人工智能實踐報告總結范文

導語：如何才能寫好一篇人工智能實踐報告總結，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

摘要

人工智能時代，網絡空間安全威脅全面泛化，如何利用人工智能思想和技術應對各類安全威脅，是國內外產業界共同努力的方向。本報告從風險演進和技術邏輯的角度，將網絡空間安全分為網絡系統安全、網絡內容安全和物理網絡系統安全三大領域；在此基礎上，本報告借鑒 Gartner 公司的 ASA 自適應安全架構模型，從預測、防御、檢測、響應四個維度，提出人工智能技術在網絡空間安全領域的具體應用模式。與此同時，本報告結合國內外企業最佳實踐，詳細闡釋人工智能賦能網絡空間安全（AI+安全）的最新進展。最后，本報告提出，人工智能安全將成為人工智能產業發展最大藍海，人工智能的本體安全決定安全應用的發展進程，「人工+「智能將長期主導安全實踐，人工智能技術路線豐富將改善安全困境，網絡空間安全將驅動人工智能國際合作。

目 錄

第一章 人工智能技術的發展沿革

(一) 人工智能技術的關鍵階段

(二) 人工智能技術的驅動因素

(三) 人工智能技術的典型代表

(四) 人工智能技術的廣泛應用

第二章 網絡空間安全的內涵與態勢

(一) 網絡空間安全的內涵

(二) 人工智能時代網絡空間安全發展態勢

1、網絡空間安全威脅趨向智能2、網絡空間安全邊界開放擴張3、網絡空間安全人力面臨不足4、網絡空間安全防御趨向主動

第三章 人工智能在網絡空間安全領域的應用模式

(一) AI+安全的應用優勢

(二) AI+安全的產業格局

(三) AI+安全的實現模式

1、人工智能應用于網絡系統安全2、人工智能應用于網絡內容安全3、人工智能應用于物理網絡系統安全

第四章 人工智能在網絡空間安全領域的應用案例

網絡系統安全篇

（一）病毒及惡意代碼檢測與防御

（二）網絡入侵檢測與防御

第三章 人工智能在網絡空間安全領域的應用模式

人工智能技術日趨成熟，人工智能在網絡空間安全領域的應用（簡稱 AI+安全）不僅能夠全面提高網絡空間各類威脅的響應和應對速度，而且能夠全面提高風險防范的預見性和準確性。因此，人工智能技術已經被全面應用于網絡空間安全領域，在應對智能時代人類各類安全難題中發揮著巨大潛力。

（一）AI+安全的應用優勢

人們應對和解決安全威脅，從感知和意識到不安全的狀態開始，通過經驗知識加以分析，針對威脅形態做出決策，選擇最優的行動脫離不安全狀態。類人的人工智能，正是令機器學會從認識物理世界到自主決策的過程，其內在邏輯是通過數據輸入理解世界，或通過傳感器感知環境，然后運用模式識別實現數據的分類、聚類、回歸等分析，并據此做出最優的決策推薦。

當人工智能運用到安全領域，機器自動化和機器學習技術能有效且高效地幫助人類預測、感知和識別安全風險，快速檢測定位危險來源，分析安全問題產生的原因和危害方式，綜合智慧大腦的知識庫判斷并選擇最優策略，采取緩解措施或抵抗威脅，甚至提供進一步緩解和修復的建議。這個過程不僅將人們從繁重、耗時、復雜的任務中解放出來，且面對不斷變化的風險環境、異常的攻擊威脅形態比人更快、更準確，綜合分析的靈活性和效率也更高。

因此，人工智能的「思考和行動邏輯與安全防護的邏輯從本質上是自洽的，網絡空間安全天然是人工智能技術大顯身手的領域。

（1）基于大數據分析的高效威脅識別：大數據為機器學習和深度學習算法提供源源動能，使人工智能保持良好的自我學習能力，升級的安全分析引擎，具有動態適應各種不確定環境的能力，有助于更好地針對大量模糊、非線性、異構數據做出因地制宜的聚合、分類、序列化等分析處理，甚至實現了對行為及動因的分析，大幅提升檢測、識別已知和未知網絡空間安全威脅的效率，升級精準度和自動化程度。

（2）基于深度學習的精準關聯分析：人工智能的深度學習算法在發掘海量數據中的復雜關聯方面表現突出，擅長綜合定量分析相關安全性，有助于全面感知內外部安全威脅。人工智能技術對各種網絡安全要素和百千級維度的安全風險數據進行歸并融合、關聯分析，再經過深度學習的綜合理解、評估后對安全威脅的發展趨勢做出預測，還能夠自主設立安全基線達到精細度量網絡安全性的效果，從而構建立體、動態、精準和自適應的網絡安全威脅態勢感知體系。

（3）基于自主優化的快速應急響應：人工智能展現出強大的學習、思考和進化能力，能夠從容應對未知、變化、激增的攻擊行為，并結合當前威脅情報和現有安全策略形成適應性極高的安全智慧，主動快速選擇調整安全防護策略，并付諸實施，最終幫助構建全面感知、適應協同、智能防護、優化演進的主動安全防御體系。

（4）基于進化賦能的良善廣域治理：隨著網絡空間內涵外延的不斷擴展，人類面臨的安全威脅無論從數量、來源、形態、程度和修復性上都在超出原本行之有效的分工和應對能力，有可能處于失控邊緣，人工智能對人的最高智慧的極限探索，也將拓展網絡治理的理念和方式，實現安全治理的突破性創新。人工智能不僅能解決當下的安全難題，而通過在安全場景的深化應用和檢驗，發現人工智能的缺陷和不足，為下一階段的人工智能發展和應用奠定基礎，指明方向，推動人工智能技術的持續變革及其更廣域的賦能。

（二）AI+安全的產業格局

人工智能以其獨特的優勢正在各類安全場景中形成多種多樣的解決方案。從可觀察的市場指標來看，近幾年來人工智能安全市場迅速成長， 公司在 2018 年的研究表明，在網絡安全中人工智能應用場景增多，同時地域覆蓋范圍擴大，將進一步擴大技術在安全領域的應用，因此人工智能技術在安全市場內將快速發展，預計到 2024 年，可用在安全中的人工智能技術市場規模將超過 350 億美元，在 2017-2024 年之間年復合增長率（CAGR）可達 31%。

MarketsandMarkets 公司在 2018 年 1 月的《安全市場中人工智能》報告則認為，2016 年 AI 安全市場規模就已達 29.9 億美元、2017 年更是達到 39.2 億美元，預測在 2025 年將達到 348.1 億美元，年復合增長率為 31.38%。而愛爾蘭的 Research and Markets 公司在 2018 年 4 月份了專門的市場研究報告，認為到 2023 年人工智能在安全領域應用的市場規模將達 182 億美元，年復合增長率為 34.5%。由于機器學習對付網絡犯罪較為有效，因此機器學習作為單一技術將占領最大的一塊市場，到 2023 年其市場規模預計可達 60 億美元。

除了傳統安全公司致力于人工智能安全，大型互聯網企業也在積極開展人工智能安全實踐，如 Google、Facebook、Amazon、騰訊、阿里巴巴等均在圍繞自身業務積極布局人工智能安全應用。

（三）AI+安全的實現模式

人工智能是以計算機科學為基礎的綜合交叉學科，涉及技術領域眾多、應用范疇廣泛，其知識、技術體系實際與整個科學體系的演化和發展密切相關。因此，如何根據各類場景安全需求的變化，進行 AI 技術的系統化配置尤為關鍵。

本報告采用 Gartner 公司 2014 年提出的自適應安全架構（ASA，Adaptive SecurityArchitecture）來分析安全場景中人工智能技術的應用需求，此架構重在持續監控和行為分析，統合安全中預測、防御、檢測、響應四層面，直觀的采用四象限圖來進行安全建模。其中「預測指檢測安全威脅行動的能力；「防御表示現有預防攻擊的產品和流程；「檢測用以發現、監測、確認及遏制攻擊行為的手段；「響應用來描述調查、修復問題的能力。

本報告將 AI+安全的實現模式按照階段進行分類和總結，識別各領域的外在和潛在的安全需求，采用 ASA 分析應用場景的安全需求及技術要求，結合算法和模型的多維度分析， 尋找 AI+安全實現模式與適應條件，揭示技術如何響應和滿足安全需求，促進業務系統實現持續的自我進化、自我調整，最終動態適應網絡空間不斷變化的各類安全威脅。

