Sci论文 - 至繁归于至简,Sci论文网。 设为首页|加入收藏
当前位置:首页 > 教育论文 > 正文

《神经网络——计算机视觉》课程思政教学与实践论文

发布时间:2021-07-28 10:16:09 文章来源:SCI论文网 我要评论














SCI论文(www.scipaper.net):

        摘   要:针对专业课程教学中实施课程思政的要求,以《神经网络——计算机视觉》课程为例,结合三年教学实践与学生反馈,探讨立足学科理论和方法,深入挖掘课程内容中的思政内涵,找准思政映射与融入点,实现“智育” 与“德育”的有机融合。

        关键词:神经网络;计算机视觉;人工智能;课程思政 ; 教学实践

        本文引用格 式: 项 俊,侯建华 .《神经网络 —— 计算机视觉》课程思政教学与实践 [J]. 教育 现 代化 ,2020,7(97):182-186.

Teaching and Practice of Ideology and Political Education in the Course of “Neural Networks for Computer Visual”

XIANGJun, HOU Jianhua

(College of Electronics and Information, South-central University for nationalities, Wuhan Hubei)

       Abstract: For the ideology and political practice demands in specialized course teaching, tacking Neural Networks for Computer Visual as  an  example, we  explore the standpoint theory and methodology on  the establishment and construction  of curriculum ideological and political. By combining the three years’ teaching practice and students’ feedback, thoroughly excavating political connotation in  the curriculum content and finding out the right mapping and joining points of  ideological    and political, we realize the organic integration of moral and intelligent education.

         Key words: neural networks; computer visual; artificial intelligence; curriculum ideological and political; teaching practice

一 引言

       2016 年 12 月,习近平总书记在全国高校思想政治工作会议上强调“要用好课堂教学这个主渠道, 思想政治理论课要坚持在改进中加强,提升思想政治教育亲和力和针对性,满足学生成长发展需求和期待,其他各门课都要守好一段渠、种好责任田, 使各类课程与思想政治理论课同向同行,形成协同效应”[1]。即要充分挖掘和运用各学科专业课程中蕴含的思想政治教育资源,促进思政教育与专业课教学的相互融合。另一方面,在新一轮人工智研究与应用的浪潮中,人工智能的发展被纳入我国国家战略。2017 年“人工智能”首次被写入政府工作报告, 2018 年 4 月我国教育部印发的《高等学校人工智能创新行动计划》明确提出“支持高校完善人工智能的学科体系,加大人工智能领域人才培养力度,为我国新一代人工智能持续发展提供人才储备和战略支持”[2]。因此,在国家教育战略引领下,《神经网络—计算机视觉》作为人工智能领域的重要专业课程,探索其专业课教学和思政教育的深度融合具有重要的实践意义。

       神经网络是当前机器学习领域的热点研究内容, 其应用领域涉及计算机科学、人工智能、电子通信、自动化、机械等众多学科领域。本课程为我院新工科专业中的新增选修课程,授课对象为大三及大三以上电子 / 通信专业本科生,共 8 个教学周 32 学时。专业教学目标包括:以近十年来深度神经网络研究进展为线索,结合在计算机视觉领域的相关应用,由浅入深、全面系统地介绍神经网络的基本原理、经典结构和训练方法,不仅注重理论分析,更注重其在实际工程问题中的应用。通过课程教学,让同学们了解深度神经网络研究的最新动态,通过掌握神经网络的理论原理和专业知识,着重培养学生学会利用深度学习模型,采用科学的方法解决计算机视觉以及相关领域中的复杂工程问题,包括解决具体科学问题的建模与仿真、设计实验、分析与解释数据、并通过信息综合得到合理有效的结论;培养学生利用神经网络学习技术,选择与使用恰当的开源深度学习开发平台、仿真软件资源和软硬件开发工具解决实际问题的工程能力。

