人工智能学习经验总结范文

人工智能学习经验总结范文第1篇

关键词：人工智能；情商；课程思政；自我激励；情绪调节

一、引言

人工智能时代的到来，一些重复性的、体力性的劳动被机器所取代，也创造了一些新的工作岗位和工作机会。“人类”特有的技能，如创造力、独创性和主动性、批判性思维、说服和谈判能力、关注细节、弹性、灵活性和解决复杂问题的能力、情商、领导力、社会影响力以及服务导向等方面的需求比以前有更大幅度地增长[1]。在这些“人类”特有的技能中，情商尤为重要。有研究证据表明情商对创造力、主动性、说服、解决问题的能力等等都有正向影响，能对人类其他的技能产生积极作用。人工智能时代，高等教育也受到前所未有的冲击，学生可以在网上找到各种学习资源，教师已经不再是学生最重要的知识来源。在这种背景之下，校园的情商教育重要性日益凸显。

二、情商与高校学生的学业、生活关系密切

情商与高校学生的学业、生活关系密切，具体表现如下[2]：1.高情商的个体更善于调节情绪，能避免分心和抑制诱惑，能更好地管理用于学习的时间和精力，从而更好地完成学业目标。2.情绪稳定的个体能够有效地分配和利用他们的认知资源——包括注意力、记忆和解决问题的能力，进而提高学习能力。3.情商是成功社交的关键因素。情商能够帮助学生提高社会交往能力，包括与教师的互动，与同伴朋友的互动。4.高情商的学生善于处理人际关系，增加情感投入，进而成功融入大学生活，增强与大学的联系感和归属感。

三、我国情商教育的现状

辽宁师范大学海华学院在校学生的情商调查发现，只有48%左右的学生了解和熟悉情商的概念，只有14.7%的学生能够调节和控制自己的负面情绪[3]。对6所高等院校的工科学生进行情商调查，调查结果显示工科大学生在感知自己情绪和对自己情绪做出客观评价方面得分较高，在对情绪表达方面得分较低[4]。有学者对杭州地区研究生的情商现状进行了调研。研究结果显示56%的学生认为自卑和自满不能说明情商低，55%的学生妒忌别人取得的成绩，50%的学生厌学[5]。从调查结果来看，大学生的情商水平有待提高，在大学进行情商教育是必要的。智商主要由遗传因素决定，情商则可以通过后天培养。大学可以通过开设情商教育课程、开展一些户外的集体活动来进行情商的实践教学。专业课和基础课老师参与情商教育是一种切实可行、成本最低、有效的情商教育手段，所谓“润物细无声”，且能增进师生感情与互动。

四、构建新型的师生关系

大学是学生形成正确的人生观和价值观的重要阶段，在人工智能时代，传授知识已经不是教师最重要的任务，学生从网络上可以获得很多知识，更重要的是培养学生健康的人格，坚强的毅力，怀着一颗善良的心，与人为善，面对生活、工作和学习上的压力，能适时调整自己，始终以积极的心态面对各方面的挑战。为了更好地进行情商教育，对授课的5个班学生进行了问卷调查，使情商教育有的放矢。收回186份有效问卷。问卷调查结果显示，57.5%的学生不了解情商或者了解一些，即使42.5%的学生认为自己了解情商，但他们的理解就是“处之泰然”“与人相处的能力”“为人处世的哲学”等，显然学生对情商没有全面认识，更谈不上知晓情商在自己生活、工作、事业上的重要地位。从问卷调查表来看，29.57%的学生没有明确的职业规划；10.22%的学生完全不能客观全面地评价自己；30.11%的学生对自己的才华和能力很不自信；40.86%的学生在图书馆学习时，如果有人在旁边喧闹，会很生气。可见学生自我认识、自我激励、控制情绪方面有很大的提升空间，在授课过程中，应穿插这些方面的引导与教育。

（一）自我激励

笔者小时候偏理科，初一第二个学期期末考试历史不及格，给了笔者当头一棒，暗下决心，要迎头赶上。平时上课认真听讲，课后认真复习，花了很多时间在文科的学习上，付出有了回报，初三时，笔者的成绩全年级第一名。以笔者的亲身经历告诉学生，每个人的潜力和擅长的东西是不一样的，有些知识点别人很快就学会了，且能举一反三，而你上课没听懂，作业不会做。不要气馁，回宿舍，看视频回放，不懂的知识点多听几遍，除了老师布置的作业，再多做一点练习，跟老师多沟通。相信自己，比别人多花一些时间，学业上一定会有进步。这个学期作业的抄袭率远远低于往年，作业中出现了往年学生没有的错误。每个人理解问题的角度不一样，解题思路也不一样，所以会出现不一样的错误，这样的结果是令人欣慰的。笔者给学生布置了一个作业，“你经历过哪些困难，自己是如何克服这些困难的？”笔者把好的作业跟大家分享，让大家彼此激励，也相互学习自我激励的方法。有的同学克服困难的方法是“挺一挺，就过去了”。这个引出笔者的第二个情商学习内容：情绪调节。

（二）情绪调节

有些困难确实是咬咬牙就挺过去了。但是很多时候需要学习情绪调节，它如同成功的捷径。人在情绪低落时，做事效率低下，容易出错；人心情紧张时，也会影响人的能力正常发挥。因此人要适时的调整自己的情绪，让自己的能力最大限度地发挥出来。美国斯坦福大学的一项研究表明，人大脑里的某一幅图像会像实际情况那样刺激人的神经系统，使得事情不像人希望的那样发展，而向着人害怕的方向发展。因此，同学们要让自己保持“瓦伦达心态”，专心致志于某事，而不在乎这件事的意义和结果[6]。笔者在驾照考试中，心情紧张，各种担心，考试两次没有通过，后来，调整心态，考试中只想着操作细节，没有杂念，第三次考试终于通过了。课间时，笔者让大家畅所欲言谈谈自己克服情绪低落、愤怒和紧张等不良情绪的好方法，让大家相互学习。