1、人工智能應用于網絡系統安全

人工智能技術較早應用于網絡系統安全領域，從機器學習、專家系統以及過程自動化等到如今的深度學習，越來越多的人工智能技術被證實能有效增強網絡系統安全防御：

機器學習 (ML， Machine Learning):在安全中使用機器學習技術可增強系統的預測能力，動態防御攻擊，提升安全事件響應能力。專家系統（ES， Expert System）：可用于安全事件發生時為人提供決策輔助或部分自主決策。過程自動化 (AT， Automation )：在安全領域中應用較為普遍，代替或協助人類進行檢測或修復，尤其是安全事件的審計、取證，有不可替代的作用。深度學習（DL， Deep Learning）：在安全領域中應用非常廣泛，如探測與防御、威脅情報感知，結合其他技術的發展取得極高的成就。

如圖 3 所示，通過分析人工智能技術應用于網絡系統安全，在四個層面均可有效提升安全效能：

預測：基于無監督學習、可持續訓練的機器學習技術，可以提前研判網絡威脅，用專家系統、機器學習和過程自動化技術來進行風險評估并建立安全基線，可以讓系統固若金湯。

防御：發現系統潛在風險或漏洞后，可采用過程自動化技術進行加固。安全事件發生時，機器學習還能通過模擬來誘導攻擊者，保護更有價值的數字資產，避免系統遭受攻擊。

檢測：組合機器學習、專家系統等工具連續監控流量，可以識別攻擊模式，實現實時、無人參與的網絡分析，洞察系統的安全態勢，動態靈活調整系統安全策略，讓系統適應不斷變化的安全環境。

響應：系統可及時將威脅分析和分類，實現自動或有人介入響應，為后續恢復正常并審計事件提供幫助和指引。

因此人工智能技術應用于網絡系統安全，正在改變當前安全態勢，可讓系統彈性應對日益細化的網絡攻擊。在安全領域使用人工智能技術也會帶來一些新問題，不僅有人工智能技術用于網絡攻擊等伴生問題，還有如隱私保護等道德倫理問題，因此還需要多種措施保證其合理應用。總而言之，利用機器的智慧和力量來支持和保障網絡系統安全行之有效。

2、人工智能應用于網絡內容安全

人工智能技術可被應用于網絡內容安全領域，參與網絡文本內容檢測與分類、視頻和圖片內容識別、語音內容檢測等事務，切實高效地協助人類進行內容分類和管理。面對包括視頻、圖片、文字等實時海量的信息內容，人工方式開展網絡內容治理已經捉襟見肘，人工智能技術在網絡內容治理層面已然不可替代。

在網絡內容安全領域所應用的人工智能技術如下：

自然語言處理（NLP， Natural Language Processing）：可用于理解文字、語音等人類創造的內容，在內容安全領域不可或缺。圖像處理（IP， Image Processing）：對圖像進行分析，進行內容的識別和分類，在內容安全中常用于不良信息處理。視頻分析技術 (VA， Video Analysis)：對目標行為的視頻進行分析，識別出視頻中活動的目標及相應的內涵，用于不良信息識別。

如圖 4 所示，通過分析人工智能技術應用于網絡內容安全，在四個層面均可有效提升安全效能：

預防階段：內容安全最重要的是合規性，由于各領域的監管法律/政策的側重點不同而有所區別且動態變化。在預防階段，可使用深度學習和自然語言處理進行相關法律法規條文的理解和解讀，并設定內容安全基線，再由深度學習工具進行場景預測和風險評估，并及時將結果向網絡內容管理人員報告。

防御階段：應用深度學習等工具可完善系統，防范潛在安全事件的發生。

檢測階段：自然語言、圖像、視頻分析等智能工具能快速識別內容，動態比對安全基線，及時將分析結果交付給人類伙伴進行后續處置，除此之外，基于內容分析的情感人工智能也已逐步應用于輿情預警，取得不俗成果。

響應階段：在后續調查或留存審計資料階段，過程自動化同樣不可或缺。

3、人工智能應用于物理網絡系統安全

隨著物聯網、工業互聯網、5G 等技術的成熟，網絡空間發生深刻變化，人、物、物理空間通過各類系統實現無縫連接，由于涉及的領域眾多同時接入的設備數量巨大，傳感器網絡所產生的數據可能是高頻低密度數據，人工已經難以應對，采用人工智能勢在必行。但由于應用場景極為復雜多樣，可供應用的人工智能技術將更加廣泛，并會驅動人工智能技術自身新發展。

情緒識別（ER， Emotion Recognition）：不僅可用圖像處理或音頻數據獲得人類的情緒狀態，還可以通過文本分析、心率、腦電波等方式感知人類的情緒狀態，在物理網絡中將應用較為普遍，通過識別人類的情緒狀態從而可與周邊環境的互動更為安全。AI 建模（DT， Digital Twin/AI Modeling）：通過軟件來溝通物理系統與數字世界。生物特征識別 (BO， Biometrics)：可通過獲取和分析人體的生理和行為特征來實現人類唯一身份的智能和自動鑒別，包括人臉識別、虹膜識別、指紋識別、掌紋識別等技術。虛擬 (VA， Virtual Agents)：這類具有人類行為和思考特征的智能程序，協助人類識別安全風險因素，讓人類在物理網絡世界中更安全。

篇2

關鍵詞:人工智能;研究型實驗教學;民族關系

人工智能是計算機科學的一個分支,是一門研究運用計算機模擬和延伸人腦功能的綜合性學科,對它的研究涉及控制論、信息論、系統論、語言學、神經生理學、數學、哲學等諸多的學科及領域,是一門綜合性的交叉學科[1]。

人工智能的研究、應用和發展,在一定程度上代表著信息技術的發展方向,同時信息技術的廣泛應用也對人工智能技術的發展提出了迫切的需求。今天,人工智能的不少研究領域如自然語言理解、模式識別、機器學習、數據挖掘、智能檢索、機器人技術、人工神經網絡等都走在了信息技術的前沿,有許多研究成果已經進入人們的生活、學習和工作中,并對人類的發展產生了重要影響[2]。

實踐教學環節在大學教育中是一個非常重要的教學環節,是提高人才素質與能力的重要途徑。人工智能課程除了具有較強的專業性之外,還具有突出的實踐性,為了能深入理解和掌握所學內容,必須把講授和實踐結合起來。本文結合該課程實驗教學,將研究型教學的理念引入到實驗教學,并對教學過程中的經驗和問題加以初步的總結。

1研究型教學模式背景

研究型教學是相對于以單向性知識傳授為主的傳統教學提出的,是指教師以課程內容和學生的學識積累為基礎,引導學生創造性地運用知識和能力,自主地發現問題、研究問題和解決問題,在研究中積累知識、培養能力和鍛煉思維的新型教學模式。研究性教學是對現有的大學課堂教學模式的突破。有利于開發大學生的創造潛能,提高學生適應社會需要的創造性和創新能力,充分展現現代大學培養人才、發展科學、服務社會的三大基本職能[3]。

19世紀初,德國著名教育家洪堡最早提出了教學與科研相統一的原則,為研究型教學模式的發展奠定了基礎。20世紀50、60年代,美國著名教育心理學家布魯納提出了著名的“發現教學模式”[4],成為后來探究性學習和研究型教學的先導。20世紀70年代,美國研究教學專家薩奇曼正式提出了研究訓練教學模式。他認為學生會本能地對周圍新奇事物發生興趣,并想方設法弄清這些新奇事物背后究竟發生了什么,這是一種進行科學研究的可貴的動力。

自此,研究型教學理念開始廣泛使用。現在,哈佛大學、牛津大學、劍橋大學等世界著名大學,都非常注重學生能力的培養,普遍采取了研究型教學模式。以美國高校為例,雖然美國高校83%的教師在課堂教學中主要采用講授法進行教學,但在整個教學過程中都滲透著研究型教學的方法,如積極引導學生參與教學過程,開設研究性課程,引導學生積極主動地參與科研活動等。我國自20世紀90年代初推出211工程建設以來,清華大學、北京大學、人民大學、復旦大學、浙江大學等一些重點大學都提出了建設世界一流的綜合性研究型大學的目標。這些高校在實現從單向知識傳授的傳統型教學向關注創新性教育的研究型教學轉變方面進行了許多有益的嘗試。

