋用戶管理、網(wǎng)上評(píng)價(jià)、數(shù)據(jù)管理、評(píng)價(jià)結(jié)果查詢、教學(xué)質(zhì)量分析五個(gè)方面。教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)數(shù)據(jù)、評(píng)價(jià)主客體數(shù)據(jù)等有價(jià)值數(shù)據(jù)均存儲(chǔ)在數(shù)據(jù)庫中。1.2應(yīng)用單元設(shè)計(jì)。1）用戶管理單元。用戶管理單元分為系統(tǒng)登錄與安全管理兩個(gè)方面。不同類型用戶根據(jù)不同單元入口登錄教學(xué)質(zhì)量評(píng)價(jià)系統(tǒng)，用戶在各自權(quán)限頁面中執(zhí)行操作[9]。考慮用戶信息的安全性，將用戶分為教學(xué)督導(dǎo)、審核管理員、管理員、教師、學(xué)生五種用戶類型。2）網(wǎng)上評(píng)價(jià)單元。此單元的權(quán)限開放時(shí)間一般為期末或者特殊使用時(shí)期，由管理員開放教學(xué)質(zhì)量評(píng)價(jià)權(quán)限。網(wǎng)上評(píng)價(jià)單元中存在用戶身份的限制，用戶登錄所屬界面后進(jìn)入不同權(quán)限界面，即審核管理員可審核錄入數(shù)據(jù)，有效管理數(shù)據(jù)庫；學(xué)生僅具備評(píng)價(jià)教師授課質(zhì)量、自身學(xué)習(xí)效果的權(quán)限。系統(tǒng)識(shí)別到學(xué)生用戶信息后自動(dòng)給出待評(píng)價(jià)內(nèi)容，學(xué)生依據(jù)實(shí)際情況輸入教學(xué)質(zhì)量評(píng)價(jià)相關(guān)內(nèi)容[10]。各用戶處于不同界面時(shí)，系統(tǒng)數(shù)據(jù)庫的教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)體系向用戶智能提供待評(píng)價(jià)內(nèi)容。網(wǎng)上評(píng)價(jià)單元組成如圖2所示，由此可知，教學(xué)質(zhì)量評(píng)價(jià)的主體分別為學(xué)生、教師與專家。3）數(shù)據(jù)管理單元。數(shù)據(jù)管理單元的功能是維護(hù)教學(xué)質(zhì)量評(píng)價(jià)的相關(guān)數(shù)據(jù)，主要功能是控制系統(tǒng)的數(shù)據(jù)?？刂苾煞矫鎯?nèi)容：一是操作管理數(shù)據(jù)源；二是管理教師與學(xué)生的基本信息。在此單元可修改、刪除數(shù)據(jù)。4）評(píng)價(jià)結(jié)果查詢單元。在查詢單元中，不同類型用戶可獲取教師教學(xué)質(zhì)量評(píng)價(jià)結(jié)果，還可以查詢課程等基本信息，用戶查詢到教學(xué)質(zhì)量評(píng)價(jià)結(jié)果的同時(shí)了解課程等相關(guān)信息，為管理評(píng)價(jià)過程提供有利條件[11]。學(xué)生通過查詢?cè)u(píng)價(jià)結(jié)果了解授課教師的教學(xué)質(zhì)量情況，幫助學(xué)生對(duì)教師做出客觀評(píng)價(jià)；教師根據(jù)不同課程、不同教學(xué)方面得分情況分析教學(xué)中存在的優(yōu)勢(shì)與不足[12]；管理員不僅可以查詢上述兩種內(nèi)容，還具備查詢后臺(tái)數(shù)據(jù)的權(quán)限，向教師提供正確的優(yōu)化教學(xué)質(zhì)量的依據(jù)。5）教學(xué)質(zhì)量分析單元。系統(tǒng)的教學(xué)質(zhì)量分析模塊基于深度學(xué)習(xí)算法學(xué)習(xí)教學(xué)質(zhì)量分析樣本后，可對(duì)教學(xué)質(zhì)量存在的問題展開分析，并給出相應(yīng)的優(yōu)化建議，此功能是系統(tǒng)的優(yōu)勢(shì)所在，無需花費(fèi)大量人工與時(shí)間分析教師教學(xué)質(zhì)量情況。1.3基于深度學(xué)習(xí)算法的教學(xué)質(zhì)量評(píng)價(jià)與分析。學(xué)習(xí)樣本數(shù)據(jù)的內(nèi)在規(guī)律與表示層次是深度學(xué)習(xí)的功能，設(shè)計(jì)教學(xué)質(zhì)量評(píng)價(jià)系統(tǒng)時(shí)采用深度學(xué)習(xí)算法中的卷積神經(jīng)網(wǎng)絡(luò)模型評(píng)價(jià)教學(xué)質(zhì)量[13]。首先，構(gòu)建教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)體系；其次，采用卷積神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)訓(xùn)練樣本，學(xué)習(xí)樣本為專家教學(xué)質(zhì)量評(píng)價(jià)樣本，學(xué)習(xí)訓(xùn)練樣本后構(gòu)建教學(xué)質(zhì)量評(píng)價(jià)模型；最后，輸入測(cè)試樣本，開始教學(xué)質(zhì)量評(píng)價(jià)與分析，流程如圖3所示。1）教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)體系構(gòu)建教學(xué)過程、教學(xué)環(huán)境、教學(xué)師資、教學(xué)質(zhì)量監(jiān)控是教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)體系的一級(jí)指標(biāo)，一級(jí)指標(biāo)下分20個(gè)二級(jí)指標(biāo)，最終構(gòu)建的教學(xué)質(zhì)量評(píng)價(jià)指標(biāo)體系如圖42）基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法卷積神經(jīng)網(wǎng)絡(luò)的構(gòu)成形式為一組（多組）卷積層+聚合層的模式，不同數(shù)量卷積器存在于卷積層中，卷積器功能是尋找教學(xué)質(zhì)量評(píng)價(jià)數(shù)據(jù)的局部特征[14]。聚合層減少模型復(fù)雜性的方式為縮減下一層輸入節(jié)點(diǎn)數(shù)量，具體方法為以固定窗長(zhǎng)的方式聚合卷積層輸出節(jié)點(diǎn)[15]。大部分聚合層輸出為固定窗長(zhǎng)內(nèi)節(jié)點(diǎn)最大值，綜合全部聚合層的數(shù)據(jù)值得到教學(xué)質(zhì)量評(píng)價(jià)結(jié)果。卷積神經(jīng)網(wǎng)絡(luò)聚合層與卷積層結(jié)構(gòu)如圖5所示。Di,k=θ()∑b=1s-1hb,kvTb+i+ak式中：vTb+i，hb,k分別表示第i組輸入特征矢量、第k個(gè)卷積器的權(quán)值參數(shù)；s與ak分別表示卷積器的寬度與網(wǎng)絡(luò)偏置。對(duì)第k個(gè)卷積器與第i組做加權(quán)平均，選用sigmoid函數(shù)作為函數(shù)θ，采用非線性函數(shù)θ計(jì)算卷積層的輸出節(jié)點(diǎn)值。卷積器輸出結(jié)果即為局部特征觀察結(jié)果，模型卷積完成后執(zhí)行聚合操作，將卷積結(jié)果的最大值作為聚合輸出結(jié)果，即圖5中，將D1，D2中的最大值作為結(jié)果M1輸出。經(jīng)過逐步聚合，卷積神經(jīng)網(wǎng)絡(luò)模型輸出節(jié)點(diǎn)逐漸減少，綜合多個(gè)卷積節(jié)點(diǎn)的聚合輸出值提取教學(xué)質(zhì)量評(píng)價(jià)特征的準(zhǔn)確度更高。卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)以往專家教學(xué)質(zhì)量評(píng)價(jià)樣本后，構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)教學(xué)質(zhì)量評(píng)價(jià)模型，輸入測(cè)試樣本后，得到教學(xué)質(zhì)量評(píng)價(jià)輸出結(jié)果。

2系統(tǒng)性能測(cè)試

摘要：為解決黨校系統(tǒng)缺乏對(duì)黨務(wù)工作數(shù)據(jù)進(jìn)行深層分析的功能從而制約了黨校教學(xué)事業(yè)發(fā)展的問題，文章對(duì)深度學(xué)習(xí)技術(shù)在黨校教學(xué)和管理工作領(lǐng)域的應(yīng)用進(jìn)行了深入探索。文章對(duì)黨務(wù)工作現(xiàn)狀進(jìn)行了分析，對(duì)深度學(xué)習(xí)的概念與相關(guān)技術(shù)進(jìn)行了介紹，從需求、數(shù)據(jù)、技術(shù)三個(gè)維度對(duì)深度學(xué)習(xí)技術(shù)在黨校工作中的應(yīng)用基礎(chǔ)進(jìn)行了說明，文章列舉了深度學(xué)習(xí)技術(shù)在黨校工作領(lǐng)域的三個(gè)應(yīng)用場(chǎng)景，最后還對(duì)應(yīng)用過程進(jìn)行了詳細(xì)闡述。深度學(xué)習(xí)技術(shù)的應(yīng)用對(duì)于提升黨校數(shù)據(jù)利用率、拓展相關(guān)功能、合理配置師資資源等方面具有積極的意義。