（三）相信自己

《电力系统基础》这门课程理论性很强，知识由浅入深，到了第9周、第10周的时候，学生觉得学得有点吃力了，有点挫败感。笔者在第11周上课之前，给他们出了一道选择题，有三个候选人，他们分别是：A、笃信巫医，生活放荡不羁，有多年的吸烟史，而且嗜酒如命；B、曾经两次被赶出办公室，每天要到中午才起床，每晚都要喝大约1公升的白兰地；C、曾是国家的战斗英雄，一直保持素食习惯，热爱艺术，偶尔喝点酒，年轻时从未做过违法的事。在这3个候选人中，有一位会成为众人敬仰的伟人，你们认为会是谁？学生很多都选择了C，而且认为A和B的生活一定很悲惨，很可能成为罪犯。当笔者告诉他们A是富兰克林·罗斯福，美国第32任总统。B是温斯顿·丘吉尔，两度出任英国首相。C是阿道夫·希特勒，纳粹德国元首，第二次世界大战的发动者。笔者看到了很多同学脸上露出了诧异的表情，笔者接着说：“我给大家出这道选择题，是告诉大家，人无完人，连伟人都会犯错，何况我们呢？不管你以前怎样，都过去了，要往前看，从现在开始努力，一定能够成为优秀的人。对于这门课的学习也是一样，我感觉到了你们的懈怠情绪，打起精神，相信自己，多花点时间，一定能学好，一起努力吧。”有几个同学大声地说：“好的。”从这节课之后，笔者明显地感觉到学生的学习积极性提高了，下课问问题的同学也多了，而且提出的问题非常棒，让笔者从另一个角度思考某些知识点的讲授，给了笔者很多启发。

（四）善良和感恩

善良与感恩是人与人之间交往的基石。在电力系统的无功功率平衡和电压调整这一章，为了降低电网的有功损耗和电压降落，无功功率不适合远距离输送。在无功电源的配置上，遵循无功功率就地平衡的原则。联系生活中，就如“远水不救近火，远亲不如近邻”一样。同学来自五湖四海，四面八方，有缘聚在一起，就应该相亲相爱，和睦相处。笔者让同学们畅谈在大学生活中感动他们的事情，大家都很积极，感受到了浓浓的同学情和师生情。“隔离期间，同学给我送被子和日用品，还有好吃的”“生病期间，同学陪我去医院吊水”“和室友一起庆祝生日”“生病了，同学帮打饭”“同学给我辅导功课”“大一的时候，老师跟我促膝而谈，让迷茫的我，找到了人生的方向”……通过回顾生活点滴，将善良与感恩的种子根植于学生的心田，同学们的心紧紧的连接在一起。

（五）人生观与价值观

通过这门课程的学习，学生知道了电力系统的频率与系统的有功功率的平衡水平息息相关，电力系统的电压水平与系统的无功功率平衡水平关系密切。通过这门课程的学习，大家知道了有功和无功一样重要。无功功率就如同社会上很多默默无闻工作的人们，他们的工作虽然不为人知或不被关注，却很重要。同学们在以后的工作中，既要努力工作，做出一些业绩，如同“有功功率”，也不要过分强调自己的作用与能力，不要看重名与利，为了社会发展，要有一点奉献精神，如同“无功功率”。结合专业知识，帮助学生树立正确的人生观和价值观。

五、情商教育效果调查

在学期末的时候，对情商教育效果进行了问卷调查，共收到161份有效问卷。43.48%的学生认为老师讲亲身经历比讲名人的故事对他们更有促进作用，54.04%的学生认为讲名人故事和老师讲亲身经历对他们的促进作用是一样的。91.925%的学生非常认可在专业课教学过程中，穿插一些情商或者思政方面的教育。83.85%的学生觉得情商教育对他们的学业投入有很大的促进作用。83.23%的学生觉得情商教育对树立正确的价值观和人生目标有一定的帮助。从调查结果来看，大部分同学是非常喜欢老师在专业课的讲授中间，穿插一些情商教育。情商教育确实对学生的学业投入、价值观和人生观产生了积极的正面影响。调查结果显示学生自己和老师的一些经历就是情商教育最好的素材。

六、小结

课程思政建设不应该有固定的模式，每个老师应该探索自己的思政教育切入点，笔者以情商教育作为切入点，采用了小组讨论、游戏、学生讲自己的故事、老师讲自己的经历、讲名人的励志故事和播放视频等多种教学手段，取得了比较好的教学效果，等到了学生的肯定和认可。

人工智能学习经验总结范文第2篇

一、财务风险动态监测平台（FDMP）在企业风险管理（ERM）框架中的定位

（一）COSO的ERM框架 国际上，企业风险管理的主要指引是ERM框架，它由COSO委员会于2003年7月在内部控制框架基础上，结合萨班斯法案（SOX法案）以及理论界和实务界对内部控制框架提出的一些改进建议而，它为全球企业风险管理提出了全新的管理理念。ERM框架有3个维度：（1）目标维度，包括战略目标、经营目标、报告目标和合规目标；（2）风险管理要素维度，包括内部环境、目标设定、事件识别、风险评估、风险对策、控制活动、信息和交流、监控；（3）划分企业各个层级的组织维度，包括整个企业、各职能部门、各条业务线及下属各子公司（具体如图1所示）。三者间的关系是，全面风险管理的8个要素都是为企业的4个目标服务的，企业各个层级都要坚持同样的4个目标，每个层级都必须从以上8个方面进行风险管理。该框架适合各种类型的企业或机构的风险管理。

（二）企业财务风险管理在ERM中的定位企业财务风险管理是ERM框架中的重要组成部分。一方面，从目标维度讲，由于财务数据是基于价值标准对企业信息的综合反映，因而ERM中的经营、战略等目标中许多属于财务目标的内容。另一方面，从要素维度讲，财务风险是风险事项识别、评估的重要内容，更是风险应对的重要手段。而且，如图2所示的企业风险结构“金字塔”，上层的宏观、中观风险和底层微观的各项风险都最终会对财务风险产生影响，财务风险则是企业风险最综合的、往往也是最致命的表现，因此，财务风险是要素维度中最重要的因素。