2研究型實驗教學

本科教學不僅要培養學生的應用能力,還要培養學生具備基本的科研素質。大學是培養未來一線創新人才的主要基地,必須從本科教學人手,深入探索研究型教學的手段和方法,才能滿足未來經濟增長和社會發展的需要,才能符合建設研究型大學的需要。特別是近幾年來我國對科研的投入不斷增加,研究生招生規模逐年增大,本科高年級學生打算繼續讀研的也不在少數。而人工智能是計算機相關學科非常活躍的研究課題,其涵蓋的分支非常廣泛,如模式識別、機器學習、數據挖掘、計算智能、統計學習理論等,都是目前國際和國內熱門的研究方向。

人工智能課程在計算機專業人才培養方案中占據著重要的位置。在專業理論方面,它承續了離散數學中的邏輯知識;在專業方法方面,是數據結構、算法分析與設計的繼續;在專業工具方面,是面向對象程序設計的生動實例。并且人工智能的每一部分內容都可以作為一個深入的研究課題,課堂上講解的內容不可能面面俱到,學生們也不可能對人工智能的每一領域都做很深入的學習。并且人工智能涉及很多的數理邏輯知識,有些顯得難以理解,并且往往讓學生感到比較枯燥,學生的學習興趣就漸漸淡薄,學生往往被動“聽講”,難以獲得預期的教學效果。

針對這一特點,在人工智能教學中,如何引導學生系統學習人工智能的知識、激發學生的研究興趣,樹立目標意識找準研究方向,為未來的科研工作打下基礎,研究型實驗教學就成為了人工智能課程教學的一個重要環節和必然選擇。

2.1實驗教學中加強學生的研究導向

在實驗教學中,如果照搬一些教材中的例子或習題教學,一方面學生們會缺乏興趣,另一方面學生對這個領域的知識缺乏全面的了解。應不斷提出一些學生們感興趣的開放性課題,比如基于支持向量機的人臉識別、基于膚色的人臉檢測,基于內容的圖像檢索等,培養學生們的學習興趣,讓學生們逐漸深入的學習某一領域的知識。比如BP神經網絡,在模式識別、經濟數據分析、生物信息學、數據挖掘等眾多領域都取得過成功應用,是一種具有強大的非線性學習能力的計算智能技術。然而BP神經網絡算法自身也存在著一些缺點,如會有局部最小解、解受初值影響較大、理論解釋不完善等,而支持向量機在這些方面具有顯著優點。我們可以設計一個人臉識別的實驗,用神經網絡和支持向量機分別實現,并作以比較。讓學生們在了解人工智能新技術的同時,也培養學生們如何分析問題、解決問題的科研能力。

2.2人工智能課程實驗

該課程是一門對實驗技術有較高要求的課程,對于基本原理和方法的實現,要求學生進行嚴格的計算機專業技能訓練和培養良好的科研工作作風。因此對課程中的技能及技術性內容,除單獨進行必要的基礎訓練外,還融入到綜合和研究型試驗中,通過多次反復實驗練習,達到牢固掌握人工智能原理和人工智能的問題求解技術的目的。

該課程的實踐環節主要是實踐項目,由具備較強工程實踐能力的任課教師和助教負責,學生可在全天候開放的專用機房完成。在實踐環節的設計上,我們嘗試把驗證性實驗和開發性實驗相結合,結合實驗教學進度,安排相應的開放實驗,開放性實驗以科學研究實驗為主。并在課程的教學過程中,不斷深化和擴展教學內容,結合人工智能學科的發展趨勢和本院老師的最新研究成果,對實驗內容進行更新。

課程主要設置三種層次的實驗:1)基本原理和算法編程,測試例設計及程序測試實驗;2)分析綜合實驗;3)研究型設計實驗。整個實驗包括課前討論、實驗操作、實驗報告、結果討論、總結提高等六個環節。對于綜合性和研究型實驗,把學生分成5個人一小組,每小組選做其中的一個。學生從指導老師處了解到實驗課題后,即著手查資料,研讀文獻,鉆研有關理論。在此基礎上,學生先提出實驗方案,經與老師討論后,即可開始實驗研究。

3實驗平臺的構建

民族關系問題對被訪對象,特別對少數民族被訪對象是非常敏感的問題,對民族關系的評價又存在個體層面、群體層面、不同階層人群之間的差異,因此,僅僅以傳統的文獻分析、問卷統計和現場觀察等民族學方法來進行調查,得到的數據會存在較多誤差。

因此結合本校的民族特色和民族學領域獨特的研究優勢,將信息認知技術引入民族關系研究,運用圖像、心電和腦電數據進行分析,將分析的結果和心理場景測試及民族學調查結果進行相互印證和參數修正,從而獲得盡可能客觀的數據,這些數據將有助于建立一個客觀、完備、科學的民族關系監測體系,并真實全面地評估民族關系,從而使決策機構及時做出正確的決策。基于多信息融合的民族關系監測預警系統總體框圖如圖1所示。

目前該平臺已經搭建,由北京市公共安全信息監測平臺建設、北京市公共安全信息監測平臺建設關鍵技術研究、基于多源信息融合的民族信任研究等多個重大項目支撐。在這個平臺的下面,涉及到人臉識別、表情識別,視頻監控、認識等領域,小波分析、神經網絡、支持向量機、模糊數學、信息融合等人工智能知識得到了具體的應用。學生可以根據自己的興趣愛好,自愿參加到該平臺下的某一項目,切實對自己所學知識有一個深刻的理解和掌握。

4結語

研究型實驗教學激發了學生的學習興趣,不但使學生更好地掌握了人工智能的基本概念、基本理論和基本技術,也切實提高了學生的實際動手能力和編程能力。研究型實驗教學在實踐過程中還有以下問題需要改進:

1) 研究型實驗教學的理念很難普及。很多教師對研究型教學模式的內涵未能準確把握,把研究型教學模式等同于學生實習或者寫論文。

2) 研究型實驗教學的輔導老師素養需要提高。研究型實驗教學作為體現創新教育要求的現代教學模式,需要的不是知識傳授型的教師,而是高素質的研究型教師。教師不僅是單一的教者,更應該成為一個學者,教師不僅要有研究型教學的教育觀念、快速接受新知識的能力和高超的教學技能,要能夠合理地規劃和設計實驗內容。

3) 需要建立一套合理的學生學業和教師績效的評價體系。

參考文獻:

[1] 王萬森. 人工智能原理及其應用[M]. 北京:電子工業出版社,2007.

[2] 蔡自興,徐光佑. 人工智能及其應用[M]. 北京:清華大學出版社,2004.

[3] 李得偉,張超,李海鷹. 大學工科專業課程實施研究型教學的探討[J]. 高等教育研究,2009(9):74-75.

[4] 彭先桃.大學研究性教學的理念探析[J].教育導刊,2008(3):56-58.

Exploration and Practice of the Research Experiment on Artificial Intelligence

ZHANG Ting, YANG Guo-sheng

(College of Information Engineering, Minzu University of China, Beijing 100081, China)

篇3

關鍵詞 計算機網絡技術；人工智能；具體應用

中圖分類號 TP3 文獻標識碼 A 文章編號 1674-6708（2017）181-0021-02

計算機原有系統中存在的一系列簡單的求和計算等功能，已在新技術的不斷帶動下開始進行新的更新，在網絡計算機技術日益提升的同時，人們開始對計算機網絡技術中人工智能化需求等各項服務功能有一個更高的要求，來滿足自身的工作需要。但是現行計算機網絡技術在發展中還存有許多亟待解決的問題，特別是近些年來世人較為關注的網絡安全問題，而在計算機應用中采用人工智能技術可以跟蹤及綁定系統信息，因此實現了對計算機網絡信息的安全管理。

1 計算機網絡技術中人工智能技術的實踐優點

首先，計算機網絡技術中的人工智能實際上就是智能化機器設備，在具體應用中可以根據人的情感意識，模擬出其較為復雜的思維、行為等信息過程，最大限度取代人工所要完成的一系列復雜的工序，進而全面增強工作質量及效率；其次，人工智能在實踐應用中不僅可對較為簡單的計算機數據信息進行充分理解后實施最大限度的模仿，同時還能針對信息內容實行推理計算。基于計算機網絡系統中人工智能技術自身具有較強的推理識別能力，因此被廣泛應用到網絡信息安全控制及管理工作之中；最后，計算機網絡系統中的人工智能在具體應用中，其自身的內存較小，不會出現占用較多系統資源的現象，同時借助計算機模糊運算法，可以在第一時間鎖定目標，繼而提高了計算機網絡技術自身的運算效率。