關(guān)鍵詞：深度學(xué)習(xí)；數(shù)據(jù)挖掘；黨校；模型構(gòu)建；模型訓(xùn)練

1背景

黨校是我國(guó)教育培訓(xùn)黨員干部的主渠道和研究宣傳馬克思主義的主陣地。黨校的職責(zé)是，通過一系列有計(jì)劃地培訓(xùn)，來提高廣大黨員干部用馬克思主義的立場(chǎng)、觀點(diǎn)和方法來處理實(shí)際問題的能力[1]。黨校系統(tǒng)的信息化建設(shè)，是我國(guó)干部教育事業(yè)發(fā)展的必然要求，也是新時(shí)代黨員教育事業(yè)應(yīng)對(duì)科技快速發(fā)展形勢(shì)的必然選擇[2]。近些年來，我國(guó)黨校系統(tǒng)的信息化建設(shè)取得了跨越式發(fā)展，工作效率和教學(xué)能力都有了顯著提高，但在基于黨校需求方面的數(shù)據(jù)分析研究領(lǐng)域基本處于空白。目前，各黨政機(jī)關(guān)使用的應(yīng)用系統(tǒng)均缺乏對(duì)黨務(wù)工作數(shù)據(jù)進(jìn)行深層分析的功能，各黨校的日常教學(xué)工作也是如此，制約了黨校教學(xué)事業(yè)發(fā)展。當(dāng)前，黨校工作模式正由傳統(tǒng)經(jīng)驗(yàn)?zāi)Ｊ较蛞越虒W(xué)與科研有機(jī)融合為核心的模式轉(zhuǎn)變，因此引入深度學(xué)習(xí)技術(shù)對(duì)于提升黨校數(shù)據(jù)利用率、創(chuàng)新黨校辦學(xué)機(jī)制、優(yōu)化黨校師資資源、加強(qiáng)黨校內(nèi)涵建設(shè)、提高黨校教學(xué)實(shí)效等方面具有積極的意義。

2深度學(xué)習(xí)介紹

深度學(xué)習(xí)（DeepLearning）這一概念是Hinton等人在2006年提出的，屬于人工智能研究領(lǐng)域中的一個(gè)新的分支。深度學(xué)習(xí)可以通過各種深度神經(jīng)網(wǎng)絡(luò)模型來對(duì)現(xiàn)實(shí)世界中的不同問題進(jìn)行建模，依托大數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練，從而進(jìn)行數(shù)據(jù)間的相關(guān)性發(fā)現(xiàn)，以此來實(shí)現(xiàn)現(xiàn)實(shí)問題的預(yù)測(cè)分析和推理分析[3]。經(jīng)過多年的發(fā)展，以深度學(xué)習(xí)為代表的人工智能技術(shù)，已經(jīng)在很大程度顛覆了傳統(tǒng)學(xué)科的研究方法。依托強(qiáng)大的感知能力、擬合能力和推理能力，深度學(xué)習(xí)能適用于很多的應(yīng)用場(chǎng)景，例如：自然語言處理、計(jì)算機(jī)視覺、生物醫(yī)療、推薦系統(tǒng)等。鑒于深度學(xué)習(xí)在學(xué)術(shù)界和工業(yè)界的巨大影響力，2013年，深度學(xué)習(xí)技術(shù)被研究人員評(píng)為世界十大技術(shù)突破之首。深度學(xué)習(xí)從概念提出至今，15年的時(shí)間里經(jīng)歷了發(fā)展期、爆發(fā)期，中間新提出或衍生出了很多新的算法原理，這些算法在多項(xiàng)任務(wù)中都表現(xiàn)出色，典型的深度學(xué)習(xí)模型有：卷積神經(jīng)網(wǎng)絡(luò)(CNN)、循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)、深度神經(jīng)網(wǎng)絡(luò)(DNN)、自編碼器(AE)等[4],其中CNN、RNN、DNN屬于監(jiān)督學(xué)習(xí)，AE屬于無監(jiān)督學(xué)習(xí)。目前，深度學(xué)習(xí)技術(shù)應(yīng)用正逐漸滲透到我們生活的不同領(lǐng)域，我們?nèi)粘Ｊ褂玫暮芏嗉夹g(shù)都融入了深度學(xué)習(xí)的相關(guān)技術(shù)，比如：圖像識(shí)別、醫(yī)療數(shù)據(jù)分析、文字翻譯、網(wǎng)絡(luò)購(gòu)物、廣告推送等，且都取得了非常好的應(yīng)用效果。特別是2016年3月，Deep⁃Mind公司開發(fā)的AlphaGo與圍棋世界冠軍、職業(yè)九段棋手李世石進(jìn)行圍棋人機(jī)大戰(zhàn)，以4比1的總比分獲勝。

【摘要】數(shù)學(xué)不僅是許多科學(xué)領(lǐng)域的基礎(chǔ)，同時(shí)也成為許多新興領(lǐng)域不可或缺的重要組成部分。為了適應(yīng)新人才的培養(yǎng)規(guī)律，以學(xué)生發(fā)展為中心融合數(shù)學(xué)基礎(chǔ)與專業(yè)素養(yǎng)設(shè)計(jì)激發(fā)學(xué)生熱愛數(shù)學(xué)是高等數(shù)學(xué)課程設(shè)計(jì)中必須考慮的因素。因此文章整理分析高等數(shù)學(xué)在人工智能領(lǐng)域的應(yīng)用案例，為高等數(shù)學(xué)的課堂教學(xué)豐富化提供助力。

【關(guān)鍵詞】人工智能；高等數(shù)學(xué)；應(yīng)用案例

數(shù)學(xué)不僅是許多自然科學(xué)、工程技術(shù)的基礎(chǔ)，也正日益成為社會(huì)科學(xué)的基礎(chǔ)，并且成為許多新興領(lǐng)域不可或缺的重要組成部分。根據(jù)新時(shí)期數(shù)學(xué)發(fā)展的新趨勢(shì)、新特點(diǎn)，及時(shí)調(diào)整大學(xué)數(shù)學(xué)的教學(xué)設(shè)計(jì)，適應(yīng)新人才的培養(yǎng)規(guī)律并最終服務(wù)于國(guó)家發(fā)展勢(shì)在必行。教學(xué)設(shè)計(jì)中與其他專業(yè)的融合顯得至關(guān)重要。

1以專業(yè)融合激發(fā)學(xué)生的學(xué)習(xí)興趣

大學(xué)人才的培養(yǎng)目標(biāo)是為了服務(wù)于社會(huì)并利于國(guó)家發(fā)展，它不僅體現(xiàn)了大學(xué)辦學(xué)的使命和價(jià)值追求，同時(shí)也要順應(yīng)經(jīng)濟(jì)社會(huì)發(fā)展需求變化。因此，大學(xué)人才培養(yǎng)目標(biāo)要具有導(dǎo)向性和激勵(lì)作用，這也是人才培養(yǎng)持續(xù)發(fā)展的基本依據(jù)。高等數(shù)學(xué)教育是培養(yǎng)學(xué)生綜合素質(zhì)的重要環(huán)節(jié)，以學(xué)生發(fā)展為中心融合數(shù)學(xué)基礎(chǔ)與專業(yè)素養(yǎng)設(shè)計(jì)綜合性問題要激發(fā)學(xué)生熱愛數(shù)學(xué)，欣賞數(shù)學(xué)，這是教師在課程設(shè)計(jì)中必須考慮的因素。對(duì)高等數(shù)學(xué)課程進(jìn)行改革，提高學(xué)生的基礎(chǔ)課程同專業(yè)知識(shí)的融合度，催發(fā)高等數(shù)學(xué)的實(shí)用性，增強(qiáng)學(xué)生的競(jìng)爭(zhēng)實(shí)力，為學(xué)生能夠更好地適應(yīng)社會(huì)打下堅(jiān)實(shí)基礎(chǔ)。高等數(shù)學(xué)教學(xué)與人工智能的結(jié)合，讓學(xué)生理解人工智能中與數(shù)學(xué)相關(guān)知識(shí)的本質(zhì)。人工智能既能服務(wù)于課程學(xué)習(xí)，同樣課程改革也應(yīng)反作用于人工智能，促進(jìn)人工智能的進(jìn)一步發(fā)展。因此，在基礎(chǔ)課程學(xué)習(xí)中如果能夠很好的融入人工智能將有助于基礎(chǔ)課程的建設(shè)與發(fā)展，讓新技術(shù)助力于基礎(chǔ)學(xué)科的發(fā)展。目前高速發(fā)展的人工智能領(lǐng)域，在一些算法中用到的就是高等數(shù)學(xué)的思想和方法，將這些實(shí)際案例應(yīng)用于高等數(shù)學(xué)教學(xué)中將能更好的激發(fā)學(xué)生的興趣，也能讓學(xué)生對(duì)前沿問題有所了解。尤其對(duì)于信息專業(yè)的學(xué)生，人工智能是他們后續(xù)學(xué)習(xí)要接觸到的領(lǐng)域，先通過高等數(shù)學(xué)的教學(xué)理念讓其體會(huì)到人工智能中一些具體算法是怎么分析的，這樣為其后續(xù)的學(xué)習(xí)奠定一個(gè)良好的基礎(chǔ)。讓學(xué)生盡快從高中的填鴨式教學(xué)模式中轉(zhuǎn)換過來，養(yǎng)成良好的自主學(xué)習(xí)能力，這是大學(xué)教育的主要目的之一。從目前來看，高等數(shù)學(xué)在人工智能領(lǐng)域的案例還沒有進(jìn)行過系統(tǒng)整理和分析，因此本文以此為出發(fā)點(diǎn)，通過高等數(shù)學(xué)在人工智能領(lǐng)域中的應(yīng)用案例對(duì)高等數(shù)學(xué)的實(shí)際應(yīng)用進(jìn)行分析，從而為高等數(shù)學(xué)的課堂教學(xué)豐富化提供助力。從高等數(shù)學(xué)思想在人工智能中的應(yīng)用設(shè)計(jì)案例，讓學(xué)生體會(huì)利用高等數(shù)學(xué)的思維方式去解決問題，從不同層面去體會(huì)高等數(shù)學(xué)的用途。并結(jié)合目前的人工智能領(lǐng)域，將其中蘊(yùn)含的高等數(shù)學(xué)的方法和思想提煉出來，即讓學(xué)生認(rèn)識(shí)到高等數(shù)學(xué)“能干嘛？”，以及知道“怎么用？”。