（三）FDMP整体架构 按照管理信息系统的一般原理，FDMP架构可以按照流程分为输入、处理、输出三个部分，即财务风险因素识别子系统、财务风险度量（评估）子系统和财务风险报告子系统。同时，FDMP作为企业整体信息系统中一个子系统，还要考虑企业的整体信息环境，设计与其他系统的衔接及相互支撑的接口子系统。FDMP总体架构如图3所示。

二、FDMP的构成

（一）风险因素识别子系统财务风险因素识别是指在事前，针对特定企业所处的内外部环境，辩识和确认构成企业财务风险的事项及其对应的风险容量，并在实际运行中，采取一定方法从信息源获取风险事项变动的及时信息形成对FDMP系统的输入。

由于财务风险影响因素众多，如何识别并选择适当的变量作为系统输入一直是学者们关注的一个重要问题。从实用性角度考虑，所选择的风险因素（指标）总体上应符合以下原则：（1）综合性。传统的财务风险定量识别是根据一个或数个变量来作出决策，导致不同变量可能得出不同结论，如果某企业的流动比率、速动比率很低，不考虑其他变量，容易得出该企业将陷入财务困境的结论，但若该企业盈利能力很强，流动性困难极有可能是短暂的，未必一定会陷入财务困境。因此，指标体系应综合反映企业营运能力、偿债能力、盈利能力、发展能力。同时，还要将一些重要的定性指标经过矢量化后包括进来，如公司治理状况的有关指标。（2）敏感性。指标必须具有较高的敏感性，以迅速反映财务状况的变化。（3）可得性。即能够根据现有财务核算数据和相关管理资料，直接或间接地计算出来。

通过总结已有研究成果可以为确定风险变量提供指引，本文搜集了财务风险预测方面的国内外文献，其中代表性的有：Beaver（1966）、Altman（1968，1977，1994）、Ohlson（1980）、Beyon&Peel（2001）、

Van Gestel（2006）、陈静（1999）、陈晓（2000）、吴世农和卢贤义（2001）、联合资信（2005）、王宗军等（2007）、宋鹏等（2009）的研究，在这些研究中被广泛使用且经模型检验有效的变量主要包括：偿债能力方面主要是流动比率、负债比率、现金及现金等价物净增加额/总负债；盈利能力方面主要是净利润率、净资产收益率、总资产收益率（以利润总额或以息税前利润为分子）；成长性方面主要是主营业务收入增长率、净利润增长率、总资产增长率；营运能力方面主要是总资产周转率、应收账款周转率等。很少有研究将公司治理变量纳入，但笔者认为公司治理对企业运作、长远发展和财务信息质量都有重大影响，应当在量化后纳入其中，如用郝芬达指数反映股权集中度等。需要强调的是，每个企业应当根据自己的具体特征来选择风险变量，这方面并不存在绝对的统一标准。

（二）度量评估子系统 该部分是将输入的数据通过适当的模型进行处理，以得到企业财务状况整体的一个二分类结果（好或坏）或风险等级划分结果。根据风险管理目标、企业特征、数据条件等构建一个适当的模型非常关键，其技术水平和适用性将决定风险评估的有效性，从而从根本上决定财务风险动态监测的效果，因而是FDMP的技术核心。财务风险度量模型经过半个多世纪的发展，已经历了单变量判定模型、多元线性判定模型、logit和probit概率模型、神经网络（NN）分析模型。由于NN模型具有自学习能力，因而也就实现了模型的动态调整，从而达到动态预测的目的。当前，支撑向量机（SVM）由于比NN有更强的泛化能力、不易限入局部最优、维数不敏感等优点，已在财务风险度量领域得到初步成功应用，因而应重点考虑应用SVM技术来构建模型。

（三）财务风险报告系统 该部分负责财务风险信息的对外披露，主要是根据组织特征决定在何时、以何频率、以详略得当的方式，将风险监测信息和警报信号在恰当的范围内传播，以便管理者及时了解财务风险情况并采取相应措施。

三、FDMP关键技术――财务风险评估模型的构建

（一）财务风险评估预测方法的演变与SVM的优势 自20世纪60年代以来，不少研究者对企业财务风险的评估预测方法由简至繁地尝试了多种方法，并仍在不断摸索创新，至今大体已经历了单变量判定、多元线性判定、概率模型、人工智能方法等阶段，杨海军和太雷（2009）对此做了很好的综述。

Beaver（1966）利用单一的财务比率，最早提出公司财务预警分析模型，随后Altman（1968，1977）提出了著名的多元线性判别模型――Z系列模型，该模型确定了资产营运资本率、资产留存收益率、资产报酬率、债务权益市价率和总资产周转率这5个变量作为判别变量，产生了一个综合判别公司财务状况恶化程度的概率值，即Z值。但线性判别模型对预测变量有着严格的联合正态分布要求，或者要求协方差矩阵相等，而事实上大多数财务比率并不满足这一假设要求。为克服这些局限性，Martin（1977）和Ohlson（1980）等提出了逻辑回归模型，与前述的模型相比逻辑回归模型很好地解决了上述问题，因此具有更广泛的适用性，然而逻辑回归模型仍存在自身的缺陷，诸如线性、非线性的传统统计学的严格假设条件，要求预测变量之间、函数形式关系之间相互独立，但在现实世界中这些函数关系以及预测变量都不是完全独立的。为了开发一种更为精确更为通用的预测方法来解决这个问题，包括决策树、神经网络、模糊逻辑、遗传算法、支持向量机等方法的数据挖掘和机器学习技术被广泛引入，并取得了较好的结果。Odom（1990）、 Franco&Varetto（1998）运用人工神经元网络模型进行财务困境预测的研究，Min&Lee（2005）采用支持向量机（SVM）方法对上市公司财务困境问题进行预测，并得出SVM方法优于神经网络、多元判别分析和Logistic回归的结果。