2 新時期人工智能在計算機網絡技術中的應用策略分析

在信息技術時代的大背景下，當代計算機網絡安全管理技術在實踐應用中，主要展現出以下3種特征，分別是入侵檢測技術、智能防火墻技術以及反垃圾郵件技術。在此我們來進行依次說明。

2.1 入侵檢測技術

在計算機網絡安全管理中，處于核心位置的當屬于入侵檢測環節，同時該項環節技術也是在防火墻技術應用中十分重要的部分之一。入侵檢測技術在實踐應用中，通過進行收集數據信息、數據信息篩選、數據信息處理以及系統自動將信息合成信息報告等一系列的環節后，再將最后的結果提交給用戶，這樣可以便于用戶能夠在較短的時間內對網絡狀態進行準確掌握。當前在對入侵檢測進行應用過程中會涉及到如下幾方面：

其一，Agent應用技術。在應用該項技術前，需要擁有較為完善的知識庫以及推力器等設備。在具體實踐操作中，在儲存及處理信息問題上借助系統操作流程，在對數據信息進行識別辨認上，充分利用相關推力器來實施。與此同時，計算機網絡系統會對通訊網絡進行積極的調用，以此在Agent正在處于工作狀態的情況下，來對其進行充分的溝通，進而全面、有效的將任務完成好。

另外，Agent技術在人工智能上面還具備一定的自動定義特征，具體來說，可對用戶切身要求進行系統化推理。以此來選擇出最貼近用戶的需求信息，并將需求信息發送到準確位置上來。用戶通過不斷使用人工智能Agent技術，逐步推動用戶自身的個性化需求得到全面的完善。例如：計算機用戶在利用引擎搜索相關信息時，可促進信息整合效率的快速增強。

其二，大數據挖掘技術。該項技術在具體應用中實現網絡與主機之間的有效連接，并對其產生的對話信息所傳遞出的內容進行正確讀取，隨后大數據挖掘技術可以通過計算機系統設備中存在的入侵模式以及系統常規活動規律進行研讀，使之加深印象，這樣的好處在于，當計算機網絡在具體連接時一旦出現任何不良情況時，可以做到及時發現，對該計算機系統設備中的入侵模式進行有效識別，因此可以說該項技術對計算機網絡安全管理中發揮出積極作用。

其三，人工免疫技術。該項技術是設置于計算機人體免疫系統設備之上，其系統運作機制主要由否定選擇、基因庫以及克隆選擇3方面構成。在實踐應用中可對傳統計算機入侵檢測技術設備中現存的未知病毒識別以及殺毒功效等自身欠缺的地方進行有效改進。例如：在進行基因庫的實踐操作中高效完成基因片段突變及重組的過程，促使該項技術可以對基因庫中存在的未知病毒類型有一個大致的識別，但是當前若想全面實現人工免疫技術在基因庫中的有效應用還存在著一定的困難。

2.2 智能防火墻技術

在計算機網絡安全技術管理中，智能防火墻是較為重要的管理手段。該項技術在進行數據處理及識別上面，可以提前攔截所識別出的有害信息，以此對用戶訪問實行限制，在不斷的實踐應用中，我們可以得出該項技術針對入侵計算機系統當中的病毒可以做到切斷病源，遏制其繼續傳播。同時，智能防火墻技術與計算機其他防御系統相比較而言，其自身在實踐中可以有效地將決策、運算、統計以及記憶等智能識別技術進行數據處理，進而可以在計算機正常運行期間，檢查出哪些設備占用資源最小，將對網絡系統產生出的有害設備及時清理出去，最大限度制止了病毒的入侵行為，保障了計算機網絡的運行安全。

2.3 智能反垃圾郵件技術

該項技術是建立在傳統反垃圾郵件技術的程序之上，最大程度上不影響用戶網絡信息安全的狀態下，充分借助于人工智能技術來對郵件系統中的垃圾郵件進行阻擋和清理的一項新型技術。在進行具體實踐操作中，智能反垃圾郵件技術不再對垃圾清理實施單一的手段，是高效借助人工智能系統中的處理未知問題、存儲記憶和學習功能，并對用戶郵件內容進行高效的監管，將計算機系統中的垃圾郵件進行系統化分類及清除，為此來防止因垃圾郵件自身問題而導致安全隱患問題的發生。

3 計算機網絡系統中的人工智能在其系統管理及系統評價中的應用

基于計算機互聯網系統中所具有的不穩定性及不可控性等因素特征，因此為實際的網絡系統管理帶來一定的工作難度。在此期間，人工智能技術在計算機系統管理中應用最廣泛的就是通過人工智能技術所創造出的高效決策及其有效應對方法。通過建立這樣一個高智能化的系統環境，可以對網絡系統中存在的問題進行有效解答，進而更好地完成計算機網絡系統中的應用管理及評價工作。

4 結論

在計算機網絡中添加人工智能化及人性化服務功能，可以在具體實踐中增進計算機人工智能技術的不斷完善。隨著計算機網絡科研人員們的共同研究，總結出在計算機未來的發展進程中，人工智能技術會起到積極作用，會在計算機網絡管理及系統安全中起到重要的影響。

參考文獻

[1]馬越.探討人工智能在計算機網絡技術中的應用[J].計算機光盤軟件與應用，2014（22）：43-44.

篇4

摘 要：多媒體教學手段的引入，極大地增加了課堂的信息量，豐富了課堂教學的表現形式，但是同樣也暴露了教材信息量不足、多媒體教學素材匱乏等問題。本文結合作者的教學實踐介紹了在備課過程中利用Internet搜索引擎拓展多媒體教學內容、豐富多媒體課件素材的方法。經過32學時的“人工智能”本科生課程實踐，驗證了該方法的可行性和有效性。

關鍵詞：搜索引擎；多媒體教學；備課

中圖分類號：G434

文獻標識碼：B

圖文聲像并茂、形象生動直觀是多媒體教學最基本的特點。多媒體可以在較短時間內提供較傳統教學模式更多的信息，提高教學效率，這是多媒體教學最突出的優點。此外，多媒體教學能夠充分發揮計算機網絡的輔助教學功能，學生可以從網絡上查閱教師的電子郵件和教輔資料，最大限度地節約教育資源，把教師從傳統的教學模式中解放出來，從而有更多的時間和精力應用到科研、教研等創造性工作中去。但是在多媒體教學備課中也暴露出一些新的問題，比如信息來自哪里？多媒體課件的素材來自哪里？

Internet是一個巨大的信息資源寶庫，充分利用Internet資源可以對多媒體教學的信息和素材形成有益的補充。但是Internet信息過載和資源迷向問題又使我們面對浩如煙海的信息資源無所適從。Internet搜索引擎的誕生為我們提供了信息獲取的強有力工具，只需要輸入關鍵詞或關鍵詞的組合進行搜索即可，高級搜索技巧也可以通過閱讀網站上的幫助信息來很快掌握。

下面從四個方面介紹多媒體教學在備課過程中如何利用Internet搜索引擎拓展教學內容、豐富課件素材。

1 利用Internet搜索引擎對教學內容追根溯源

2005年全國高等學校教學督導工作研討會上，哈爾濱工程大學總督學楊曜根教授在報告《讓新的教學理念進課堂》中指出，目前在課堂教學內容上往往是重“結論”、輕“過程”，只是注重傳授前人已解決的定理、概念、知識的現成結論，不注重揭示前人對這些知識的艱辛探索過程。其實，這不單純是理念問題，往往不是教師不想講過程，而是不會講，這都受著教材內容和教師知識面的制約。

正如楊教授所言，“每門學科的發展過程，每門學科中新觀點、新原理的建立，科學技術的發現、發明和發展，無不是前人向傳統、敢于向權威挑戰、大膽想象、不斷創新的結果，充滿了前人大膽求異、創新的事例，展示這些在學生面前，正可以大大啟發學生的好奇心、興趣，培養學生逆向思維，引導學生不斷發問‘為什么’，培養學生的求索精神”。但這些過程事例很少編入現行教材中，傳統的教學手段課堂信息量有限，作為教師當年也沒有在課堂上聽過這些過程事例，事實上這是一個盲區，需要另辟蹊徑來掃除這個盲區，而Internet搜索引擎則是“掃盲”的有力工具之一。