2案例分析

摘要：本文就高職物流專業(yè)學(xué)生核心能力評(píng)價(jià)體系研究現(xiàn)狀及存在問題進(jìn)行了深入分析，并在核心能力評(píng)價(jià)體系構(gòu)建基本原則的基礎(chǔ)上，建立了基于遺傳算法與小波神經(jīng)網(wǎng)絡(luò)的高職物流專業(yè)學(xué)生核心能力評(píng)價(jià)模型。

關(guān)鍵詞：高職學(xué)生；物流管理；核心能力；評(píng)價(jià)體系

隨著經(jīng)濟(jì)快速發(fā)展，我國(guó)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)加速，人才競(jìng)爭(zhēng)日益激烈，加強(qiáng)學(xué)生核心能力培養(yǎng)，提升人才培養(yǎng)質(zhì)量，已成為高職教育必須面對(duì)的一個(gè)重要課題。而作為強(qiáng)化學(xué)生核心能力培養(yǎng)關(guān)鍵環(huán)節(jié)之一的能力評(píng)價(jià)體系地研究就顯得舉足輕重。鑒于此，本文以物流管理專業(yè)為切入點(diǎn)，探討在產(chǎn)業(yè)轉(zhuǎn)型升級(jí)背景下基于遺傳算法和小波神經(jīng)網(wǎng)絡(luò)的高職物流管理專業(yè)學(xué)生核心能力評(píng)價(jià)體系相關(guān)問題。

一高職物流管理專業(yè)學(xué)生核心能力評(píng)價(jià)體系構(gòu)建的必要性

近年來，現(xiàn)代物流業(yè)發(fā)展成為建立在物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能技術(shù)等基礎(chǔ)上的高度信息化與數(shù)字化、知識(shí)與高端技術(shù)緊密耦合的創(chuàng)新智慧型產(chǎn)業(yè)。在物流產(chǎn)業(yè)大跨度轉(zhuǎn)型升級(jí)的背景下，高職物流專業(yè)學(xué)生核心能力培養(yǎng)重心也隨之發(fā)生變化。評(píng)價(jià)體系作為學(xué)生核心能力培養(yǎng)最重要的環(huán)節(jié)之一，一方面可以使高職院校進(jìn)一步明確人才培養(yǎng)目標(biāo),全面、科學(xué)、準(zhǔn)確地對(duì)學(xué)生核心能力做出評(píng)價(jià)；另一方面通過構(gòu)建有針對(duì)性地評(píng)價(jià)指標(biāo)體系及評(píng)價(jià)自身地反饋功能，可以準(zhǔn)確幫助高職院校厘清學(xué)生核心能力培養(yǎng)關(guān)鍵要素，有的放矢，將核心能力地培養(yǎng)動(dòng)態(tài)地貫穿于高職教育全生命周期，有效提高學(xué)生崗位地適應(yīng)能力，強(qiáng)化就業(yè)核心競(jìng)爭(zhēng)力。因而，建立一套科學(xué)高效、符合高職教育教學(xué)規(guī)律和行業(yè)需求特點(diǎn)的高職學(xué)生核心能力評(píng)價(jià)體系勢(shì)在必行。

二高職物流專業(yè)學(xué)生核心能力評(píng)價(jià)體系現(xiàn)狀及存在問題分析

［摘要］為貫徹課程思政精神，落實(shí)立德樹人根本任務(wù)，針對(duì)高校本科專業(yè)中的數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)課程，在梳理教學(xué)內(nèi)容的基礎(chǔ)上，深入挖掘課程當(dāng)中蘊(yùn)含的思政元素，全方位地將價(jià)值觀念引導(dǎo)蘊(yùn)于知識(shí)傳授和能力培養(yǎng)之中，全面提高人才培養(yǎng)質(zhì)量。設(shè)計(jì)課程緒論和深度神經(jīng)網(wǎng)絡(luò)兩部分教學(xué)案例，采取三階段實(shí)施方式，真正將思政教育內(nèi)容融入專業(yè)課程教育教學(xué)的全過程。

［關(guān)鍵詞］課程思政；數(shù)據(jù)挖掘；機(jī)器學(xué)習(xí)；教學(xué)案例

一、引言

根據(jù)教育部印發(fā)的《高等學(xué)校課程思政建設(shè)指導(dǎo)綱要》（下文簡(jiǎn)稱《綱要》）文件精神，《綱要》提出“圍繞全面提高人才培養(yǎng)能力這一核心點(diǎn)，圍繞政治認(rèn)同、家國(guó)情懷、文化素養(yǎng)、憲法法治意識(shí)、道德修養(yǎng)等重點(diǎn)，優(yōu)化課程思政內(nèi)容供給，提升教師開展課程思政建設(shè)的意識(shí)和能力”[1]。為貫徹課程思政精神，落實(shí)立德樹人根本任務(wù)，武漢工程科技學(xué)院把課程思政作為重點(diǎn)工作，在全校范圍內(nèi)開展不同專業(yè)的思政課程建設(shè)和專業(yè)課思政建設(shè)，并取得了一些重要成果。本文以武漢工程科技學(xué)院數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)專業(yè)學(xué)生為研究對(duì)象，以數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)課程為例，著力構(gòu)建“知識(shí)教育”“能力培養(yǎng)”“價(jià)值引導(dǎo)”的人才培養(yǎng)模式，探討在大數(shù)據(jù)技術(shù)和應(yīng)用型人才培養(yǎng)的背景下，如何通過該課程承載的思政元素[2]不斷拓展思政教育邊界和課程教學(xué)內(nèi)涵，幫助學(xué)生樹立正確的世界觀、人生觀和價(jià)值觀，培養(yǎng)學(xué)生的自主學(xué)習(xí)和創(chuàng)新能力，逐步構(gòu)建起全員、全程、全課程思政育人格局，真正達(dá)到在專業(yè)知識(shí)傳授的同時(shí)，強(qiáng)化價(jià)值觀念層面的感化與引導(dǎo)[3]。

二、數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)課程概述

數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)課是大數(shù)據(jù)專業(yè)第5學(xué)期開設(shè)的專業(yè)核心課，是計(jì)算機(jī)與數(shù)學(xué)知識(shí)相交叉的應(yīng)用課程，與數(shù)據(jù)庫、人工智能、統(tǒng)計(jì)學(xué)等課程息息相關(guān)[4]。本課程旨在培養(yǎng)學(xué)生數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)理論分析與應(yīng)用實(shí)踐的綜合能力，使學(xué)生掌握數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)的一般原理與處理方法，會(huì)使用機(jī)器學(xué)習(xí)理論來解決實(shí)際問題，為發(fā)展學(xué)生的主體精神和變革能力奠定基礎(chǔ)，最終順應(yīng)大數(shù)據(jù)時(shí)代下社會(huì)市場(chǎng)對(duì)人才需求的改變。數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)課程的內(nèi)容涵蓋了數(shù)據(jù)分析基礎(chǔ)和實(shí)現(xiàn)人工智能的關(guān)鍵算法，主要包括4個(gè)模塊：Pandas數(shù)據(jù)分析基礎(chǔ)模塊、分類算法模塊、回歸模型模塊和深度神經(jīng)網(wǎng)絡(luò)模塊。融入思政內(nèi)容后，課程教學(xué)秉承德智融合、立德樹人的綜合教育理念，凝練全局思維、發(fā)展思維、民族振興、實(shí)踐創(chuàng)新、工匠精神等多個(gè)“思政主題”，在知識(shí)傳授、能力培養(yǎng)中引導(dǎo)學(xué)生樹立正確的世界觀、人生觀和價(jià)值觀，弘揚(yáng)社會(huì)主義核心價(jià)值觀，傳播愛黨、愛國(guó)、愛社會(huì)主義的正能量，培養(yǎng)實(shí)事求是、勇于實(shí)踐、敢于創(chuàng)新的科學(xué)精神[5]。

農(nóng)業(yè)技術(shù)是促進(jìn)農(nóng)業(yè)綜合生產(chǎn)力和競(jìng)爭(zhēng)力的戰(zhàn)略因素,是提高農(nóng)業(yè)生產(chǎn)力和實(shí)現(xiàn)農(nóng)民生活富裕的重要保證。通過對(duì)我國(guó)省際農(nóng)業(yè)技術(shù)水平差異的定量評(píng)價(jià),不僅可以把握我國(guó)農(nóng)業(yè)技術(shù)水平的空間格局及區(qū)域差異,還可以正確理解農(nóng)業(yè)技術(shù)水平區(qū)域差異的內(nèi)在機(jī)理及成因,從而為指導(dǎo)區(qū)域農(nóng)業(yè)優(yōu)化發(fā)展提供現(xiàn)實(shí)依據(jù)。

1農(nóng)業(yè)技術(shù)水平及其評(píng)價(jià)方法

1.1農(nóng)業(yè)技術(shù)水平

關(guān)于農(nóng)業(yè)技術(shù)水平,廣大學(xué)者從不同領(lǐng)域、不同角度進(jìn)行了理論和實(shí)踐探討[1-3,5]。陳天佑、王紅伶等認(rèn)為,農(nóng)業(yè)技術(shù)水平存在廣義和狹義之分,是農(nóng)業(yè)內(nèi)部各要素如固定資產(chǎn)、流動(dòng)資金、勞動(dòng)力投入的集中體現(xiàn),但是區(qū)域自然條件、農(nóng)業(yè)基建投資對(duì)區(qū)域農(nóng)業(yè)技術(shù)水平也有一定的影響。黃曉潮、程為國(guó)認(rèn)為,農(nóng)業(yè)技術(shù)水平是反映一個(gè)地區(qū)或者區(qū)域利用自然和社會(huì)條件創(chuàng)造財(cái)富能力的綜合效應(yīng),是可以度量的。徐慧娜認(rèn)為,農(nóng)業(yè)技術(shù)進(jìn)步水平受各種因素的影響,但社會(huì)經(jīng)濟(jì)因素起主要作用。王武科、李同升等認(rèn)為,農(nóng)業(yè)技術(shù)水平是地區(qū)農(nóng)業(yè)發(fā)展的綜合反映,集中體現(xiàn)在技術(shù)投入水平、基礎(chǔ)水平、外部影響力、技術(shù)產(chǎn)出水平、技術(shù)效率水平5個(gè)方面。綜上所述,農(nóng)業(yè)技術(shù)水平是區(qū)域農(nóng)業(yè)發(fā)展的綜合體現(xiàn),是區(qū)域內(nèi)外各要素共同作用的結(jié)果。它既是一個(gè)時(shí)間的概念,又是一個(gè)動(dòng)態(tài)變化的概念,并直接影響區(qū)域農(nóng)業(yè)發(fā)展和農(nóng)業(yè)綜合生產(chǎn)能力。