SVM是目前较新的一种性能优势的模式识别技术，是由Vapnik等人根据统计学理论提出的一种新的通用学习方法，它是建立在统计学理论的VC维理论和结构风险最小化原理基础上，能较好地解决小样本、非线性、高维数和局部极小点等实际问题，泛化能力强，具有其它以经验风险最小化原理为基础的算法难以比拟的优越性。因而，FDMP的风险度量评估模型在当前条件下应当基于SVM技术构建。应当指出的是，本文讨论的是如何为一个企业构建财务风险监测平台，由于每个企业的情况存在许多差异，而且SVM作为一种人工智能学习技术，其最终成果――最优分类函数受学习样本数据影响会隐含许多的企业特征，因而，试图构建一个一般化的模型以适应所有企业并不具有太多实践意义，需要针对特定企业根据其数据构建专属的具体模型，所以，在此讨论模型构建的主要问题及其处理原则更有指导意义。

（二）SVM在财务风险动态监测应用中的主要问题及处理 一是模型大类的选择。在模型构建过程中，有许多技术方面需要做出选择，其中最基本的也是一开始就要做出的选择是模型的大类。支持向量机是针对二值分类问题提出的，经过发展，目前也成功应用于解函数回归问题，同时也用于多值分类问题。因此，从大类上来讲，支持向量机有二分类支持向量机、支持向量机回归（通常称为SVR）、多值分类支持向量机（分类支持向量机可统称为SVC）。它们区别在于：（1）二分类与回归比较，若给出训练样本集为：（xi，yi），xi∈Rn，i=1，…，?而yi对于分类问题∈{+1，-1}，而对于回归情况则∈R。原始数据经非线性映射?准到一个高维特征空间后，然后在高维特征空间中进行线性分类或回归运算，分类问题是解下面的二次规划：min■||w||2+C■ξi，约束条件为yi（+b）?叟1-ξi； ξi?叟0，其中：是向量点积，w为权向量，b为阈值，C为惩罚因子，表示了对误差样本的惩罚程度，ξ为考虑拟合误差而引入的松弛因子。而在回归问题中，设回归函数为：f（x）=+b，它的任务是解如下二次规划：min■||w||2+C■（ξi+ξ*i），约束条件为：yi-（+b）≤?着+ξi；（+b）-yi≤?着+ξi；ξi，ξ*i?叟0，其中为ε为一种损失函数。（2）二分类与多值分类比较，通常是将多值分类做一定转换，再利用二分类方法处理。通常的做法有“一对多”、“一对一”、决策树法等，“一对多”就是把某一种类别的样本当作一个类别，剩余其他类别的样本当作另一个类别，而“一对一”就是每次只考虑两类样本，即对每两类样本设计一个SVM模型，总共需要设计k（k-l）/2个SVM模型。通常构造多值分类的方法具有很高的计算复杂性，孙德山（2004）提出了一种相对简单又有效的处理方法。该方法是在高维特征空间中对每一类样本求出一个超球体中心，然后计算待测试样本到每类中心的距离，最后根据最小距离来判断该点所属的类，他所得到的多值分类问题最终优化方程中，待优化的参数个数是样本总数?，计算复杂性只与总的样本数量有关，而与样本的分类数无关，因此比用SVM构造一系列二值优化器要简单得多。

那么应当选择哪一类型的支持向量机呢？这是一个需要根据实际情况进行折衷处理的问题。从技术成熟度看，目前支持向量机在解决二值分类方面获得了巨大成功，技术相对成熟，而SVR比SVC复杂，技术成熟度不如二分类SVC，多值分类则更次之。而从进行财务风险监测的需要来看，希望得到尽可能细化的分类结果以较准确地反映企业的财务风险水平，所以选择的顺序是SVR、多值分类、二分类，因为SVR的评估结果是一个连续值，多值分类结果是一个多等级值，例如五级分类，而二分类只有好与坏两个值。面对这种冲突，应有的处理原则是，根据ERM框架确定的风险管理目标水平、数据获取情况和企业管理技术水平来决定评估所期望的精度，从而选择相应的模型种类。

二是参数的确定。要把模型构建落到实处，接下来就必须确定模型中的各项参数。对于支持向量机，影响模型效果的重要参数主要包括：

（1）核函数形式及其参数。对于非线性问题（现实中大量问题属非线性的，财务风险即为典型），支持向量机无法直接得到最优分类超平面，而是利用非线性映射函数将样本映射到高维线性空间，然后在此空间构造线性分类器或回归函数。样本在高维空间的点积运算可以用低维输入空间的核函数来实现（这也是支持向量机最巧妙之处），而核函数的类型和参数间接决定了样本在高维线性空间的分布，从而影响了支持向量机的性能。目前研究最多的核函数主要有如下几类：（a）多项式核函数，形为K（x，y）=［?啄+c］q，

其中：q为多项式的阶数，?啄、c为设计者选择的常数；（b）径向基函数（RBF）， 形为K（x，y）=exp｛-■｝； （c）多层感知器Sigmoid核函数，形为K（x，y）=tan（?啄+c）；（d）Fourier序列核函数K（x，y）=■；（e）B样条核函数K（x，y）=B2N+1（x-y）。

（2）误差惩罚参数C，是调整模型复杂性和经验风险的参数。C越大意味着对分类误差的惩罚越大，误分类的数据点数目越少；反之，C越小意味着忽略那些似是而非的误分类数据点，同时得到更宽的分类间隔。

（3）对于SVR类模型，损失函数的选择也至关重要，主要有ε不敏感损失函数、平方损失函数、Laplace损失函数、Huber损失函数等，最常用是Vapnik提出的ε不敏感损失函数。