舉例來說明這個問題。人工智能的教材中對人工智能本身的發展歷程介紹的較多，但是邏輯演算作為人工智能課程的重要內容，邏輯學本身的來龍去脈在教材中卻鮮有提及。備課時，當然可以跳過邏輯學的歷史，也可以去圖書館查閱邏輯學專業書籍，但是利用Internet搜索引擎不失為一種便捷的方式。我們只需要在Google等搜索引擎中輸入“邏輯學”、“起源”、“發展”、“分支”等關鍵詞的簡單組合，就可以很容易地找到“邏輯學傳統上可分為古希臘的邏輯學、中國的名辯、古印度的因明學三個分支”、“現代邏輯學已從單一學科逐步發展成為理論嚴密、分支眾多、應用廣泛的學科群”等，再順藤摸瓜，搜索“古希臘 邏輯”、“名辯 邏輯”、“因明學 邏輯”、“現代邏輯學 分支”等關鍵詞，便可向前把2000多年前印度的正理派、中國的墨子、古希臘的亞里士多德都追溯出來，向后把量子邏輯、控制論邏輯、概率邏輯、價值邏輯、法律邏輯、科學邏輯等信手拈來，經過進一步加工提煉，融入到課堂教學中，對拓展學生知識面、激發學生的探究欲望能起到良好的作用。

2 利用Internet搜索引擎為課堂講解旁征博引

在課堂上旁征博引，能夠豐富教學內容，提升知識的吸引力，增強教師的表現力，激發學生學習興趣，同時，對同一個問題換個角度、換個說法來闡述，也易于學生理解和掌握，提高課堂教學實效。但是旁征博引對任課教師的知識面要求非常高，尤其對于青年教師，因此在備課時有針對性地利用Internet搜索引擎拓展自己的知識面是非常必要的。

還是舉例來說明這個問題。Agent是人工智能領域研究的熱點問題，Stanford著名人工智能學者Hayes-Roth講過“Agent是人工智能最初的目標，也是人工智能最終的目標”，而我校現行人工智能課程教學大綱中并不包含這部分內容，為了引領學生走到學科前沿，我準備了2個課時補充講授Agent。但目前國內的人工智能教材中，僅有蔡自興教授的《人工智能及其應用》一書將Agent作為一章來講解。Agent理論部分的幾個概念非常抽象，且學術界觀點不一，如果僅將一家之言介紹給學生，不但學生難于理解，而且容易片面認識問題，因此廣泛引用和介紹學術界的觀點是非常必要的。在準備這部分內容時，Internet搜索引擎發揮了重要作用。用“agent definition”等關鍵詞在Google中搜索，并根據搜索結果不斷追溯和拓展，就可以查到Agent一詞的拉丁語起源――agere。Agent作為人工智能術語首見于Minsky的《Society of Mind》一書，以及Agent在美國傳統詞典中的定義，Jiming Liu & Jianbing Wu、Hayes-Roth、Smith, Cypher & Spohre、Wooldridge & Jennings、Shoham、Russel & Norvig、IBM等學者和公司從自主、智能、軟硬件、心智、實體等各個角度和立場給出的定義和討論，將這些內容融合提煉之后呈現給學生，無疑會加深學生對抽象概念的理解，同時對教師本人的知識面也是一個豐富和擴展的過程。

3 利用Internet搜索引擎對教學用例舉一反三

多媒體教學用例必須遵循針對性、典型性、啟發性、科學性、思想性、簡潔性、趣味性和生動形象性等原則，才能達到較好的授課效果，提高教學質量，但是備課時要準備如此恰當的例子卻非常困難。利用Internet搜索引擎可以開闊備課思路，對教學用例舉一反三。

例如，人工智能中著名的“猴子與香蕉”問題在蔡自興先生的《人工智能及其應用》教材中僅舉此例用于講解狀態空間問題表示法。利用Internet搜索引擎還可以找到該問題在講解問題歸約、謂詞邏輯、產生式系統等知識表示方法時的舉例及動畫演示過程，將這些舉例貫通起來在知識表示總結時使用，并借用網上制作好的動畫演示，課堂效果很好，且備課效率很高。

4 利用Internet搜索引擎對課件素材錦上添花

多媒體課件是多媒體課堂教學的關鍵，是影響多媒體課堂教學效果的重要因素。課件過于簡單和粗糙，或者過于花哨，過多過濫地使用多媒體效果，會分散學生注意力，不利于學生課堂學習，致使教學效果降低。因此簡潔明了、形象生動的多媒體素材必不可少。利用Internet搜索引擎的圖片、音樂等搜索功能可以獲得很多極富表現力的音像資料來闡釋或演示抽象的概念和原理。

在人工智能課上講解語義網絡時用到這樣一個例子：用語義網絡法描述歌曲《軍港之夜》中“軍港的夜啊靜悄悄，海浪把戰艦輕輕地搖”這一句的意境。準備這個例子的時候，除了準備解題過程，我還搜索了一首《軍港之夜》樂曲、一張軍港夜幕降臨時的照片和演唱者蘇曉明的照片，加工處理后做到多媒體課件中，并做到不喧賓奪主。在課堂教學中講這個例子時，發現學生隨著輕柔的音樂、美麗的畫卷一起隨著老師分析著問題，都聚精會神的。

在講解啟發式搜索算法時，我從網上搜到了孔子的名句“人無遠慮，必有近憂”，唐代詩人盧綸的《送吉中孚校書歸楚州舊山》，其中有四句“林昏天未曙，但向云邊去，暗入無路山，心知有花處”，同時還下載了學校的平面圖，用“人無遠慮，必有近憂”引出啟發式搜索利用啟發式信息的思想，利用盧綸的詩來闡釋啟發式搜索的意境，再結合學校的平面圖提問學生去附近的超市(在圖上均有標注)購物時如何規劃路徑。就在這樣一種輕松甚至詩情畫意的氛圍中，學生便深刻領會了啟發式搜索的思想內涵。

此外，利用豐富的多媒體素材還可以對學生進行科學素養的熏陶。例如，在準備人工智能發展史這一課內容時，我們從網上搜到了Turing、McCarthy、Minsky、Shannoon、Simon、Newell、Feigenbaum、Hopfield、Brooks等在人工智能發展史上舉足輕重的學者的照片，照片中透出的大家風范、學者目光中流露的執著精神、表情中蘊含的嚴謹深邃、笑容中深藏的儒雅樂觀……無不感染著學生。

5 結論

在開展多媒體教學實踐中，利用Internet搜索引擎輔是第一步，對信息的加工處理、凝練升華是備課時一項更艱巨的任務，這個問題已有很多文獻探討過，本文不再贅述。

參考文獻

[1] 張紅霞．多媒體教學的實踐與探討[J]．吉林省教育學院學報，2006，22(6):70-71.

[2] 盧建中．有關計算機輔助教學的幾點看法[J]．西安郵電學院學報，2002(7):79-81.

[3] 張忠祿，李東俠，張永春．多媒體教學質量研究[J]．長春工程學院學報(社會科學版)，2006，7(3):83-85，88.

[4] 范秉琪，范秉琳．高校多媒體教學的發展方向[J]．河南教育學院學報(自然科學版)，2006，15(3):70-72.

[5] 張永紅，李泳．多媒體教學的應用與思考[J]．中國醫藥導報，2006，3(29):77.

[6] 楊蘭生．以多媒體為教學平臺的課堂教學的思考[J]．大連民族學院學報，2006，(5):78-80.

篇5

一、專家系統概述

(一)人工智能

在計算機科學領域，人工智能旨在研究人類的智能行為，然后模仿、擴展人的智能行為，最終用計算機代替某些人腦勞動。從20世紀50年代開始，人工智能逐漸形成了自身的學科群。其主要子學科有:工程和計算機技術方向、認知技術方向、語音語義技術方向。基于人工智能學科群的研究，最具代表性和最重要的應用分支就是專家系統。

斯坦福大學的EcKaidFegenbaum教授描述專家系統是“一種智能的計算機程序，它運用知識和推理過程來解決只有專家才能解決的復雜問題”以知識為基礎的專家系統使人工智能研究從理論推導轉向實際應用、從一般程序設計轉向運用專門知識解決實際問題。

(二）專家系統

1.專家系統的發展

專家系統的發展大致分為4個階段。第一階段主要是針對專業化較強的人類問題求解，如DEN-DRAL化學專家系統）、MM1YAC數學專家系統）等。雖然求解專門問題能力較強，但是系統的完整性和可移植性較弱。第二階段主要是應用于單學科專業型、應用型系統，如FROSPECTOR(地質學專家系統）、MYCN(醫學專家系統）等。這個階段的專家系統在體系結構完整性、可移植性方面做了改進。可移植性表明專家系統外殼程序軟件與數據分離，允許系統把一個領域的知識替換成另一個領域的知識。第三階段主要是綜合性、跨學科的專家系統。系統采用多種人工智能語言進行程序編寫，采用多種知識表述方法以及多種推理方法。第四階段的專家系統采用了大型多專家協作系統，利用綜合性知識庫、多種知識表述、多學科協同解題和并行推理技術來實現具有多主體的智能型專家系統，為專家系統的實際應用提供了充分的技術保障。