1.2農(nóng)業(yè)技術(shù)水平評(píng)價(jià)方法

目前,國(guó)內(nèi)關(guān)于農(nóng)業(yè)技術(shù)水平測(cè)度的方法主要有以下幾種:①生產(chǎn)模型。這類方法依據(jù)技術(shù)進(jìn)步、技術(shù)水平提高與經(jīng)濟(jì)增長(zhǎng)的關(guān)系,從生產(chǎn)模型出發(fā),推導(dǎo)出廣義技術(shù)水平的實(shí)用測(cè)度模型[2-3];②超函數(shù)技術(shù)模型。這類方法運(yùn)用描述超技術(shù)的超函數(shù)的概念,并把各個(gè)地區(qū)的技術(shù)與超技術(shù)作對(duì)比,具體反映各個(gè)地區(qū)與超技術(shù)的差距及各個(gè)地區(qū)之間的差距[4];③多指標(biāo)綜合評(píng)價(jià)模型。這種方法主要采用主成分分析法、因子分析法、聚類分析法、綜合指標(biāo)體系法,對(duì)描述對(duì)象的多項(xiàng)指標(biāo)、信息加以匯集,用數(shù)學(xué)方法處理后,從整體上評(píng)測(cè)區(qū)域的農(nóng)業(yè)技術(shù)水平[1,5,6]。從現(xiàn)有的研究來看,生產(chǎn)模型和超函數(shù)技術(shù)模型等的定量分析限于農(nóng)業(yè)內(nèi)部諸要素,而對(duì)影響農(nóng)業(yè)技術(shù)水平的社會(huì)經(jīng)濟(jì)因素則缺乏嚴(yán)格的計(jì)量檢驗(yàn);多指標(biāo)綜合評(píng)價(jià)模型固然是一種較好的評(píng)價(jià)方法,但是其在評(píng)價(jià)區(qū)域農(nóng)業(yè)技術(shù)水平時(shí)也存在一些問題,如需要行業(yè)專家對(duì)問題的各層權(quán)重賦值,因而不同程度地存在人為干擾。此外,距離法得出的分類結(jié)果也有可能存在局部差異。基于上述原因,本文引入FA-SOM神經(jīng)網(wǎng)絡(luò)模型,其不僅很好地集成了因子分析法可對(duì)多指標(biāo)進(jìn)行簡(jiǎn)約化處理,消除原始數(shù)據(jù)信息冗余的特性,而且繼承了自適應(yīng)神經(jīng)網(wǎng)絡(luò)非線性、無教師自組織、自學(xué)習(xí)的特點(diǎn),較好地避免了主觀性和局部分類偏差。

自從2016年AlphaGo打贏了人類世界的圍棋冠軍，社會(huì)上對(duì)人工智能技術(shù)的關(guān)注熱度日漸提升。在人類理性工作領(lǐng)域，人工智能正在顛覆性地改變著許多行業(yè)，很多機(jī)械化的工作已經(jīng)被人工智能取代。；另一方面，人工智能也正在進(jìn)入人類的感性的藝術(shù)領(lǐng)域，努力將藝術(shù)公式化（規(guī)范化），人工智能產(chǎn)品通過深度學(xué)習(xí)藝術(shù)家的筆觸，并依據(jù)一定的邏輯繼續(xù)創(chuàng)造藝術(shù)作品，再次讓經(jīng)典藝術(shù)家“復(fù)活”，以此陶冶人類的情操。未來，機(jī)器可以代替人類完成很多事情，很多可以被公式化的人類職業(yè)都可以被人工智能取代，人類從腦力以及體力方面都可以最大化地解放出來。然而對(duì)于人工智能是否能夠最終取代藝術(shù)這塊領(lǐng)地，業(yè)界的說法不一。下文將通過探討人工智能在數(shù)字化時(shí)代中的應(yīng)用，進(jìn)一步分析探討人工智能與藝術(shù)設(shè)計(jì)之間的關(guān)系。

一、藝術(shù)設(shè)計(jì)的簡(jiǎn)介與發(fā)展

（一）藝術(shù)設(shè)計(jì)的簡(jiǎn)介。藝術(shù)設(shè)計(jì)是藝術(shù)家把自己的靈感、經(jīng)驗(yàn)和感覺通過藝術(shù)作品為媒介表達(dá)出來并且與大眾交流的一個(gè)過程。藝術(shù)創(chuàng)作有三個(gè)動(dòng)機(jī)要素，包括對(duì)事物的認(rèn)識(shí)、目標(biāo)意圖和欲望沖動(dòng)，三者之間是相互聯(lián)系不可分割的。在這個(gè)過程中，藝術(shù)家用我們的五種感官去表達(dá)某種情緒和感覺，可能是好感覺，也可能是壞的感覺，美妙的又或者骯臟的……藝術(shù)家會(huì)把自己對(duì)事物的認(rèn)識(shí)、目標(biāo)意圖和欲望沖動(dòng)以及生活經(jīng)驗(yàn)、教育認(rèn)知、生活環(huán)境、情感等因素融合到藝術(shù)作品中。不同人有著不同的生活經(jīng)歷、不同程度的美感識(shí)別力。所以，藝術(shù)設(shè)計(jì)產(chǎn)物是隨機(jī)的、感性的，無法用理性的思維去衡量，更無法將其公式化。（二）計(jì)算機(jī)對(duì)現(xiàn)代藝術(shù)設(shè)計(jì)的影響。在當(dāng)代計(jì)算機(jī)科學(xué)的大力發(fā)展下，設(shè)計(jì)者可以借助大量的設(shè)計(jì)軟件將自己的靈感視覺化。相對(duì)于傳統(tǒng)的藝術(shù)創(chuàng)作所耗費(fèi)長(zhǎng)達(dá)幾個(gè)月甚至幾年的時(shí)間，計(jì)算機(jī)科學(xué)可以幫助設(shè)計(jì)師快速、高效地完成其創(chuàng)作，并且通過模具進(jìn)行量產(chǎn)。例如，藝術(shù)家可以通過計(jì)算機(jī)建模，利用3D打印技術(shù)制造出人們所需要的產(chǎn)品；可以利用計(jì)算機(jī)中大量的色彩素材創(chuàng)作更加隨心所欲的作品，也可以通過計(jì)算網(wǎng)絡(luò)中海量的藝術(shù)設(shè)計(jì)資源，激發(fā)靈感，擴(kuò)展藝術(shù)思維，把自己的思想與計(jì)算機(jī)科學(xué)有機(jī)的結(jié)合在一起實(shí)現(xiàn)設(shè)計(jì)創(chuàng)作。在作品呈現(xiàn)方面，隨著虛擬現(xiàn)實(shí)技術(shù)的日漸成熟，很多高校正在將虛擬現(xiàn)實(shí)技術(shù)應(yīng)用到藝術(shù)設(shè)計(jì)類專業(yè)教學(xué)領(lǐng)域，虛擬現(xiàn)實(shí)可以較好地展現(xiàn)藝術(shù)與技術(shù)相結(jié)合的設(shè)計(jì)作品，通過虛擬環(huán)境的體驗(yàn)與交流，有效地傳達(dá)設(shè)計(jì)作品所表達(dá)的設(shè)計(jì)理念，藝術(shù)家可以利用此項(xiàng)技術(shù)更加真實(shí)地將作品展現(xiàn)出來，使人們可以身臨其境，更加直觀地觀賞藝術(shù)的細(xì)節(jié)。