目前对于参数的选择还没有明确的指导方法，在实际应用中，可以在如下两种方式中选其一：

（1）经验确定。经验确定是按照样本的分布规律，对函数形式和各个参数给出经验估计值，这一方法需要使用者有较深厚的理论基础。目前研究中有许多经验总结可借鉴。如，Lanckriet（2004）指出可以利用半正定规划技术直接从数据中学习核矩阵（各种可能核形式）来得到最适合的核函数形式；刘靖旭等（2008）研究表明对于ε-SVR模型，ε的不同取值，预测误差随参数对（λ，C）具有相似的变化趋势，且对于较佳的组合，几乎在相同的ε值处取得较小的预测误差，这表明ε的选取在某种程度上独立于（λ，C）的选择，因此，可以先确定ε，把三参数优化问题转化为二参数优化问题；杨海军和太雷（2009）指出可使用模糊化的惩罚项（而不固定的惩罚参数值）来降低不重要数据点的影响，即根据外点侦测结果，使用一个权重函数，对外点赋予较大的惩罚值等。

（2）网格搜索。如果使用者缺乏经验，则可用网格搜索方法，它的做法是将参数所处的空间划分成网格，在每一个网格点上将参数代入进行试估计，并将估计结果的误识率进行比较，最终选择那些使误识率最低的参数。这一方法的明显优点是广泛适用性，但其局限是计算量随着参数数量的增加呈指数增长，对于实际中很多大型回归分析问题由于计算量太大而不实用。

三是样本问题。有效样本的获取与处理是构建模型的基础，它不仅影响模型上述方面的技术选择，并最终决定了模型估计的有效性。样本问题主要涉及样本规模和样本结构均衡性两个方面，当实际操作中碰到此类问题时，有时需要在参数选择方面做调整，有时通过一定方法对样本进行预处理就可基本解决。

（1）样本规模问题。支持向量机最初是针对小样本提出的一种方法，依据小样本得到泛化能力强的模型是它的优势。但与其他任何机器学习技术一样，样本规模不能过小，过小则会发生欠学习问题，即模型不能从训练样本中得到足够信息，因而模型的预测能力就会不理想。支持向量机的小训练样本优势同时也给它带来了在大样本场景下应用的局限性，如对于大型企业或涉及金融资产较多的企业，只有较大的样本才可能提供比较充分的财务风险信息。支持向量机在大样本中的局限主要是因为其训练过程实质是求解一个二次规划问题，其求解时间复杂度为O（N3），由于要存储核矩阵，空间复杂度为O（N2），其中N是样本数。当训练集规模巨大时，支持向量机的训练时间会太长，同时核矩阵的规模太大将导致内存空间不足。另一方面，支持向量机的训练结果是用支持向量表示的，当支持向量数目太大时会导致超出内存限制，使得分类器不能全部装入内存，影响分类器的使用。

在众多处理支持向量机大样本应用问题的技术中，不涉及到参数调整，可单纯通过样本预处理实现的有减少训练样本、训练集分解两种方法。

减少训练样本方法是采取某种策略，通过挑选最可能为支持向量的训练样本，或筛减最不可能为支持向量的训练样本，或以上两种方法同时采用对训练集实施预处理，以实现训练集规模的减小。具体处理方法主要有：（a）邻域算法，即通过一定算法（如k邻域算法）计算样本点邻域信息，从而挑选那些位于分类超平面附近的样本作为最终训练集，实现训练过程加速的同时确保分类器泛化能力（Shin，2003）。（b）聚类方法，即使用聚类分析技术对大样本进行预处理，抽取聚类子集的有效信息，从而实现训练样本的筛减。如Boley（2004）提出了一种自适应聚类方法，首先将训练集按照类别分别实施聚类，用每个子集的中心作为该子集的“代表”，然后用这些“代表”的集合训练初始支持向量机，从而初步发现训练集中可能的非支持向量，非支持向量子集用该子集的中心代表，从而起到筛减非支持向量的目的。

训练集分解方法就是基于某种策略将训练集分解成若干子集，在每个子集上训练支持向量机，最后采用某种策略将各支持向量机组合。具体实现有串行、并行两种方式。并行的训练集分解方法有：贝叶斯支持向量机（BC-SVM）、最小最大模块化支持向量机M3-SVM、并行混合支持向量机专家、快速模块化支持向量机（Fast modular network implementation for SVM）、分布式支持向量机（Distributed-SVM）等。串行方法主要是使用Boosting算法来扩展支持向量机，它是用上次训练过程产生的分类器在整个训练集上的测试准确率决定下次样本的抽取，这将使被前面产生分类器错分的样本更可能出现在下次的训练集中。

（2）样本均衡性问题。如果训练样本出现明显的非均衡性，如某一类样本特别少，而另一类样本特别多，在这种情况下经传统处理方法训练出来的支持向量机在分类时就会出现偏向大类的倾向，换言之，当两类训练样本数目相差悬殊时，分类平面明显偏向少数类训练样本一方，从而产生“有偏性”。而财务风险、医学诊断、入侵检测等都属典型非均衡问题。

如何处理这一问题，目前主要有两种思路，一是改造分类算法，另一个是对数据进行预处理。改造分类算法主要通过对不同类的样本设置不同的权值，改变概率密度，调整分类边界等措施解决，如赵会等（2009）提出一种基于中心距离比的分类算法；而谢丹蕊等（2009）提出的平衡策略则是，首先基于Fisher判别思想，计算出两类样本在分类超平面法向量上投影后的均值和方差，再依据两类错分概率相等准则，给出新的阈值计算方法对超平面进行调整。数据预处理方法通过样本数据的修剪来解决非均衡问题，具体方法包括向下取样、向上取样等。向下取样是减少多数样本的数量，使不同类的数量接衡，从而提高分类能力。该方法的缺点是容易丢失多数类的一些重要信息。向上取样是通过增加少数类的样本数量提高分类器的分类能力，但新样本难以保证与原样本同分布，且增加了训练器负担。因此，不同方法各有利弊，还有待进一步发展成熟。

参考文献：

［1］蒋艳霞、徐程兴：《基于集成支持向量机的企业财务业绩分类模型研究》，《中国管理科学》2009年第2期。

［2］彭静、彭勇、欧阳令南：《基于粒子算法和支持向量机的财务危机预警模型》，《上海交通大学学报》2008年第4期。

［3］杨海军、太雷：《基于模糊支持向量机的上市公司财务困境预测》，《管理科学学报》2009年第12期。

［4］Altman E. Financial ratios， discriminant analysis and the prediction of corporate bankruptcy［J］. The Journal of Finance，1968， 23（4）.