       课程思政最终教学目标是思政育人。在具体实施中,要充分利用课堂主渠道,通过挖掘神经网络领域发展中的哲学思想和德育元素,找准思政映射与融入点;在传授专业知识的同时激发学生对计算机视觉以及人工智能领域的兴趣,树立严谨的学风和持之以恒的探索精神,增强学生的爱国情怀和社会责任感,从而实现“智育”与“德育”的和谐统一 [3,4] 。

       笔者多年来一直从事计算机视觉领域的研究与人才培养工作,熟悉该领域发展现状以及人才需求;《神经网络—计算机视觉》自 2017 年秋季首次开出已开设三轮,第一作者同时担任本科生班主任。以下结合教学实践和学生的反馈,对如何在专业课中开展“课程思政”提出一些初步的思考。

\

二 教 材

       现有系统讲述深度神经网络的教材一般面向研究生,且要求具备前期模式识别领域等相关领域的知识,还没有适合为本科生授课的教材 [5][6],这也是目前很多新工科课程普遍面临的一个突出困难。为此我们采用自编讲义,主要参考斯坦福大学研究生教   程“CS231n”“Convolutional  Neural  Networks  forVisual Recognition”以及本科课程“CS229”“Machine Learning”。在准备每一次授课内容时,一是要投入大量精力收集、筛选、组织教学内容以及制作 PPT 课件,二是要有针对性地补充数学以及相应的专业知识,让学生能够在课堂上理解学习内容;三是准备一些学习资料和习题思考题等供课下复习和思考。以上工作可以较好地解决教材问题,同时对备课资料及时归档整理、根据教学反馈效果及时改进,为今后编写教材打下基础。此外,为增加授课的趣味性,每次课前五分钟带领同学们浏览领域杰出研究者网站,帮助大家快速了解领域背景。这种“模块化、弹性化、多路径”的模式也有助于培养学生的专业兴趣,让他们带着问题去阅读、增强学习主动性。

三 思政教学实施的主要举措

       为实施课程思政,选择与安排思政教学内容要贯穿专业课始终。实施思路如下:以教育工作客观规律为依据,在国家教育大政引领下,立足学科基础理论和方法,深入挖掘学科及课程中的思政内涵; 通过精心选择和组织教学内容,找准思政映射与融入点;并结合采用灵活多样的教学方式和考核手段, 以自然、启发、自主学习为教学特点,在专业教学中实现知识传授与价值引导的有机结合,实现爱国主义、思想品德、道德情操三观教育的施政目标, 实现专业内容与思政的无痕融合,总体实施思路如图 1 所示。
\
 
        以下阐述本课程思政教学中的具体实践方案, 部分措施给出详细案例描述。

(一) 以历史事件为融入点

       在课程绪论部分介绍神经网络发展史,包括人工智能与计算机视觉两个领域的入门介绍,回顾相关领域的起源、发展历程以及现状。

       思政教学:以“神经网络研究中的三起两落”[7] 为思政映射点与融入点,选取若干经典事例,如从1962 年“猫大脑中视觉系统的研究”人类初探哺乳动物视觉皮层工作机理,到 Rosenblatt 首次提出感知器,到 Marvin Minsky 指出“基于感知机的研究注定失败”,再到“分布式表达”与“反向传播”算法的提出等。对其中里程碑事件背后的哲学思想进行总结提炼;引导学生体会本领域研究者不畏艰难、持之以恒的科学探索精神;激发学生对人工智能领域的兴趣,树立远大目标,坚定为科研事业勇于奉献的精神。再讲授基于数据驱动的分类算法原理,包括数据驱动分类算法的数学模型,伪代码流程,目标识别算法性能分析,存在的问题。以“新一轮人工智能研究热潮的来龙去脉”为思政映射点与融入点,播放视频资料回顾 2016 年 AlphaGo 人机世纪大战事件,引出人工智能研究新浪潮的重大事件;通过世界新一轮人工智能研究热潮,让学生深入了解新一轮科技革命和产业变革的挑战、我国最新的人工智能发展战略和产业布局,激发学生对人工智能领域的学习兴趣、提前做好专业规划。