二、人工智能的發(fā)展

（一）人工智能的簡(jiǎn)介。所謂人工智能簡(jiǎn)單概括通過運(yùn)用機(jī)器去實(shí)現(xiàn)所有目前必須借助人類智慧才能實(shí)現(xiàn)的任務(wù)。目前人工智能有強(qiáng)人工智能與弱人工智能之分。強(qiáng)人工智能就像科幻片里面那樣，機(jī)器可以和人類一樣與世界進(jìn)行交流，可以自我學(xué)習(xí)與記憶、推理和解決問題。但由于技術(shù)的限制，計(jì)算機(jī)并不完全具備以上能力。所以就出現(xiàn)了所謂的弱人工智能，指的是只能解決特定領(lǐng)域問題的人工智能，很難在各個(gè)領(lǐng)域都達(dá)到領(lǐng)先水平。這就是專家們所說的“遷移學(xué)習(xí)”。通俗地說，遷徙學(xué)習(xí)就是舉一反三，機(jī)器可以將某方面的能力應(yīng)用在其他領(lǐng)域。這一點(diǎn)人工智能還做不到。就像前文提到的AlphaGo，她已經(jīng)在圍棋方面達(dá)到了人類的頂峰，但是其他方面并不能超越人類。（二）人工智能的發(fā)展歷程。人工智能一詞在1955年達(dá)特茅斯學(xué)院舉辦的一次會(huì)議上由計(jì)算機(jī)專家約翰•麥卡錫第一次提出，至今已經(jīng)有長(zhǎng)達(dá)60年的歷史。期間經(jīng)歷過兩起兩落，并且在2016年達(dá)到第三次高潮。1957第一款神經(jīng)網(wǎng)絡(luò)Perceptron的發(fā)明，使得業(yè)界對(duì)于人工智能的關(guān)注度驟升，人工智能達(dá)到第一次高潮。在此之后長(zhǎng)達(dá)十余年的時(shí)間里，計(jì)算機(jī)被廣泛應(yīng)用于數(shù)學(xué)和自然語言領(lǐng)域，用來解決代數(shù)、幾何和英語問題。這讓很多研究學(xué)者看到了機(jī)器向人工智能發(fā)展的信心。1970年，人工智能面臨技術(shù)瓶頸，計(jì)算機(jī)沒能使機(jī)器完成大規(guī)模數(shù)據(jù)訓(xùn)練和復(fù)雜任務(wù)，AI進(jìn)入第一個(gè)低谷。第二次高潮是BP算法的提出，這種算法的出現(xiàn)使得大規(guī)模神經(jīng)網(wǎng)絡(luò)的訓(xùn)練成為可能。因?yàn)楝F(xiàn)實(shí)任務(wù)中所使用的神經(jīng)網(wǎng)絡(luò)，只有在使用BP算法下才能進(jìn)行訓(xùn)練。BP算法由BP神經(jīng)網(wǎng)絡(luò)中的輸入層、輸出層和若干個(gè)隱層構(gòu)成。輸入信號(hào)經(jīng)輸入層輸入，通過隱層計(jì)算由輸出層輸出，輸出值與標(biāo)記值比較，若有誤差，將誤差反向由輸出層向輸入層傳播，在這個(gè)過程中，利用梯度下降算法對(duì)神經(jīng)元權(quán)值進(jìn)行調(diào)整。

作者:徐雙雙 丁偉 貝典徽 單位:華東理工大學(xué)

一、引言

人工智能（ArtificialIntelligence，簡(jiǎn)稱AI）近年來成為了人們關(guān)注的焦點(diǎn)，最初這個(gè)概念是在1956年達(dá)特茅斯會(huì)議上提出，并被正式確立為一門學(xué)科，歷經(jīng)三次高潮三次低谷的發(fā)展。1997年，IBM開發(fā)的人工智能“深藍(lán)”打敗人類的國(guó)際象棋冠軍。2016年3月，谷歌開發(fā)的AlphaGo以4:1的明顯優(yōu)勢(shì)戰(zhàn)勝多次榮獲世界冠軍的李世石。自此人工智能在學(xué)術(shù)研究、行業(yè)發(fā)展和資本市場(chǎng)表現(xiàn)活躍。伴隨神經(jīng)網(wǎng)絡(luò)、腦科學(xué)研究的迅速進(jìn)步，人工智能在云計(jì)算和大數(shù)據(jù)等相關(guān)技術(shù)的支持下，迅速被運(yùn)用到各個(gè)領(lǐng)域。以人工智能為核心的新技術(shù)與教學(xué)融合將成為下一個(gè)核心驅(qū)動(dòng)力。在2018年的《人工智能發(fā)展白皮書》[1]中，提到教育智能化將會(huì)成為教育領(lǐng)域的發(fā)展方向，人工智能將會(huì)引發(fā)教育理念和教育生態(tài)的深刻變革。全球主要發(fā)達(dá)國(guó)家當(dāng)前都在加速教育教學(xué)創(chuàng)新，積極開發(fā)教育新產(chǎn)品，推進(jìn)教育教學(xué)創(chuàng)新。2018年4月，《高等學(xué)校人工智能創(chuàng)新行動(dòng)計(jì)劃》[2]提出了未來的人才培養(yǎng)新模式，要增設(shè)“人工智能+X”的復(fù)合專業(yè)培養(yǎng)，眾高校也相繼成立了人工智能學(xué)院和相關(guān)專業(yè)，如南京大學(xué)、中國(guó)科學(xué)院大學(xué)、西安電子科技大學(xué)、上海交通大學(xué)等，結(jié)合近幾年教育部“新工科”教育改革的背景，為外語教學(xué)與研究帶來了新的契機(jī)。傳統(tǒng)的外語教學(xué)中一直存在教學(xué)質(zhì)量和效果不理想的困境，我們要充分利用日趨成熟的人工智能技術(shù)開展一場(chǎng)深層次的變革，重塑外語教育的時(shí)代性、個(gè)性化的新形態(tài)。人工智能在神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)和蒙特卡洛數(shù)搜索法等技術(shù)使用后，逐步形成神經(jīng)網(wǎng)絡(luò)“大腦”來進(jìn)行復(fù)雜精準(zhǔn)的數(shù)據(jù)處理，初步有了人類高級(jí)智能的“學(xué)習(xí)能力”。人工智能在教育中所需用到的技術(shù)主要包括[3]：①自然語言理解技術(shù)，這讓計(jì)算機(jī)與人之間能用自然語言來有效溝通，包括機(jī)器理解、機(jī)器翻譯等。②人機(jī)交互技術(shù)，包括語音識(shí)別、語音合成、情感交互等。③知識(shí)圖譜技術(shù)，指建立語義網(wǎng)絡(luò)，使用網(wǎng)絡(luò)中的關(guān)系來分析解決問題。④生物特征識(shí)別技術(shù)，包括指紋識(shí)別、語音識(shí)別、人臉識(shí)別等。