［5］Altman E， Haldeman R， Narayanan P. Zeta analysis: A new model to identify bankruptcy risk of corporations［J］. Journal of Banking and Finance，1977，（1）.

［6］Beaver W. Financial ratios as predictors of failure， empirical research in accounting: Selected studies［J］. Journal of Accounting Research，1966，Suppl（5）.

［7］FrancoV. Genetic algorithms applications in the analysis of insolvency risk［ J］. Journal of Banking& Finance，1998，（22）.

［8］Martin D. Early warning of bank failure：A logistic regression approach［J］. Journal of Banking and Finance，1977，（1）.

［9］Min J H， Lee Y C. Bankruptcy prediction using support vector machine with optimal choice of kernel function parameters［J］. Expert Systems with Applications，2005，（28）.

［10］Ohlson J. Financial ratios and the probabilistic prediction of bankruptcy［ J］. Journal of Accounting Research，1980，18（1）.

人工智能学习经验总结范文第3篇

通过分析“慕课”在全球及我国的发展，探讨了“慕课”对中医教育的影响，即形成中医教学“新生态”、推动中医教育“走出去”及促进中医教育“接地气”。认为展望中医“慕课”教育，将是推动中医教育改革、促进中医推广及传承的一次机遇。

[关键词]慕课；中医；教育改革

“慕课”（MassiveOpenOnlineCourse，MOOC）是大规模网络公开课的简称，对传统教育模式带来了挑战，在国内外已成为了教育改革的一个热门话题。2012年被《纽约时报》命名为“MOOC”元年，2013年可被视为中国的MOOC启动年。同年，“慕课”的三巨头之一Coursera宣布其5门课程已进入美国教育委员会（ACECREDIT）的学分推荐计划，学生选修的学分可获大学承认，“慕课”进入正规高等教育体系的通道由此开启[1]。“慕课”浪潮席卷全球，使教育资源共享的同时参与全球竞争。这种打破大学围墙的在线教育新模式，将对传统的中医教育带来怎样的冲击？如何应用“慕课”促进中医教育发展，优化中医人才培养，推广中医以及传承中医值得我们关注和思考。

1“慕课”浪潮

互联网普及和信息技术运用对传统社会产生了重大的影响，在教育行业也是如此，“慕课”是传统教育模式受到互联网影响的显著案例，当前“慕课”浪潮正席卷全球。“慕课”学生数量大，强调参与、分享，极具开放性。课程运用互联网技术，教学活动通过网络进行，不受时空限制，这些与传统教育模式差异显著。1.1在全球发展“慕课”这一术语由加拿大爱德华王子岛大学网络传播和创新主任BryanAlexander与国家人文教育技术应用研究院高级研究员DaveCormier提出，后用于StephenDowns于2008年合作开设的一门大型网络课程[2]。2011年秋，“慕课”开始快速发展，190个国家，16万人注册了《人工智能导论》（IntroductiontoArtificialIntelligence）这门免费课程[3]。2012年，Coursera上线4个月，学生数便突破100万，到11月时，学生数已经突破1800万，呈现爆发式发展[4]。因此，2012年被《纽约时报》命名为“MOOC”元年。2013年2月8日，Coursera的第一批五门网络课程的学分获得美国教育委员会（ACECREDIT）的官方认可，这具有里程碑意义，“慕课”发展进入新的阶段。2014年，由麻省理工学院和哈佛大学联合创办的edX继续高速发展，至2014年7月，已有200多门课程在线开放，在线教职工400多人，共有超过10万的学员已经获得课程证书。从美国硅谷发端，再到全世界，正是Udacity、Coursera和edX三巨头奠定了“慕课”的基石[5]。斯坦福大学创立的Cours－era是目前发展最大的“慕课”平台，旨在与世界顶尖大学合作提供网络课程，为世界顶尖大学合作提供网络课程，为世界各地的学生提供免费的优质学习机会。由麻省理工学院和哈佛大学联合创办的edX，属于非营利性的教育机构，与全球顶级高校合作，旨在以突出的教学设计，为学生提供互动式在线学习，以及Udacity目标在于让学生有更好的职业发展[6]，其成立最早，课程不多，练习较多，注重细节和实际运用。此外，还有Udemy、P2PU、可汗学院等“慕课”平台，“慕课”正成为传统教育模式的挑战者。1.2在中国发展纵观教学改革历程，“慕课”似曾相似，与我国远程在线教育非常接近，“慕课”某种意义上是在线教育的升级版。我国上个世纪80年代开始的电视大学被称作在线教育“0.0时代”；21世纪伊始，网络公开课，远程教育被称为是“1.0时代”，尝试把传统课堂搬到了网上，当下风靡全球的“慕课”则代表着在线教育“2.0时代”[7]。2012年被《纽约时报》命名为“MOOC”元年，那么2013年可被视为中国的MOOC启动年。“慕课”在当今教育界成为的热词，“翻转课堂”、“线上线下”频频被提及。2013年初，北京大学、清华大学加盟“慕课”与在线教育平台edX签约，复旦大学、上海交通大学与Coursera签约。目前，国内多所高校正以建设和发展“慕课”为契机，牵头制订《大规模在线课程国家标准》，打造属于中国自己的“慕课”平台。2013年7月，在上海交通大学举行的在线教育发展（MOOCs）国际论坛上，上海交通大学等众多国内高校将携手打造“慕课”平台。上海交通大学校长、中科院院士张杰认为，这场在美国发起的大规模开放在线课程，其运行模式已开始触动传统高等教育的根基，它将改革大学教育，重塑高等教育版图，引起大学的重新洗牌，形成全新的大学格局。2013年10月，清华大学首个中文版MOOC平台———“学堂在线”正式推出。2014年3月，中国医学教育慕课联盟在北京成立，并宣布启动中国医学教育慕课平台建设。2014年5月8日，作为国家精品开放课程项目的共享系统———“爱课程”网，在集中展示视频公开课和资源共享课的基础上，开通了“中国大学MOOC”平台，面向全国高校进行MOOC课程建设和应用[8]。中国大学MOOC平台与2014年5月20日上线第一批课程，截至2014年12月31日，29所大学共上线214门课程，已结课50门，成为国内第一大MOOC平台[9]。