(二) 以励志科学家生平事迹为融入点

       讲授深度神经网络训练,涉及激活函数选取、网络模型参数初始化、模型优化过程中的小批量正则化技术、网络学习中大数据集的构建策略、迁移学习的重要性和实现策略等。

       思政教学:以“反向梯度传播的梯度下降法与模型参数更新策略”为思政映射点,介绍神经网络在解决模型训练科学问题上的的曲折历程,以科学家事迹为融入点,介绍三名科学家生平事迹;重点讲述图灵奖得主 Geoffrey Hinton 教授从“弃婴”到“大神”逆袭的传奇人生,具体描述他在研究中百折不挠、刻苦钻研,最终为深度网络模型有效训练理论做出的杰出贡献。通过提炼教育元素,让同学们意识到每一门学科都是知识大厦的累积,也是无数科学研究者艰辛探索过程的体现,让学生在学习过程中体会到科学家的钻研精神,从而引导、教育学生树立正确的世界观,愿意为社会的发展做出自己的贡献。

       具体案例描述:以正常教学 PPT 演示的方式, 揭秘图灵奖得主 Hinton 的传奇人生。通过介绍三位图灵奖得主产生过程,以及 Hinton 曲折的科研历程, 映射科学家不畏艰难、精益求精的品质精神、协作共进的团队精神、追求卓越的创新精神,从而激发学生学习前辈对知识追求、真理追求、创新追求的精神。具体教学安排如下:

       2019 年 3 月 27 日,ACM( 国际计算机学会) 宣布,三位“深度学习之父”约书亚·本吉奥 (Yoshua Bengio)、杰弗里· 辛顿 (Geoffrey Hinton) 和杨乐昆(Yann LeCun) 共同获得了 2018 年图灵奖。这是图灵奖自 1966 年设立以来,第三次将年度图灵奖同时颁发给三位获奖者。根据 ACM 官网信息,此次图灵奖是为了表彰三位大师给人工智能带来的重大突破,这些突破使深度神经网络成为计算的关键组成部分。“Bengio、Hinton 和杨 LeCun 三人既有各自独立的研究,又有相互间的合作,他们为人工智能领域发展了概念基础,通过实验发现了许多惊人的成果,并为证明深度神经网络的实际优势做出了贡献。近年来,深度学习方法在计算机视觉、语音识别、自然语言处理和机器人等应用领域取得了惊人的突破。”“虽然人工神经网络作为一种帮助计算机识别模式和模拟人类智能的工具在 20 世纪 80 年代被引入, 但直到 21 世纪初, 只有杨 LeCun、Hinton 和Bengio 等一小群人仍然坚持使用这种方法。尽管他们的努力也曾遭到怀疑,但他们的想法最终点燃了人工智能社区对神经网络的兴趣,带来了一些的重大技术进步。他们的方法现在是该领域的主导范式。” 这是 ACM 授予他们图灵奖的重要原因。由于图灵奖对获奖条件要求极高,评奖程序又是极严,一般每年只奖励一名计算机科学家,只有极少数年度有两名合作者或在同一方向作出贡献的科学家共享此奖。因此它是计算机界最负盛名、最崇高的一个奖项,有“计算机界的诺贝尔奖”之称 。下面,同学们跟随老师一起来看看“深度学习三巨头”之一的Hinton 的传奇人生。