二、人工智能支持下的外語教學(xué)改革

我國(guó)外語教學(xué)的整體效率近年來一直不高，大學(xué)生的英語學(xué)習(xí)效果主要是通過全國(guó)大學(xué)生四六級(jí)考試的成績(jī)來體現(xiàn)，雖然近年來加入了口語考試，但是學(xué)生的英語溝通交流水平總體還是令人擔(dān)憂，應(yīng)用能力遠(yuǎn)沒有達(dá)到熟練實(shí)用水平。大學(xué)英語的發(fā)展方向是要提高質(zhì)量，增強(qiáng)實(shí)效。大學(xué)英語的改革目標(biāo)是要將人文性、實(shí)效性、數(shù)字化與工具性相結(jié)合。隨著00后即將成為大學(xué)校園的主力軍，他們?cè)趯W(xué)習(xí)和認(rèn)知模式、信息技術(shù)運(yùn)用習(xí)慣方面有著鮮明的特色，技術(shù)、閱圖、創(chuàng)新、急切成為了他們的標(biāo)識(shí)，被認(rèn)為是“數(shù)字原住民”[4]，他們更傾向于用智能化方式去獲取數(shù)字化資源學(xué)習(xí)。但是面對(duì)海量且品種繁多的外語學(xué)習(xí)資源，如何滿足個(gè)性化學(xué)習(xí)需求，提高學(xué)習(xí)效率，重構(gòu)有效適切的外語教學(xué)新模式成為了外語教師們探索科研的新目標(biāo)。目前市場(chǎng)上比較普遍的在線教育大多是一對(duì)一視頻，或者把一些教師的課做成視頻放在線上播放，這其實(shí)只是教學(xué)場(chǎng)所的改變，教育方式并沒有發(fā)生本質(zhì)變化，如果學(xué)生不自覺，效果有時(shí)候還沒有線下的實(shí)體課程好。人工智能則可以使用語音識(shí)別和自然語言處理技術(shù)來解決口語語音和文本的詞法、語法分析和語義理解，增加多元交互的學(xué)習(xí)環(huán)境，極大提升學(xué)習(xí)效果[5]。隨著人工智能研究的日益成熟，“智慧學(xué)習(xí)”和“深度學(xué)習(xí)”被賦予了新的內(nèi)涵，智慧學(xué)習(xí)以建構(gòu)主義、混合學(xué)習(xí)和現(xiàn)代教學(xué)學(xué)習(xí)理論為理論基礎(chǔ)，整合增強(qiáng)現(xiàn)實(shí)、云計(jì)算、移動(dòng)通信、大數(shù)據(jù)等先進(jìn)信息技術(shù)的增強(qiáng)型數(shù)字學(xué)習(xí)[6]。深度學(xué)習(xí)可以通過神經(jīng)網(wǎng)絡(luò)來模擬人腦的學(xué)習(xí)過程來抽象表達(dá)現(xiàn)實(shí)世界的大量數(shù)據(jù)。目前典型的深度學(xué)習(xí)模型有遞歸神經(jīng)網(wǎng)絡(luò)（RNN,RecurrentNeuralNetworks）、卷積神經(jīng)網(wǎng)絡(luò)(CNN,ConvolutionalNeuralNetworks)以及深度信念網(wǎng)絡(luò)（DBN,DeepBeliefNet-works）等，其中由于RNN多用于處理時(shí)間序列，所以其較多應(yīng)用在口語訓(xùn)練、口語測(cè)試等方面[7]。近幾年，從市場(chǎng)中已知的人工智能運(yùn)用于外語教育的產(chǎn)品來看，主要分為幾類：英語語音測(cè)評(píng)、智能批改+習(xí)題推薦、教育機(jī)器人、智能陪練，其中前三類較多，而分級(jí)閱讀和智能陪練的較少。比如語音測(cè)評(píng)類的有科大訊飛、流利說、馳聲、朗播網(wǎng)等，智能批改類的有極智批改、批改網(wǎng)、作業(yè)盒子、貍米教育等，教育機(jī)器人類的有寒武紀(jì)智能、UBTECH、LEZHI、好兒優(yōu)等。1.英語語音評(píng)測(cè)———AI口語老師和智能口語考試系統(tǒng)。英語口語學(xué)習(xí)與測(cè)評(píng)是我國(guó)英語教育中的重要組成部分。為了測(cè)評(píng)學(xué)習(xí)者的口語語音語調(diào)、標(biāo)準(zhǔn)度、流利度以及口頭表達(dá)能力，通過NLP（自然語言處理）以及語音識(shí)別等技術(shù)開發(fā)，外語教學(xué)市場(chǎng)上出現(xiàn)兩類“英語語音評(píng)測(cè)”的產(chǎn)品：AI口語老師和智能口語考試系統(tǒng)。這兩類產(chǎn)品可以替代教師對(duì)學(xué)生的口語陪練、口語考試測(cè)評(píng)及評(píng)分統(tǒng)計(jì)等相關(guān)工作，通過機(jī)器輔助學(xué)習(xí)，極大提高了教師的工作效率，同時(shí)實(shí)現(xiàn)了口語自適應(yīng)學(xué)習(xí)。人工測(cè)評(píng)往往伴隨著一些主觀因素，智能評(píng)測(cè)可以有效地避免這類問題，更具客觀性、穩(wěn)定性，高效完成自動(dòng)評(píng)分和成績(jī)統(tǒng)計(jì)以及學(xué)情分析任務(wù)。從目前英語語音測(cè)評(píng)產(chǎn)品的現(xiàn)狀來看，優(yōu)點(diǎn)是分析結(jié)果相對(duì)準(zhǔn)確，覆蓋多種口語類型，從發(fā)音到對(duì)話、朗讀涵蓋多種口語學(xué)習(xí)和考試類型，包括音標(biāo)發(fā)音、短文朗讀、看圖說話、口頭作文等。短時(shí)間可以做出反饋，快速給出評(píng)分，同時(shí)給出精細(xì)的分析。當(dāng)然，這類產(chǎn)品也會(huì)有一定不足，受口語發(fā)音本身的不確定性和語音采集的設(shè)備條件等因素的影響，英語語音測(cè)評(píng)結(jié)果會(huì)出現(xiàn)一定的偏差，但總體結(jié)果相對(duì)準(zhǔn)確?，F(xiàn)階段此類產(chǎn)品的測(cè)試結(jié)果是反饋學(xué)生發(fā)音中的單詞讀錯(cuò)、遺漏或者語法有誤等問題，但是無法檢測(cè)出學(xué)習(xí)者的語調(diào)和連讀等錯(cuò)誤。這類產(chǎn)品雖然會(huì)根據(jù)學(xué)生口語情況進(jìn)行個(gè)性化教學(xué)和測(cè)評(píng)，但互動(dòng)性仍不足，模式化明顯，長(zhǎng)時(shí)間練習(xí)只是幾種方案方式在循環(huán)，多樣性和互動(dòng)性還有待提高。以目前市場(chǎng)上較為知名的英語流利說為例，流利說開發(fā)了世界領(lǐng)先的多粒度和多維度的實(shí)時(shí)語音識(shí)別和評(píng)估引擎和游戲化教學(xué)，讓各水平語言愛好者輕松練口語。每日更新地道美語對(duì)話提供好玩上癮的對(duì)話闖關(guān)游戲，通過硅谷的實(shí)時(shí)語音分析技術(shù)，讓用戶輕松愉快練口語。目前有超過3000萬人使用流利說，積累了中國(guó)人2.75億分鐘口語數(shù)據(jù)。2.智能批改+習(xí)題推薦。智能批改如圖1所示，可以部分減輕教師批改作業(yè)的繁重任務(wù)。完整的流程是教師先從線上布置作業(yè)，系圖1智能批改圖統(tǒng)地利用豐富的語料庫資源，使用自然語言處理、圖像識(shí)別以及數(shù)據(jù)挖掘等人工智能技術(shù)把學(xué)習(xí)者的作業(yè)與語料庫進(jìn)行檢測(cè)對(duì)比，進(jìn)行自動(dòng)批改，給出個(gè)性化的學(xué)情分析報(bào)告，對(duì)拼寫、語法、句型和搭配方面能夠迅速地標(biāo)注錯(cuò)誤部分和錯(cuò)誤原因，在作業(yè)量巨大的情況下，會(huì)比教師的批改結(jié)果更為細(xì)致，教師和家長(zhǎng)能在學(xué)習(xí)者的作業(yè)提交后馬上得到反饋并了解最新的學(xué)習(xí)進(jìn)展，并據(jù)此來實(shí)時(shí)調(diào)整學(xué)習(xí)進(jìn)度和難度并推薦合適的習(xí)題。當(dāng)然，也會(huì)有一些美中不足，如學(xué)生作業(yè)的主題相關(guān)性、篇章結(jié)構(gòu)和內(nèi)在邏輯性、思想的創(chuàng)新性等方面提示還略有欠缺。iWrite2.0英語寫作與評(píng)閱系統(tǒng)，通過在大型語料庫中來挖掘聯(lián)想詞庫，運(yùn)用大數(shù)據(jù)技術(shù)，同時(shí)探索基于人工神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)來提高作文評(píng)閱的智能程度[8]。科大訊飛開發(fā)的產(chǎn)品在2015年某國(guó)家級(jí)英語考試中在翻譯題和作文題的評(píng)分準(zhǔn)確度比大多數(shù)專家教師的評(píng)分準(zhǔn)確度還要高，同時(shí)評(píng)卷系統(tǒng)還指出具體語法格式錯(cuò)誤和措辭不當(dāng)?shù)葐栴}。3.分級(jí)閱讀。英語分級(jí)閱讀，可以根據(jù)學(xué)生的不同認(rèn)知水平來選擇階梯式的讀物，匹配適合學(xué)生個(gè)人的書目，解決了學(xué)生閱讀太難的書會(huì)失去閱讀興趣、閱讀難度低的書無法提升閱讀能力的問題，使其感受閱讀的樂趣。全世界時(shí)下有幾種熱門的閱讀分類體系：藍(lán)思分級(jí)（Lexile）、AR分級(jí)法（AcceleratedReader）、A-Z分級(jí)法（GRL/GuidedReadingLevel）。國(guó)內(nèi)目前在分級(jí)閱讀方面的產(chǎn)品主要有：ReadingPro、新東方旗下的多納學(xué)英語、嘰里呱啦、英語總動(dòng)員、巴布閱讀等，各有其產(chǎn)品的優(yōu)勢(shì)和不足。在國(guó)外，以美國(guó)為例，已有70%的美國(guó)公辦學(xué)校使用Newsela，有40萬教師和超過400萬學(xué)生用戶，閱讀文章數(shù)超過5700萬。Newsela通過自適應(yīng)的真實(shí)內(nèi)容分級(jí)閱讀將新聞聚合并分級(jí)，為不同閱讀水平的學(xué)生提供閱讀內(nèi)容。人工智能的分級(jí)閱讀相較于傳統(tǒng)分級(jí)閱讀，可更為高效地測(cè)定分析，依據(jù)不同學(xué)生的興趣愛好和閱讀能力的學(xué)習(xí)數(shù)據(jù)挖掘行個(gè)性化精準(zhǔn)閱讀，使學(xué)生閱讀興趣明顯提高，學(xué)生閱讀習(xí)慣大為改進(jìn)，大大提高了教師的工作效率，把教師從收集和推薦書目，閱讀監(jiān)督學(xué)生等大量機(jī)械式重復(fù)性工作解放出來，同時(shí)實(shí)現(xiàn)了學(xué)生自適應(yīng)閱讀，達(dá)到了分級(jí)閱讀的核心目的。教師和家長(zhǎng)也可快捷精準(zhǔn)地全方位監(jiān)測(cè)分析學(xué)生的學(xué)習(xí)情況。4.智能學(xué)情分析和智能情緒識(shí)別。智能學(xué)情分析是指在積累了學(xué)生學(xué)習(xí)成績(jī)、學(xué)習(xí)進(jìn)度、學(xué)習(xí)習(xí)慣等數(shù)據(jù)后，對(duì)其進(jìn)行智能分析，并給出分析報(bào)告，協(xié)助教師對(duì)學(xué)生學(xué)習(xí)情況進(jìn)行管理，設(shè)計(jì)個(gè)性化教學(xué)方案，為學(xué)生量身定制不同于他人的學(xué)習(xí)策略和學(xué)習(xí)方法，讓孩子更為有效地學(xué)習(xí)。做智能學(xué)情分析的如極客大數(shù)據(jù)的“極課EI（EducationIntelligence）”是采用“IPH適應(yīng)性教學(xué)模型”和“集中式動(dòng)態(tài)學(xué)業(yè)檔案管理”兩大專利技術(shù)，采集作業(yè)和考試中動(dòng)態(tài)化的海量數(shù)據(jù)并進(jìn)行大數(shù)據(jù)智能算法分析，基于行為和關(guān)系數(shù)據(jù)的知識(shí)圖譜來制定學(xué)生的具體自適應(yīng)學(xué)習(xí)方案[9]。根據(jù)官方數(shù)據(jù)，“極客大數(shù)據(jù)”的活躍使用學(xué)校已超過1800所，收集3200萬份學(xué)生作業(yè)考試數(shù)據(jù)，180萬教師、學(xué)生及家長(zhǎng)的使用習(xí)慣。每個(gè)孩子都是與眾不同的，有自己獨(dú)特的天賦特性、偏好和天生優(yōu)勢(shì)，也有不同于別人的弱點(diǎn)。解決孩子的學(xué)習(xí)問題，應(yīng)當(dāng)用個(gè)性化的方法適應(yīng)其在學(xué)習(xí)上的要求。因而這種學(xué)習(xí)活動(dòng)對(duì)于每個(gè)學(xué)生而言都是有意義的，因?yàn)槭怯蓪W(xué)生自發(fā)的興趣來驅(qū)動(dòng)的。智能情緒識(shí)別目前主要由教育培訓(xùn)機(jī)構(gòu)和技術(shù)公司合作開發(fā)，如好未來、VIPKID,通過人工智能圖像識(shí)別技術(shù)，智能情緒識(shí)別可以識(shí)別學(xué)生課堂表情來判斷學(xué)生學(xué)習(xí)的興趣、困難點(diǎn)和集中度。2018年10月，新東方正式的首款A(yù)I類教育產(chǎn)品BlingABC“AI班主任”[10]，可以通過人臉屬性分析和檢測(cè)、語音識(shí)別、NLP（NaturalLanguageProcessing）等人工智能技術(shù)來發(fā)現(xiàn)學(xué)生在語言學(xué)習(xí)中的問題，根據(jù)學(xué)生上課時(shí)的參與度、回答時(shí)長(zhǎng)、情緒表現(xiàn)和學(xué)習(xí)結(jié)果來進(jìn)行量化分析。5.教育機(jī)器人。教育機(jī)器人除了在科學(xué)、技術(shù)、工程和數(shù)學(xué)（STEM）教育方面起著重要作用，在外語教學(xué)中的應(yīng)用也越來越普遍。機(jī)器人可以根據(jù)學(xué)生的認(rèn)知能力來為其定制學(xué)習(xí)內(nèi)容，引導(dǎo)互動(dòng)學(xué)習(xí)來營(yíng)造母語式的外語學(xué)習(xí)環(huán)境，在潛移默化中提高外語語言能力。從早期2016年簡(jiǎn)單的聊天學(xué)習(xí)機(jī)器人如著名語言學(xué)習(xí)AppDuolingo(多鄰國(guó))的永久免費(fèi)的外語學(xué)習(xí)chatbox[11]，開始只允許用戶打字對(duì)話，到擁有智能復(fù)雜功能的機(jī)器人，如科大訊飛的“阿爾法大蛋”，好未來旗下勵(lì)步英語聯(lián)合機(jī)器人領(lǐng)域領(lǐng)先的ROOBO公司推出的小布機(jī)器人[12]，與此配套的Let’sChat系統(tǒng)，可以進(jìn)行進(jìn)行語音識(shí)別、口語評(píng)測(cè)、繪本伴讀等功能，能夠智能適配學(xué)生的學(xué)習(xí)水平來進(jìn)行因人施教。通過教育機(jī)器人的輔導(dǎo)和在線教育的講解，可以精準(zhǔn)定位學(xué)生的薄弱知識(shí)點(diǎn)到納米級(jí)別來實(shí)現(xiàn)因材施教的“智適應(yīng)”的理想學(xué)習(xí)方式[13]。借助自然語言處理和情感機(jī)器人，通過陪伴學(xué)生的成長(zhǎng)來增加其對(duì)人的關(guān)懷[14]。