2.專家系統的結構和特點

基于規則的專家系統結構與普通程序系統的結構完全不同，通常專家系統由以下幾個部分組成:用戶界面、解釋機、知識獲取機、知識庫（規則）、推理機以及數據庫事實）。如圖1所示。

知識庫儲存相關規則;推理機決定知識庫中哪些規則滿足事實或目標，標明規則優先級，執行最高優先級的規則進行問題推理;數據庫是存放規則所使用的所有事實;解釋機負責把推理機得到的結論轉化為用戶可以理解的形式并顯示出來;用戶界面是用戶和系統相互交流的平臺。這樣，專家系統能夠根據用戶需求通過推理得出結論，還可以在多次反復的解決問題過程中自我學習，積累新的知識，從而更好地解決問題。

3.專家系統的應用領域

專家系統是人工智能中應用于實踐最多的分支，幾乎被應用到每一個知識領域。其應用領域包括:數學、物理、化學、生物、醫學、軍事、農業、氣象、法律、管理等。專家系統的優勢在于能夠獲得和存儲人類專業知識，模仿人類的判斷和推理，幫助非專業人士解決只有專家才能處理的問題。由于人類社會中專家資源比較稀有，就更能顯示出專家系統的可貴性。隨著專家系統理論和技術的不斷發展，目前已開發了幾千種應用產品，其中很多產品在功能上已經趕超了同領域中人類專家的知識水平，并產生了巨大的社會效益和經濟效益。

二、專家系統在企業管理中應用的必要條件

把專家系統應用于企業管理需要具備一定的條件，這些條件既有思想觀念方面的，也有技術要求方面的。

(一）專家系統要以先進的企業管理理念為基礎

企業經營歸根結底要以人為本，而專家系統只是用來輔助企業管理者經營的軟件。我們應該注重企業文化、企業的組織結構、企業的戰略選擇，注重產品的研發、市場定位等，時刻以科學化、規范化、合理化的管理思想約束企業管理行為。在此基礎上，合理地應用智能化系統協助企業管理人員搞好管理工作。

(二）實施專家系統的各種技術保障

1. 企業各部門應用各種系統的技術保障

隨著信息化的普及，許多企業的內部職能部門都有自己的應用系統，如財務管理系統、人力資源管理系統、生產管理系統、銷售管理系統等。雖然這些應用系統能夠幫助各部門進行日常業務處理，但是各系統之間聯系很少并且互不兼容。

專家系統要求各部門的應用系統具有開放性和互聯性。例如，在管理某個企業員工的薪酬問題時，專家系統需要調用財務管理系統和人力資源管理系統，如果員工是銷售部門的，甚至需要查詢銷售管理系統的相關數據。可見，企業管理專家系統必須建立在企業公共運行的平臺上，各個應用系統的數據完全共享并且能夠自由交換。

2. 企業局域網方面的技術保障

企業網絡的安全關乎專家系統能否正常運行。局域網要有良好的穩定性、高級別的安全性，這樣專家系統才能防止不法黑客的入侵，高效地為企業提供服務。

3. 企業數據庫完整性與安全性的技術保障

數據庫可以看做專家系統的“大后方”，大量真實可靠的數據也是企業信息化管理的基本保障之一。美國著名的管理和信息系統專家詹姆斯。馬丁(JmesManin)曾經提出一系列有關企業信息系統建設的理論和方法。他認為，對于一個好的企業來說，戰略數據規劃是構成企業核心競爭力的重要因素，它具有非常明顯的異質性和專有性，是企業在市場競爭中的制勝法寶。

企業管理領域的專家系統要以數據為主導，重視戰略數據規劃，應該圍繞企業的核心管理流程和主要業務操作建立多個主題數據庫，而各個企業部門的應用系統也要圍繞主題數據庫來建立和運行。這樣，專家系統才能準確地進行知識獲取與規則分析，產生正確的管理與決策行為。

(三)正確識別企業管理中結構化和非結構化問題

從人工智能學科的角度看，可以把軟件分為兩類:一類是智能化軟件，另一類是非智能化軟件。這兩類軟件的根本區別在于解決問題的方法不同。如果需要解決結構化的問題，就要運用非智能化軟件;如果需要解決半結構化或非結構化問題，就要運用智能化軟件，最典型的智能化管理軟件就是專家系統。

三、專家系統在企業管理中的應用及發展趨勢

(一)專家系統在企業管理中的應用狀況

當前，在我國企業管理領域比較流行、實用性強的專家系統主要有以下5種。

1. 生產管理領域的專家系統

在生產管理中，需要細致察看和精確掌握整個生產流程，詳盡地記錄生產流程中各個階段的不同活動及它們之間的聯系，這些因素數量大、關系復雜，高層管理人員往往力不從心，而專家系統能夠很好地解決這些問題。

2.  經營管理領域的專家系統

在經營管理領域具有代表性的專家系統是企業戰略計劃專家系統。它可以對產品成本、產品技術含量、外部市場情況及競爭對手等進行數據分析和綜合評估，推算出企業產品的市場潛力和發展前景，以此來制訂合理的企業戰略計劃。

3.  銷售管理領域的專家系統

在銷售管理領域專家系統可以幫助企業制定銷售決策，包括市場份額分配、廣告宣傳決策、價格決策等。

4. 財務管理領域的專家系統

財務管理專家系統可以用來協助工作人員處理專業的財務問題，如企業財務現狀分析、企業保險申報流程制定、企業流動資金管理等。

5.  企業審計專家系統

企業審計專家系統可以用來模擬企業審計過程，對相關企業數據進行分析和推理，提出合理的審計意見，以便審計人員對某些方面進行重點審計，幫助審計人員提高審計效率，保證審計報告的質量。

(二）專家系統應用于企業管理的發展趨勢

應用于企業的專家系統集合了管理領域最頂尖的專家知識體系和頂尖的管理理念。系統可以實時解決企業管理中存在的各種問題，并給出專家級別的咨詢建議。未來的企業管理專家系統發展方向有如下展望。

0. 智能型發展方向

在管理領域專家系統的開發過程中，蘊含著對該企業管理的更深層次認識、研究和經驗總結。從這個角度來看，未來的專家系統開發與設計要更加注重專家知識的整合、深化及擴展。發揮專家系統的智能性，讓企業員工感覺好像身邊隨時有一個“活”的管理專家，堅定他們搞好企業管理的信心。

1. 應用模糊技術開闊企業管理專家系統的設計思路

企業發展過程中遇到的問題一般都具有綜合性和復雜性，涉及經濟維度、社會維度甚至生態環境維度。因此，管理領域專家系統也會面對大量的非確定性的決策問題，僅依靠現有的專家經驗進行邏輯推理是不夠的。應用好模糊技術是未來專家系統發展的方向。

2. 加強專家系統的分布式共享性

目前，一些企業已經在應用專家系統來幫助解決企業面臨的各種實際問題，但是多數采用分專業、分系統、局部化的專家系統解決方案。今后，企業應該避免各個部門子數據庫、子知識系統的分散問題，加強整個企業的數據共享性。建立“用得上”、“用得好”的企業管理專家系統，使專家系統整體調控得當、局部處理精確，更有效地幫助企業決策者分析問題、解決問題。

就像智能機器人能夠打敗國際象棋大師一樣，專家系統在企業管理中的應用已日漸成熟。相信在不久的將來，管理專家系統將大行其道，依靠其智能性和學習性，大大提高企業的管理效率，即時化、人性化和智能化必將成為未來管理專家系統的主要特征。

篇6

閆謙時

 

( 西安工業大學，陜西西安，710021)

摘要：專家系統利用知識、經驗在推理過程中訓中人類專家解決的難題。這個計算機智能程序的應用是未來計算機應用中的一個熱門探討方向，未來會在很多領域中發揮重要作用，在諸多領域中擁有非常廣闊的發展空間。使用專家系統時，樣品分離模式的推薦是實現分離的核心問題，由知識庫、數據庫提供的固定相、流動相、改性劑、檢測器的推薦，是由建立在液相色譜基礎理論上的高質量知識綜合體提供的，而不是簡單的文獻檢索和經驗的總結。它具有廣泛的應用和推廣價值。分析國內外專家研究系統發展現狀，為實踐中的工作者提供相應的指導和幫助，對專家系統研究實踐擁有非常重要的現實意義。本文通過對專家系統概述和對可利用的計算機技術進行簡要分析，詳細探討了專家系統的模塊體系。

關鍵詞：專家系統；農業生產；經濟

 

Expert Systems Analysis Research

Yan Qianshi

 

（Xi'an industry in Xi'an, Shaanxi,710021）

Abstract ：The use of expert system knowledge,experience training in the reasoning process of human experts to solve problems.The application of computer intelligence program is the future of a popular computer applications explore the direction of the future will be in many areas play an important role in many fields has a very broad space for development.Use of expert systems,the sample separation mode is recommended to achieve separation of the core issues,the knowledge base,database stationary phase, mobile phase modifiers,the detector's recommendation is to establish a theoretical foundation in liquid chromatography comprehensive body of knowledge provides high quality, rather than simply literature search and experience.It has a wide range of applications and promotional value. Analysis of domestic and foreign experts to study the system development status of workers for the practice to provide appropriate guidance and assistance,research and practice of the expert system has a very important practical significance. Based on the expert system overview and can take advantage of a brief analysis of computer technology, discussed in detail the expert system module system.