        Hinton 从“弃儿”到“大神”的逆袭,神经网络冰冷期下的勇者。

        Hinton 于 1947 年出生在英国温布尔顿,他的父亲 Howard Hinton 是一名昆虫学家,母亲 Margaret Clark 是一名教师。Hinton 出生于科学家世家, 在Hinton 成长的过程中,他的母亲给了他两种选择:“要么成为一名学者,要么就做个失败者。”Hinton 家族的家谱上,科学家占了很大的比例。Hinton 中学就读于一所名为克利夫顿学院的私立学校(并不是什么顶尖学校),1972 年,Hinton 开始在爱丁堡大学攻读博士学位,研究方向是神经网络。每周,他的导师都会对他说,你是在浪费时间,但 Hinton 还是坚持继续研究。博士毕业后,Hinton 在匹兹堡的卡耐基梅隆大学找到一份工作。1987 年,Hinton 接受了加拿大高级研究所(CIFAR)的邀请,尽管从未学过计算机课程,但 Hinton 还是在多伦多大学计算机科学学院接受了一个职位,并在 CIFAR 展开了机器和大脑学习项目的研究。在相当长的时间里,“人工智能处于冬季”,当其他实验室因为经费问题不得不放弃神经网络的研究时,他一直在安静的办公室里反复推演着自己的领域。Hinton 的观点曾被业界集体抛弃,甚至一度困难到招不到研究生博士生。但是 Hinton 从没有放弃过自己的信念,并且这一坚持就是近三十多年,渐渐地,一些相信深度学习的人都加入了他的团队。期间 Hinton 为神经网络的理论和实践奠定了重要的基础,因此人们称他为神经网络之父,是他真正让网络工作了起来。2011 年深度学习首先被成功运用于自然语音处理领域,2012 年基于卷积神经网络的 AlexNet 一举夺冠,从此开启了深度学习在计算机视觉、自然语言处理等计算机科学领域的标杆性进展。

       事实证明,深度神经网络对现代计算机科学的一些重大进步做出了巨大贡献,帮助科学家在计算机视觉、语音识别和自然语言理解等领域长期存在的问题上取得了实质性进展。然而这一进步的核心离不开30 多年期间里三位深度学习大师的不懈坚持。

(三) 以领域最新发展动态为融入点

       课程尾声综述神经网络在计算机视觉领域的相关应用和发展,以及未来的发展趋势。邀请计算机视觉实验室研究生到课堂,与本科生面对面交流, 介绍自己科研团队在视觉跟踪领域的最新研究进展, 回答学生问题等,邀请感兴趣学生到实验室参观、甚至实习。

       思政教学:结合本团队师生的研究课题与成果, 通过身边人发生的故事,让学生进一步提升对本专业的学习兴趣,更真实的感受到专业研究艰辛与快乐,也有助于提升学生的科研自信感。

       具体案例描述:以科研进课堂,邀请学院相关专业研究生与本科生讲座的方式,交流科研上的学习心得与体会;通过邀请计算机视觉实验室研究生,讲解自己领域最新发展现状,自己科研团队的研发内容,遇到的困难,以及解决方案等,真实的展示身边人最鲜活的科研历程。如邀请电信学院相关团队视觉多目标跟踪小组,通过在线网页浏览计算机视觉领域多目标视觉跟踪国际挑战赛的最新进展,介绍自己团队在视觉跟踪领域的相关工作和成果; 穿插讲授视觉跟踪领域发展前沿,从 2015 年深度学习首次引入视觉跟踪领域,掀起学术研究热潮,一直到当下最主流的视觉跟踪网络结构,介绍中国科学家以及自己团队所做出的相关贡献。以图文并茂的方式向同学们详细阐释合理正确的科研历程:如何通过查阅文献跟进领域现状,掌握领域最新发展趋势,分析领域难点;并针对领域难点,生成研究动机,提出相应解决方案;针对所提算法数学建模, 并设计相关实验,采集数据验证所提方案的可行性。最终撰写论文,投稿领域顶会获得同行认可,并参与学术交流的心得体会。

       结合学院优秀团队师生的研究课题与成果,通过身边人发生的故事,映射科学家不畏艰难、精益求精的品质精神、协作共进的团队精神、追求卓越的创新精神,从而激发学生学习前辈对知识追求、真理追求、创新追求的精神。提高学生对专业及行业的认知水平,提升自信心,激发学习动力。

(四) 以时事热点融入点

        介绍主流神经网络平台, 包括 Caffe、Torch、Theano,、TensorFlow、Keras、Pytorch 等,介绍各平台特点以及如何根据任务需求选择合适的开发平台。