三、人工智能在外語教育中的研究熱點(diǎn)方向

查閱各種資料發(fā)現(xiàn)，人工智能近幾年在外語教育中的研究熱點(diǎn)方向主要有：①知識(shí)表示與教育知識(shí)圖譜，其研究熱點(diǎn)是以知識(shí)點(diǎn)及課程為中心的圖譜和以教學(xué)及資源為中心的圖譜。②認(rèn)知診斷，其研究熱點(diǎn)是使用大數(shù)據(jù)分析技術(shù)彌補(bǔ)傳統(tǒng)IRT模型的不足。③學(xué)習(xí)者建模，其研究熱點(diǎn)是針對(duì)學(xué)習(xí)主體對(duì)象的學(xué)習(xí)者進(jìn)行建模，對(duì)學(xué)習(xí)者知識(shí)狀態(tài)的識(shí)別和診斷。④教育試題資源表征，其研究熱點(diǎn)是使用深度學(xué)習(xí)模型對(duì)多源異構(gòu)教育資源進(jìn)行深度表征。⑤機(jī)器閱讀理解與批閱，其研究熱點(diǎn)是基于深度學(xué)習(xí)的機(jī)器閱讀理解。⑥智能教育系統(tǒng)，其研究熱點(diǎn)是教育機(jī)器人、游戲化教學(xué)、對(duì)話形式的學(xué)習(xí)，建立動(dòng)態(tài)模型。⑦腦科學(xué)與教育的結(jié)合，其研究熱點(diǎn)是交叉學(xué)科研究，教師對(duì)“神經(jīng)神話”的認(rèn)知，對(duì)腦科學(xué)的信念，以及教師自身的腦科學(xué)素養(yǎng)。人工智能在外語教育中的運(yùn)用將推動(dòng)外語學(xué)習(xí)的精準(zhǔn)測(cè)評(píng)、個(gè)性教學(xué)和因材施教。配合直播、游戲、VR等技術(shù)的教育人工智能可以極大提高學(xué)生的興趣，提高外語的學(xué)習(xí)效率，有著巨大的應(yīng)用發(fā)展空間。如何融合教育測(cè)量、教育理論與人工智能，分析學(xué)生的學(xué)習(xí)效率、能力和水平及目前的知識(shí)狀態(tài)將成為教師學(xué)習(xí)研究的方向。

1大數(shù)據(jù)分析挖掘系統(tǒng)主要組成部分

大數(shù)據(jù)分析挖掘系統(tǒng)的主要組成部分，包括知識(shí)庫數(shù)據(jù)庫模式評(píng)估以及服務(wù)器等4個(gè)主要組成部分，通過這4個(gè)部分才能夠在海量無序的數(shù)據(jù)以及信息當(dāng)中選擇出最為有效的信息，同時(shí)根據(jù)決策的方向而制定出一個(gè)較為有效的參考方案，其中在大數(shù)據(jù)分析挖掘技術(shù)內(nèi)容當(dāng)中，數(shù)據(jù)庫主要的作為依托的對(duì)象，負(fù)責(zé)收集所需要的數(shù)據(jù)，同時(shí)對(duì)涉及到數(shù)據(jù)進(jìn)行儲(chǔ)存以及進(jìn)一步的分析，以及綜合從而更好的幫助決策者進(jìn)行決策以及分析，而服務(wù)器則主要的提供相應(yīng)幫助有關(guān)數(shù)據(jù)的分析以及綜合，同時(shí)還能夠根據(jù)用戶發(fā)出的指令，對(duì)于信息進(jìn)行提取，在進(jìn)行數(shù)據(jù)的收集以及胎兒過程當(dāng)中，主要來使用了知識(shí)庫，從而對(duì)于所需要的多個(gè)數(shù)據(jù)以及信息進(jìn)行分析歸納以及整合而進(jìn)行模式評(píng)估則是需要根據(jù)搜尋者之前所搜尋的，判斷出其大致的興趣之后進(jìn)行度量而完成整個(gè)數(shù)據(jù)的尋找以及整合處理，從而確定出具體的評(píng)定參數(shù)。

2關(guān)于大數(shù)據(jù)分析挖掘技術(shù)的概述

數(shù)據(jù)分析技術(shù)者就是對(duì)于如今已有的數(shù)據(jù)挖掘以及積極學(xué)習(xí)技術(shù)不斷的進(jìn)行改進(jìn)，并且開發(fā)出一種新型的對(duì)數(shù)據(jù)進(jìn)行挖掘的技術(shù)。比如說可以通過特殊組挖掘圖形挖掘以及數(shù)據(jù)網(wǎng)絡(luò)挖掘的方式達(dá)到這一目的，從而突破原有的數(shù)據(jù)連接以及相似連接的數(shù)據(jù)融合技術(shù)針對(duì)于用戶的網(wǎng)絡(luò)行為以及興趣，還有情感語義進(jìn)行分析，等通過對(duì)于有關(guān)的領(lǐng)域進(jìn)行研究，更進(jìn)一步的改進(jìn)數(shù)據(jù)挖掘技術(shù)，從而能夠在大量的模糊不完整以及隨機(jī)的數(shù)據(jù)網(wǎng)絡(luò)中提取出自己所需要的，但是隱藏極深，雖然說在廣大數(shù)據(jù)當(dāng)中，這些信息以及知識(shí)始終處于隱藏狀態(tài)，并不能直觀的感受到，但是這也是一種潛在的信息，以及只是具有了一定的利用價(jià)值而在進(jìn)行大數(shù)據(jù)分析挖掘過程當(dāng)中所使用的技術(shù)可以大數(shù)據(jù)分析挖掘技術(shù)及其決策應(yīng)用文/陳宇展本文主要的闡述了在大數(shù)據(jù)分析挖掘技術(shù)當(dāng)中，系統(tǒng)的主要組成以及在數(shù)據(jù)需求者進(jìn)行決策時(shí)的具體應(yīng)用，為有關(guān)人員提供參考。