2“慕课”对中医教育影响

“慕课”浪潮奔涌而来的时候，它究竟为我们带来些什么？对于相对传统的中医教育带来怎样的影响？当中医逐步走出国门，成为中国文化走向世界的名片的时候，“慕课”又将给我们带来怎样的思考与启迪？

2.1形成中医教学“新生态”

当前主流中医教育模式，普遍采用传统教学模式也就是“传递-接授”模式，教师在整个教学过程中占主导地位，教学以教师为主体，教学过程中教师主要通过口授、板书、演示，学生则主要通过耳听、眼看、手记，来完成知识与技能传授，并通过“组织教学-引入新课-讲授新课-复习巩固-布置作业”等五个环节组织课程，从而达到教学目标要求的一种教学模式。这种模式有利于教师主导作用的发挥，有利于教师对课堂教学的组织、管理与控制。通过这一模式，中医药知识、临床诊疗经验等知识得以传授，锻炼了学生的知识接纳、推断演绎等能力，但这种“接受式学习”难以形成独立思考、创新思维的能力[10]。因此，中医教育需要改革和创新[11]。就中医学学科特点而言，中医学是一门临床学科，中医学的生命力在于临床。而疾病的症候常常是复杂多变的，而教学过程中，特别是教材中，往往以典型现象作为教学模板、切入点乃至知识点，因此临证不像教课书阐述的如此虚实分明，清晰明了，正所谓“临证贵在知常达变”。可见，中医教学，“知常”是要达到的基本要求；“达变”则提出了更高的要求。而“慕课”本身的注重师生互动及学生自身的学习体验。这与中医学科注重“悟”的特点相契合。“慕课”通过“翻转课堂”等手段，充分调动学生学习的积极性和兴趣。改变了原先教师主导的教学体系和模式，要求教师实现从讲授者和讲解者到学习的激励者和启发者的角色转换，颠覆了原有的教学生态。复旦大学副校长陆昉认为慕课的“翻转课堂”可以加快以教师为中心知识灌输为主的教学模式向以学生为中心的新模式的转变，让学校教育更多从静态知识传授转为智能教育[1]，这样慕课实际上成为学生对学习的认知、感受、领悟以及诠释和交流等的集合体[12]，对教师的教学能力提出更高的要求，也形成了区别于传统的教学“新生态”。因此，“慕课”将推动中医教学模式创新与改革。

2.2推动中医教育“走出去”

中医药学凝聚着深邃的哲学智慧和中华民族几千年的健康养生理念及其实践经验，是中国古代科学的瑰宝，也是打开中华文明宝库的钥匙[13]。因此，中医药走出去具有重大战略意义。而“慕课”可以视为“走出去”战略实现途径之一。在中国向全球推出的首批“慕课”中，中医因其鲜明的中国特色受到了关注。在2013年12月上海交通大学最早亮相Coursera平台的两门课程中就有一门是《中医药与中华文化传统》；而2014年2月清华大学在edX平台上推出的《文物精品与文化中国》中，也专门设计了章节介绍了针灸铜人、经络学说，探讨针灸对当今世界的影响。“上海高校课程中心”是由上海市教育委员会发起的建设的大型在线教学服务平台。其中，中医药课程包括《走进经络》、《杏林探宝———带你走进中药》、《中国功夫与经络》等。“上海高校课程中心”的学校共享、校际认证与大型规模，体现了“慕课”的核心要义，已经具有“慕课”的雏形[14]。另外，自2003年以来，教育部开始评选部级精品课程，各高等中医药院校经过不懈努力，至2015年1月，中医学类共有251门课程。这些中医药精品课程学科特色鲜明、教学效果显著，注重现代教育理念，善于运用先进教学技术，具有表率作用和辐射效应，也具备“慕课”的些许特点。同时，更多的高校正着手推进“慕课”项目，例如南京中医药大学2014年遴选了中医内科学等6门课程作为建设项目，中医儿科学等3门课程作为培育项目，大力推进课程建设[15]。中医文化植根于中国传统文化，是传统文化思维、哲学思想、思维方式和价值观念的体现，因此，中医“走出去”的主体就是体现着中国传统文化精髓的中医文化[16]。高等学校更是承担着教学、科研、社会服务及传承文化四大职能，更应成中医“走出去”过程中的先锋和生力军。中医药类“慕课”的推出和运用，将对中医药走出去起到推动作用，对于中医走出去，乃至中国文化推广具有重大意义。

2.3促进中医教育“接地气”

慕课是一场学习革命，其影响绝不限于大学，对推动继续教育发展，打造灵活开放的终身教育体系，构建人人皆学、处处可学、时时能学的学习型社会，将具有积极意义[17]。中医药领域同样如此。健康是人类永恒的追求。中医药在佑护人类健康方面做出了极大的贡献且极具特色，所以日益受到群众的关注与喜爱。群众对健康的需求日益增加与中医养生健体的功能相契合，所以“中医热”、“养生热”正日渐式盛，成为健康教育领域的热点与亮点。但是，中医有着独特的理论体系、根植的文化基因及丰富的干预手段，效如桴鼓的同时确有着缜密的逻辑推敲与个人体悟经验总结的凝练。因此，一名优秀的中医教育与推广者要求甚高，林林总总的冠以“中医”名号的诸多“养生热”实与中医相左。这是亟待解决的问题，事关中医的群众基础，因此借助“慕课”找到中医发声的重要途径，对中医健康教育起到“正本清源”的作用。“慕课”灵活开放的形式为我国构建人人皆学、处处可学、时时能学的学习型社会和“活到老，学到老”的终身教育体系提供契机，为学历教育和非学历教育结合，终身教育和个性化教育相配合做出了尝试。这将是一场学习的革命，其影响绝不限于大学，对推动继续教育发展，打造灵活开放的终身教育体系，构建人人皆学、处处可学、时时能学的学习型社会，也将具有积极意义[17]。随着慕课管理的日益制度化及中医课程数量的日益增加“，慕课”使中医教育更“接地气”。