        思政教学:以“学术界、工业界在争夺深度学习开发平台上的战略部署和激烈竞争”为思政映射点,展示学术界和工业界争夺深度学习开发平台开源主动权的现状,结合中兴和华为事件,引出自主科技创新的重要性。通过中兴和华为事件的讨论, 让学生深入了解事件背后的技术创新含义以及残酷竞争的世界大环境,让学生树立爱国和大局意识, 激发学生学习的积极性。

       具体案例描述:以正常教学 PPT 演示的方式, 阐述科技创新核心竞争力的重要性。

       首先以回顾“中兴”事件——“缺芯之痛”为引入点,讲述 2018 年 4 月 16 日,美国商务部发布公告称,禁止美国企业向中兴通讯出售任何电子技术和通讯元件,并且从生效起,这项禁令为期长达七年。随后,中兴通讯缴纳 10 亿美元的罚金并改组董事会,之后在又缴纳了 4 亿美元的保证金之后,2018 年 7 月,双方达成和解,美方解除了美国供应商与中兴通讯进行交易的禁令。其次回顾“华为”事件,众所周知,作为中国通信行业的后起之秀,华为在 5G 网络、芯片研发、操作系统等领域的领先是目前很多老牌运营商公司所不能及的。多年以来美国一直打压华为进入美国的主流运营商网络, 2018 年初,美方以安全漏洞为由,使得美国的众多电信行业的龙头纷纷终止与华为的合作,华为在开拓美国市场的过程中吃了“闭门羹”。美国除了对华为实行“封杀”外,还以国家安全为由劝说国际上抵制华为的 5G 技术,并对华为提出了全面的打压。随后课堂分组交流,让同学们探讨行业核心竞争力的重要性,相关主题内容如下:

       技术与芯片研发的打压,美方对我国这两个通信行业龙头的制裁旨在剑指“中国制造 2025”。这一场两国之间贸易上的博弈,实质上包含了信息科技领域即 IT 行业的较量。在 IT 行业,大家深知只有掌握了核心技术才是一个企业生存和立足的根基,无论是 5G 通信还是芯片研发还是人工智能,这都将是中美两国争夺的热点所在。

       中国正积极从信息科技领域找寻产业结构转型的重要突破,即通过高科技领域的发展,推动中国产业结构的转变,从而实现从“中国制造”到“中国创造”的重大转变。作为中国信息科技领域的龙头,中兴的“缺芯之痛”引出的在新一轮的国企改革中,许多企业需要提升的核心竞争力是自主创新。在改革开放四十周年的背景下,包括中兴通讯、华为、阿里等一系列中国高科技企业的重点研究方向转向了人工智能、5G 通讯、机器人、大数据、云计算等互联网领域。为了争夺以新一代信息科技为代表的第四代工业革命的领导权,各企业应将把自主知识产权为核心的竞争力作为自己立足的重要资本 [8]。本课程深度学习技术,作为当前最热潮的机器学习算法,在各行各业都备受关注,因此各大研究机构, 尤其是工业界纷纷抢占深度学习研发高头,体现在各大机构纷纷开源深度学习开发平台。中国企业也参与其中,如百度开源的“PaddlePaddle”深度学习框架在人工智能领域也发挥了巨大的影响力。

       综上所述,所谓行业的核心竞争力,其实质是以自主知识产权为核心的技术的竞争力。不管是从 “中兴事件”中美国供应商对中兴通讯公司芯片的禁售,还是“华为事件”中美方以知识产权和安全漏洞为由对华为产品的抵制和封锁,备受欧美等国打压 的关键就在于那些包含了自主知识产权的核心技术。为此,掌握自主知识产权的核心技术成为了关系存 亡的产业研发导向。
 
\

四 采用灵活多样的教学方式

        首先,结合授课内容和思政映射点特点,教学上不拘一格,采取多元化教学手段。例如,除了传统的 PPT 课件与板书结合方式外,还适时通过视频资料播放、在线网页浏览、课上课下讨论、学长进课堂、参观实验室等多种手段,以及学生自主搜集资料撰写报告的多元化考核形式,实现思政与专业内容教学的无痕融合。