3大數(shù)據(jù)分析挖掘技術(shù)在決策過程當(dāng)中的具體應(yīng)用

3.1在教育行業(yè)過程當(dāng)中的應(yīng)用。大數(shù)據(jù)分析挖掘技術(shù)不僅僅能夠應(yīng)用于交通運(yùn)輸系統(tǒng)以及企業(yè)的財(cái)務(wù)系統(tǒng)當(dāng)中，其在教育系統(tǒng)當(dāng)中也發(fā)揮著重要的作用。如今我國(guó)加重了對(duì)高等教育事業(yè)的發(fā)展力度，為了學(xué)生能夠自主的成長(zhǎng)以及承載勝利的一個(gè)較為輕松并且自由的環(huán)境，但是在輕松所有環(huán)境的背后，也給學(xué)校的管理工作帶來了較大的困難，在如期重大高校都設(shè)置了學(xué)生卡管理系統(tǒng)，對(duì)于學(xué)生的日常簽到、宿舍住宿、飲食以及門禁等都通過校園卡來收集數(shù)據(jù)，判斷學(xué)生是否遵從學(xué)校規(guī)章制度，而通過對(duì)于校園卡打卡情況判斷數(shù)據(jù)的傳輸，將大數(shù)據(jù)分析挖掘技術(shù)應(yīng)用于其中，而構(gòu)建出大學(xué)生網(wǎng)絡(luò)數(shù)據(jù)中心以及大數(shù)據(jù)挖掘平臺(tái)，從而更好的完成教育管理工作。對(duì)校園卡數(shù)據(jù)進(jìn)行分析，通過數(shù)據(jù)統(tǒng)計(jì)、人工智能以及可視化等方式進(jìn)一步的挖掘數(shù)據(jù)，同時(shí)在很多領(lǐng)域當(dāng)中使用數(shù)據(jù)挖掘技術(shù)都有著不同的分類，其中所涉及到的算法，其中要注重部分為輸入、輸出以及處理三大部分，而對(duì)數(shù)據(jù)進(jìn)行挖掘的方法可以分為統(tǒng)計(jì)方法、神經(jīng)網(wǎng)絡(luò)方法、數(shù)據(jù)庫方法以及機(jī)器學(xué)習(xí)方法等四大方法，而在所獲取的數(shù)據(jù)庫以及數(shù)據(jù)源當(dāng)中包含著各種種類，因此在對(duì)于大學(xué)生日常行為以及生活習(xí)慣進(jìn)行數(shù)據(jù)挖掘過程當(dāng)中，針對(duì)于其針對(duì)對(duì)象也有了不同的理解，可以將數(shù)據(jù)挖掘當(dāng)中的各項(xiàng)分析方法進(jìn)行詳細(xì)的分類，因?yàn)閿?shù)據(jù)庫分析方法在數(shù)據(jù)分析以及化解過程當(dāng)中是中心步驟，而神經(jīng)網(wǎng)絡(luò)方法則通過構(gòu)建起神經(jīng)網(wǎng)絡(luò)，進(jìn)一步的對(duì)信息進(jìn)行挖掘。對(duì)大學(xué)生使用校園卡通過對(duì)其日常簽到以及上網(wǎng)，還有宿舍出門等信息進(jìn)行充分的挖掘以及分析，同時(shí)與學(xué)校當(dāng)中的后勤及管理人員聯(lián)手，尋求相關(guān)的數(shù)據(jù)，而通過所設(shè)計(jì)出來的數(shù)據(jù)構(gòu)建其意見的模型，定期對(duì)數(shù)據(jù)進(jìn)行分析整理及合并，從而做好大學(xué)生日常行為的有效管理，在學(xué)生出現(xiàn)失聯(lián)或者是離校的問題時(shí)，采取一定的預(yù)防措施及時(shí)發(fā)現(xiàn)，從而采取有關(guān)的措施及時(shí)應(yīng)對(duì)。如果在數(shù)據(jù)系統(tǒng)出現(xiàn)異常時(shí)，通過使用短信、微信以及QQ信息等方式，將信息發(fā)到輔導(dǎo)員處，并且在警報(bào)系統(tǒng)當(dāng)中備案，進(jìn)一步的歸納以及整理學(xué)生失聯(lián)問題的成因，從而為輔導(dǎo)員針對(duì)于這一問題提供了有效的依據(jù)，也能夠在學(xué)生實(shí)踐過程當(dāng)中發(fā)揮良好的意見功能，做好高效的管理工作。在教育行業(yè)，使用大數(shù)據(jù)分析挖掘技術(shù)，能夠?qū)崿F(xiàn)教育資源向數(shù)據(jù)價(jià)值的最終轉(zhuǎn)變，從而更好的發(fā)揮數(shù)據(jù)挖掘的重要作用，從而使得教學(xué)領(lǐng)域當(dāng)中的教學(xué)方式不斷的發(fā)生變革，并且不斷優(yōu)化課堂教學(xué)方式，獲取更高的教學(xué)效果，提高教學(xué)質(zhì)量。而通過對(duì)于教育過程當(dāng)中所產(chǎn)生的大數(shù)據(jù)進(jìn)行科學(xué)文化教育以及自適應(yīng)學(xué)習(xí)，從而闡明了大數(shù)據(jù)在教學(xué)領(lǐng)域當(dāng)中具體應(yīng)用的重要意義，進(jìn)一步的加快了教學(xué)領(lǐng)域當(dāng)中大數(shù)據(jù)分析挖掘的進(jìn)程，使得教學(xué)領(lǐng)域發(fā)生重大突破，然而由于大數(shù)據(jù)過程中存在了一定的技術(shù)缺陷以及人才缺失，這些問題可能會(huì)影響到大數(shù)據(jù)分析挖掘的廣泛應(yīng)用，延遲了教學(xué)領(lǐng)域發(fā)展的效果。因此就需要將數(shù)據(jù)挖掘結(jié)束以及教學(xué)大數(shù)據(jù)的應(yīng)用，保持著同一步伐進(jìn)一步的提高最終的教學(xué)成果。3.2大數(shù)據(jù)分析挖掘技術(shù)運(yùn)營(yíng)與財(cái)務(wù)系統(tǒng)決策。在大數(shù)據(jù)背景之下，人們有著更為方便并且快捷的渠道獲取大量的數(shù)據(jù)，但是因?yàn)閿?shù)據(jù)的量過于龐大，但是其中卻摻雜了大量的無用信息，因此人們迫切的需要尋求一種挖掘以及分析的方法，從而能夠在這段的時(shí)間之內(nèi)獲取自己所需要的大量的個(gè)性各異的數(shù)據(jù)，同時(shí)能夠根據(jù)自己的要求對(duì)數(shù)據(jù)進(jìn)行分析以及篩選，最終獲取有一定參考以及利用價(jià)值的信息。而在這種情景之下，可以通過使用大數(shù)據(jù)分析挖掘技術(shù)，進(jìn)一步的將大量的數(shù)據(jù)轉(zhuǎn)換為自己所需要的數(shù)據(jù)并且進(jìn)行儲(chǔ)存，能夠從巨量的數(shù)據(jù)當(dāng)中提取出自己需要的信息，并且構(gòu)建出一個(gè)智能分析體系，從而更好地進(jìn)行算法的優(yōu)化以及數(shù)據(jù)模型的建設(shè)，使得數(shù)據(jù)挖掘技術(shù)應(yīng)用于財(cái)務(wù)系統(tǒng)當(dāng)中。如今隨著信息化以及互聯(lián)網(wǎng)的快速發(fā)展，大數(shù)據(jù)分析挖掘技術(shù)應(yīng)用于各行各業(yè)當(dāng)中，無論是事業(yè)單位教育部門還是行政單位當(dāng)中，都構(gòu)建出了一個(gè)較為完備的電子化財(cái)務(wù)系統(tǒng)，從而使得對(duì)財(cái)務(wù)進(jìn)行管理的效率得到了快速提升，進(jìn)一步的解決掉財(cái)務(wù)決策的風(fēng)險(xiǎn)，而如今隨著各種信息樹木逐漸增多并且趨于不確定性，財(cái)務(wù)部門的有關(guān)人員可以通過使用大數(shù)據(jù)分析挖掘技術(shù)對(duì)于各種信息進(jìn)行挖掘，同時(shí)建立企業(yè)模型進(jìn)行分析及整合為后續(xù)的決策提供較為精確的信息以及數(shù)據(jù)支撐。比如說需要對(duì)投資進(jìn)行管理時(shí)，可以在投資之前就使用大數(shù)據(jù)分析挖掘技術(shù)，對(duì)于外部的市場(chǎng)環(huán)境以及整體的市場(chǎng)導(dǎo)向進(jìn)行探究，從而尋求在投資過程當(dāng)中可能出現(xiàn)風(fēng)險(xiǎn)的種種因素，或者針對(duì)這些因素，制定出一個(gè)有效的符合如今市場(chǎng)經(jīng)濟(jì)的投資戰(zhàn)略，從而達(dá)到利潤(rùn)最大化。同時(shí)在統(tǒng)籌決策的過程當(dāng)中，也可以使用大數(shù)據(jù)分析挖掘技術(shù)，進(jìn)一步的探究統(tǒng)籌的數(shù)據(jù)以及導(dǎo)向，從而盡快的達(dá)到最終的目的先去最合適的統(tǒng)籌方法，進(jìn)一步的降低所投入的資金以及成本。3.3大數(shù)據(jù)中的算法分析。在大數(shù)據(jù)中，常見的算法分析有許多，具體為：（1）分類分析。在分類分析中，企業(yè)能夠利用大數(shù)據(jù)技術(shù)將不同類別、不同層級(jí)的客戶進(jìn)行分類，幫助企業(yè)獲取到不同的算法。（2）回歸分析。回歸分析是企業(yè)在大數(shù)據(jù)技術(shù)中應(yīng)用最多的數(shù)據(jù)技術(shù)之一，它能夠利用函數(shù)將相同數(shù)據(jù)表達(dá)的數(shù)據(jù)進(jìn)行歸類處理，并反映出相同屬性之間的數(shù)據(jù)關(guān)系，為企業(yè)針對(duì)特定群體進(jìn)行數(shù)據(jù)決策提供支持。（3）關(guān)聯(lián)規(guī)則。在關(guān)聯(lián)規(guī)則中，大數(shù)據(jù)技術(shù)能夠?yàn)橛脩敉扑推淠壳盀g覽的數(shù)據(jù)的相似數(shù)據(jù)，并逐步分析客戶的具體需求，將數(shù)據(jù)推送更加精準(zhǔn)。（4）神經(jīng)網(wǎng)絡(luò)算法。神經(jīng)網(wǎng)絡(luò)算法所應(yīng)用到的人工智能技術(shù)和AI技術(shù)是我國(guó)的最新科技，也是大數(shù)據(jù)技術(shù)未來的發(fā)展方向，它能夠針對(duì)不全的、模糊的信息進(jìn)行分析，并將數(shù)據(jù)進(jìn)行分類以及分析，并幫助企業(yè)分析用戶的實(shí)際需求，在企業(yè)的實(shí)際決策中發(fā)揮了重要的作用。