3“慕课”展望

2012年被称之为“慕课”元年，对于教育这一古老、讲究缜密而又略显保守的行业，那么“慕课”仍可认为是教育领域的一个新兴概念，势必有其不成熟之处，值得探究。

3.1泛信息化的低效率

信息技术是新教学工具，教师的重要性如同过往的工具书、粉笔、黑板擦。但是信息技术下的备课需要花费大量的时间和精力。同时，大量信息技术的运用稀释了授课过程中学生对教师的注意力聚焦。“慕课”潮流下，如不能处理好信息技术与教师之间的关联将降低教学效率。此外，“慕课”时代下，师生、生生之间交流都基于网络，传统教学质量检验手段例如随堂作业、课后作业以及课程考试等都采用无纸化模式。客观现实是对于海量的交互信息，特别是具有主观描述性质的交流，虽采用了计算机辅助分析检查评价和学生间互学互评等一系列方法和手段，但还远不足以保证每个学生的学习质量。特别值得关注的是，无纸化模式的原创性亦值得思考。如何保证拿到学分毕业证的学生就是在电脑前面学习知识的那个学生。如何杜绝替学或作弊现象，如何保证“证书”的可信度和含金量，成“慕课”亟待解决的问题之一。目前已尝试通过包括根据打字节奏判断学习者是否为其本人等方法，但从现阶段的科学技术水平来看这一问题在短时期仍无法解决。因此，泛信息化所带来的低效率值得进一步探讨和思考。

3.2后信息化的体验缺失

网络课程教学模式如果可以理解为信息化教学，那么“慕课”暂且称之为“后信息化”时代的教学模式。如今小班教学能提高教学质量是大家的普遍共识，小班化教学使得师生、师生之间能够充分交流的同时对于学生社会能力及素养的形成并未因为学生数量的减少而缺失，取得了较好地平衡，兼顾了多方面。而“慕课”刚好相反，学生规模极大，学生人数可达几十万，且独立为个体，师生、生生之间互动几乎全部以人机互动模式出现，缺乏人与人面对面的交流。师资好固然重要，“慕课”很好地完成了传递知识的任务，专业知识的学习是大学生活的一部分，但是大学校园氛围，教师对学生的口传心授，生生之间的情感传递，各种能力的培养，校园氛围、社团活动、同学交流、住校生活、社交能力的培养和社会关系的建立，这是恰是“慕课”与传统教学模式比较处于劣势地位之处，人与人面对面的交流是“慕课”所缺乏的。校园生活经历校园文化的熏陶对于完全社会能力和素养的培养至关重要。因此，“慕课”若成为“宅课”，不失为“后信息化”时代“慕课”教学模式值得思考的问题之一。

4小结

面对“慕课”浪潮席卷全球之势，教育改革的内在动力和外在压力正在“发酵”。当“慕课”与我国教育碰撞时，立刻迸发出绚烂火花，一时间“慕课”课程泉涌。“慕课”被誉为“印刷术发明以来教育最大的改革”和“未来教育曙光”[18]，具有里程碑意义。但是，“慕课”在我国的发展才刚刚起步，对传统教育模式的影响也刚刚开始，因此通过“慕课”促进中医教育的改革和发展是目前值得研究和思考的问题，也是中医教育、推广及传承的一次机遇。

参考文献

[1]姜泓冰“.慕课”搅动大学课堂[N].人民日报，2013-07-15.

[2]樊文强.基于关联主义的大规模网络开放课程(MOOC)及其学习支持[J].远程教育杂志，2012(3)：31-36.

[3]WalshK.Massiveopenonlinecoursesonhealthandmedicine：willtheybesustainable[J].JMedInternetRes，2014，16(8)：197.

[4]张鸷远“.慕课”(MOOCs)发展对我国高等教育的影响及其对策[EB/OL].(2014-03-15)[02].

[5]余建波.三大MOOC平台比较及启发[J].中国教育网络，2013(9)：21-22.

[6]王颖，张金磊，张宝辉.大规模网络开放课程(MOOC)典型项目特征分析及启示[J].远程教育杂志，2013(4)：67-75.

[7]孟庆宁“.慕课”热潮重释：现实困境、行动逻辑与文化反思[J].江汉学术，2014(4)：66-71.

[8]“爱课程”网中国大学MOOC平台上线[EB/OL].[2014-09-07].

[9]中国大学MOOC[EB/OL].[2014-12-31].

[10]王文礼.MOOC的发展及其对高等教育的影响[J].江苏高教，2013(2)：53-57.

[11]王普霞.中医临床医学专业学位博士研究生师承教育新模式探析[J].南京中医药大学学报：社会科学版，2012(1)：58-60.

[12]杜杨.谈话•关于网络公开课“慕课”对高校体制五挑战[N].光明日报，2013-08-21.

[13]中医孔子学院将有助于澳民众了解中国文化[EB/OL].[2015-1-13].

[14]顾小清，胡艺龄，蔡慧英.MOOCs的本土化诉求及其应对[J].远程教育杂志，2013(5)：3-11.

[15]关于公布南京中医药大学2014年MOOCs建设项目遴选结果的通知[EB/OL].[2015-1-13].

[16]中医药是中华文化伟大复兴先行者[EB/OL].[2015-1-13].

[17]曹继军，颜维琦“.慕课”来了，中国大学怎么办？[N].光明日报，2013-07-16.

[18]黄震.慕课正引发一场学习和教育革命[N].文汇报，2014-04-09.