       其次,深度学习领域发展日新月异,该课程建设中科研服务教学特性尤为重要。事实上科研工作和教学相辅相成,一方面将科研成果转化为教学内容,促进教学内容更新 , 提高了本科教学的质量;另一方面鼓励本科生进实验室,让学生参与到具体科研工作中。自 2017 年课程开设以来,项目负责人所在科研实验室向全院本科生开放,鼓励学生积极参与到教师的科研活动中来,表现优秀的学生还可以申请校级、省级甚至国家级大学生创新创业项目, 以及研究生深造。让本科生承担科研项目,用实验室团队融洽的科研氛围,导师的人格魅力、思想行为, 言传身教的方式影响学生;树立优秀科研人员为学生学习的榜样,激励学生刻苦学习、不畏艰难以及报效国家的家国情怀,真正实现专业知识与思政资源的无缝衔接与自然过度。

五 思考

        近年来为配合新工科建设,政府和企业为解决师资短缺问题采取了很多措施,在师资培训、实验室建设等方面取得了一定的效果。在深度学习领域, 各种开源代码资源、开放平台的推出也降低了入门门槛,为更多感兴趣者提供了便利。但由于本课程主要内容均是在近几年得以迅速发展且更新非常快, 因此,要求教师应该具备深度学习在某一领域的一线科研经历与积累,才能在设计思政教学环节时游刃有余、让学生更真实地感受到神经网络研究的艰辛和快乐,实现较理想的预期效果。较深厚的科研积累是保证课程有深度的前提;教学内容的组织、更新、教材编写、以及启发式自主学习方式等对教师提出了更高要求,促使教师时刻关注领域前沿动态,自觉从事科学研究工作。教学与科研相长在这门课程中得到了很好体现,是一个值得深入探索的教研课题。

六 结束语

       高等学校校肩负着培养全面发展社会主义接班人的重大任务。本文以习近平总书记在全国高校思想政治工作会议讲话精神为指导,以《神经网络— 计算机视觉》课程教学为载体,设计个性鲜明的新工科“课程思政”教学模式,重点介绍了如何深入挖掘学科及课程中的思政内涵、找准思政映射与融入点;同时也给出了一些教学上的思考与建议。

参考文献

[1]习近平 . 在全国高校思想政治工作会议上的讲话 [N]. 光明日报 , 2016-12-09.
[2]教育部 . 高等学校人工智能创新行动计划 [Z].2018.
[3]黄琼丹 , 卢光跃 , 陈怡君 . 理工科“课程思政”教学方案研究 [J]. 教学研究,2019(09):101-103.
[4]袁桂丽, 禹建芳, 房方. 基于自动控制理论的课程思政探索[J]. 教育教学论坛 ,2020(12):65-67.
[5]李睿凡 , 王小捷 , 钟义信 . 探索神经网络深度学习的教学 [J]. 计算机教育 , 2014 (19):77-79.
[6]李睿凡 , 佳洁 , 周延泉,等 . 深度学习中卷积神经网络的教学探讨 [J]. 计算机教育 ,2015(18): 58-59,74.
[7]Ian Goodfellow, Yoshua Bengio, Aaron Courville. Deep Learning[M]. The MIT Press, 2016.
[8]解润宇 . 浅谈当前经济形势下 IT 行业的发展状况与未来趋势—从中美贸易摩擦中“中兴”“华为”事件说起 [J]. 研究导刊 , 2019(18):170-171.

关注SCI论文创作发表,寻求SCI论文修改润色、SCI论文代发表等服务支撑,请锁定SCI论文网!
文章出自SCI论文网转载请注明出处:https://www.scipaper.net/jiaoyulunwen/32149.html

发表评论

Sci论文网 - Sci论文发表 - Sci论文修改润色 - Sci论文期刊 - Sci论文代发
Copyright © Sci论文网 版权所有 | SCI论文网手机版 | 豫ICP备2022008342号-1 | 网站地图xml | 百度地图xml