Keywords ：expert system;agricultural production;economic

0 引言

我國專家系統市場發展迅速，產品產出持續擴張，國家產業

政策鼓勵專家系統產業向高技術產品方向發展，國內企業新增

投資項目投資逐漸增多。投資者對專家系統市場的關注越來越密

切，這使得專家系統市場越來越受到各方的關注。

本報告側重行業宏觀發展研究分析，從行業現狀、產品市場、

技術水平、產業鏈運行、產業政策、企業競爭、產品進出口、行業投

資等角度對專家系統市場的發展進行細致研究。我們通過專家訪

談定性分析和統計數據定量分析來揭示專家系統市場當前發展

的規律、特點、存在問題，在此基礎上提出相應的建議。

第一時間準確獲取專家系統市場發展深度分析研究，是領先

競爭對手的關鍵，通過本報告，可以使深刻洞悉本企業所處的市

場現狀及未來趨勢動向，通過制定先發制人的競爭戰略，在激烈

的市場競爭中取得優勢。

1 專家系統概述

一般認為，專家系統是一個或一組能在某些特定領域內，應

用大量的專家知識和推理方法求解復雜問題的一種人工智能計

算機程序。

它主要包括知識庫和推理機。其中知識庫中存放著求解問題

所需的知識，推理機負責使用知識庫中的知識去解決實際問題。

知識庫的建造需要知識工程師和領域專家相互合作把領域專家

頭腦中的知識整理出來，并用系統的知識方法存放在知識庫中。

當解決問題時，用戶為系統提供一些已知數據，并可從系統處獲

得專家水平的結論。

由此可見，專家系統具有相當數量的權威性知識，能夠采取

一定的策略，運用專家知識進行推理，解決人們在通常條件下難

以解決的問題。它克服了專家缺少，其知識昂貴，難于永久保存以

及專家在解決問題時易受心理、環境等因素影響而使臨場發揮不

好等缺點。因此，專家系統自從問世以來，發展非常迅速，目前專

家系統已經成為人工智能應用最活躍和最成功的領域。經過20

多年的努力，其應用范疇已遍及各個領域，如疾病診斷、探礦、設

計、制造、自動控制、生產過程監視，取得了極大的經濟效益，并獲得了許多新的進展。

2 決策支持系統和專家系統的區別

決策支持系統和專家系統的區別在于：用戶在使用決策支持系統時，必須對所處理的問題有相當的專業知識和專業技能，決策支持系統幫助用戶決策，那么用戶必須知道如何對問題進行推理，必須知道應該提出哪些問題，如何得到答案和如何進行下一步。而專家系統自身就具有這樣的功能，用戶只需要向專家系統提出需要解答問題的事實和表征，專家系統。

當用戶使用專家系統去解決復雜樣品分析的實際問題時，通常按照以下五個步驟進行：

①樣品分離模式的推薦，即首先選擇用于分離的柱系統和流動相系統；②樣品的預處理方法和檢測器的選擇；③色譜分離條件的最優化；④在線色譜峰的定性和定量分析；⑤液相色譜儀和專家系統運行過程的自行診斷。

由此可知專家系統中的知識庫、譜圖庫、數據庫中的信息貯存容量和推理機的人工智能化程度直接決定了專家系統的工作質量。

使用專家系統時，樣品分離模式的推薦是實現分離的核心問題，由知識庫、數據庫提供的固定相、流動相、改性劑、檢測器的推薦，是由建立在液相色譜基礎理論上的高質量知識綜合體提供的，而不是簡單的文獻檢索和經驗的總結。它具有廣泛的應用和推廣價值。

當分離模式確定后，色譜分離條件的優化是專家系統的另一個重要運行環節，可以借助預設計的優化軟件（如窗圖法、智能搜索單純形法、混合液設計實驗法、重疊分離度留法等）實現樣品中各個組分的優化分離。當實現優化分離后，就可進行樣品中各組分的定性分析和定量分析，其和常規色譜工作站的功能相當。

應當指出推理機是專家系統中賦以人工智能的關鍵部件，涉及到對大量信息的分析、判斷、歸納、確定邏輯運行的方向與規則的匹配及推理，它起到對專家系統中各部分相互獨立的工作模塊的控制和協調作用。

在專家系統的程序設計中使用了能對大量信息進行快速處理并具較強推理能力的,Scheme-Lisp 語言，它與用于數據計算和用于編制優化程序的Quick Basic 語言和Pascal 語言的交界， 可通過其模塊調用功能來實現。

這樣在Scheme - Lip 程序中推理機做出的結論，可以通過一個文件或參數形式傳送給其他處理模塊，而其他數值計算獲得的結果同樣可以通過文件傳送給推理機，做出進一步的推論。這樣就實現了規則的系統軟件之間的結合。

3 可利用的現有計算機技術

構建專家系統可利用的計算機應用技術主要有：數據庫系統、集成電子表格和計算機網絡技術。

（1）數據庫系統。可作為構成專家系統知識庫的重要部件。數據庫是數據管理的最新技術，是計算機科學的重要的分支。由于數據庫具有數據結構低、最低冗余度、較高的程序獨立性、易于擴充、易于編制應用程序等優點，較大信息系統都是建立在數據庫設計之上的。因此，作為數據庫復雜用戶的我們，應該比較熟悉數據庫管理系統的各種功能，學會直接使用數據庫語言訪問數據庫，甚至能夠基于數據庫管理系統的API 編織自己的應用程序。

（2）集成電子表格。可用于輔助，編制表格、調整分錄、試算工作底稿，進行財務與效益分析及分析性復核。同時還能進行預測決策分析以便進行效益，或能按指定的條件，對電算化會計系統的電子賬戶進行查詢、分類、排序、匯總、統計等處理，對相關文件進行核對、檢查等。集成電子表格的強大功能，尤其是一些統計分析功能使推理機所承擔的匯總、統計、核對、分析等多種職能得以實現，從而實現了的計算機人工智能化。

（3）信息網絡技術。信息網絡技術, 就是在特定環境下, 對所有的專家信息系統及存儲在企業應用服務器上的信息進行保護的手段, 就是通過管理手段與技術手段的充分結合來保證專家信息系統的可用性、穩定向、安全性等安全要素。信息安全防止信息受到的各種威脅，以確保業務連續性，使業務受到損害的風險減至最小，使投資回報和業務機會最大。信息安全是通過實現一組合適控制獲得的。控制可以是策略、慣例、規程、組織結構和軟件功能。需要建立這些控制，以確保滿足該組織的特定安全目標。主要任務包括：

1）監視、分析用戶及系統活動；

2） 對異常行為模式進行統計分析，發行入侵行為規律；

3）檢查系統配置的正確性和安全漏洞，并提示管理員修補漏洞；

4）能夠實時對檢測到的入侵行為進行響應；

5）評估系統關鍵資源和數據文件的完整性；

6）操作系統的審計跟蹤管理，并識別用戶違反安全策略的行為。

4 專家系統的模塊體系

專家系統模擬人類專家思維進行的過程，分為初始化、實質性測試和完善收尾三個階段，每一個階段又可細分成若干個步驟，由此組成了專家系統的邏輯模塊體系。所謂的“邏輯模塊體系”是與系統的“物理模塊體系”相對應的，是指系統完成一個完整的業務所需要運用的各個功能模塊的總稱，每一個階段或步驟的功能能否有效地發揮就決定了建立專家系統的嘗試能否成功。而后者則是指為了完成這些功能，系統所需要具備的物理條件。

篇7

關鍵詞:知識關系;離散數學;教學;設計

離散數學是以有限或可數個元素作為研究對象,并且是以研究離散量的結構和相互之間的關系為主要目標[1]。計算機科學領域中的離散量理論問題,需要用離散數學所涉及的概念、方法和理論做出描述和深化[2]。同時,離散數學中的理論體系結構有益于學生概括抽象能力、邏輯思維能力、歸納構造能力的提高,有益于學生嚴謹、完整、規范的科學態度的培養[2-3]。因此,研究離散數學在計算機科學和技術專業課程中的地位,分析離散數學與計算機專業其他學科間的關系,構建適合當前計算機專業的離散數學教學內容,對計算機科學與技術的發展,起著極為重要的作用。

1離散數學在計算機科學與技術專業課程中的地位

教育部高等學校計算機科學與技術教學指導委員會在2007年公布了計算機科學與技術(計算機科學方向)專業規范,共指定了15門核心課程,包括計算機導論、程序設計基礎、離散數學(結構)、算法與數據結構、計算機組成基礎、計算機體系結構、操作系統、數據庫系統原理、編譯原理、軟件工程、計算機圖形學、計算機網絡、人工智能、數字邏輯、社會與職業道德[4]。其中離散數學的教學內容不僅涉及計算機硬件,而且和計算機軟件的研究有著更密切的關系,具有鮮明的基礎特點,不僅是學習算法與數據結構、操作系統、數據庫原理、軟件工程等11門課程之前的必修內容,同時以計算機導論和程序設計基礎作為離散數學的先導課程。離散數學在計算機科學與技術專業各課程的地位及其與其他課程的關系,如圖1所示。

2計算機科學與技術專業后續課程用到的離散數學知識

離散數學所包括的多個數學分支,如數理邏輯、集合論、圖論、自動機理論等,都與計算機科學與技術專業的后續課程有緊密的關系。

算法與數據結構中將操作對象間的關系分為4類:集合、線性結構、樹形結構、圖狀結構或網狀結構。其中邏輯結構和基本運算操作來源于離散數學中的離散結構和算法思考。離散數學中的集合論、關系、圖論和樹等內容就反映了數據結構中四大結構的知識[2]。

數據庫系統原理中的關系數據庫的邏輯結構是一個由行和列組成的二維關系。在研究實體集中的域和域之間的關系、表結構的確定與設計、關系操作的數據查詢和維護功能的實現、關系分解的無損連接性分析、連接依賴等問題時都用到離散數學的關系理論[5]。

編譯程序一般由8個模塊組成,包括詞法分析程序、語法分析程序、語義分析程序、中間代碼生成程序、代碼優化程序、目標代碼生成程序、錯誤檢查和處理程序、各種信息表格的管理程序[6] 。離散數學里的形式語言與自動機所包含的文法、有限狀態機和圖靈機等知識點為編譯原理的詞法分析及語法分析等內容奠定了基礎。

離散數學中數學推理和布爾代數章節中的知識就為早期的人工智能研究領域打下了良好的數學基礎[7-8]。謂詞邏輯演算為人工智能學科提供了一種重要的知識表示方法和推理方法。

布爾代數已成功地用于計算機的硬件分析與設計[9-10]。

哈夫曼(Huffman)壓縮是一種無損壓縮法。這種方法在計算機體系結構的指令系統設計和改進內容占有相當重要的地位[11]。

鑒于篇幅所限,不再一一論述,下面列表給出計算機科學與技術專業的后續課程中所用到的主要知識點,如表1所示。

3離散數學的知識結構設計

基于離散數學在計算機專業具有基礎性的地位。從離散數學后續課程所需的離散結構基礎理論出發,根據前后課程的知識關系來構建離散數學的知識結構和體系,使所設計的離散數學教學內容適合當前計算機科學與技術專業教學需要,能夠支撐后續課程的教學且和后續課程不相互覆蓋。本文設計的離散數學知識體系結構如表2所示。

表2所設計的知識體系結構共分為5個單元,分別是集合、關系與函數,基本邏輯,布爾代數,圖與樹,形式語言與自動機。其中,集合、關系與函數單元包括集合、鴿籠原理、基數性和可數性、關系、函數等內容,是算法與數據結構、數據庫系統原理等課程的理論基礎;基本邏輯單元包括命題邏輯、謂詞邏輯、假言推理、否定式推理等內容,是計算機組成基礎、計算機體系結構、軟件工程、人工智能、數字邏輯等課程的理論基礎;布爾代數單元包括格、布爾代數等內容,是計算機組成基礎、計算機體系結構和人工智能等課程的理論基礎;圖與樹單元包括無向圖、有向圖、樹、生成樹等內容,是算法與數據結構、操作系統、軟件工程、計算機圖形學、計算機網絡等課程的理論基礎;形式語言與自動機單元包括文法、有限狀態機和圖靈機等內容,是編譯原理等課程的理論基礎。

該設計體現了“實用、管用、夠用”、“易教易學”的原則,具有以下特點:

1)5個單元由淺入深、層層遞進,并具有相對的獨立性,便于學生學習和教師授課。

2) 具有針對性,能夠支撐教育部高等學校計算機科學與技術教學指導委員會于2007年指定的11門后續課程。

3) 符合計算機科學的發展趨勢和高等院校計算機教學改革的需要。

4) 緊扣離散數學和其他計算機專業課程的知識聯系,實用性強。

4離散數學的實驗設計

由于離散數學課程理論性強、高度抽象,學生難于理解掌握。為此,在離散數學的教學過程中引入一些實驗,既對離散數學的基本理論的很好驗證,也鞏固了先導課程的學習內容,同時為后續課程的學習打下了基礎。不但能夠激發學生的學習積極性和主動性,也培養了學生的創新意識和創新能力。實驗選題既要反映理論的實質內容與思路(理論背景),又要與實際應用結合,選題不宜過多,針對不同的知識點設計了如下實驗內容:

實驗1 集合運算;

實驗2 等價關系的判定;

實驗3 用warshall算法求閉包;

實驗4 偏序集性質;

實驗5 求解范式;

實驗6 形式化證明;

實驗7 哈密爾頓圖與旅行商人問題;

實驗8 樹的遍歷、求解生成樹;

實驗9 有限自動機的運行。

實驗報告要求列出實驗目的、實驗內容、實驗步驟、源程序和實驗結果。

對源程序的設計要做到如下兩個方面的描述,其一是描述該程序具有什么功能?其二是描述程序結構,包括函數調用格式、參數含義、返回值描述、函數功能;函數之間的調用關系圖、程序總體執行流程圖。

對實驗結果要求記錄:出錯次數、出錯嚴重程度、錯誤的性質、解決辦法。還要進行簡單的實驗總結:如編程時間、設計時間、上機調試時間等;遇到了哪些難題,是怎么克服的,對程序的評價?

5結語

離散數學不僅是學習計算機科學、研究計算機科學的理論工具,也是提高學生邏輯思維能力、創造性思維能力以及形式化表述能力工具,在現代計算機科學中,對離散數學教學內容做科學合理的設計,使離散數學更好的為計算機科學服務,具有非常重要的意義。

注:河南科技學院精品課程建設項目。

參考文獻:

[1] 王蕾,李永. 淺析離散數學在計算機科學中的應用[J]. 平頂山師專學報,2003,18(5):63-64.

[2] 陳敏,李澤軍. 離散數學在計算機學科中的應用[J]. 電腦知識與技術,2009,5(1):251-252.

[3] 王玉紅. 離散數學在計算機教學中的作用[J]. 赤峰學院學報:自然科學版,2008,24(1):90-91.

[4] 教育部高等學校計算機科學與技術教學指導委員會. 高等學校計算機科學與技術發展戰略研究報告暨專業規范(試行)[M].北京:高等教育出版社,2006:35.

[5] Patrick O'Neil,Elizabeth O'Neil. 數據庫原理、編程與性能[M]. 周傲英,俞榮華,譯. 北京:機械工業出版社,2003:16-46,239-288.

[6] 蔣立源,康慕寧. 編譯原理[M]. 2版. 西安:西北工業大學出版社,2001:3-15.

[7] 謝晉. 試談離散數學在計算機學科中的重要性[J]. 黃石理工學院學報,2006,22(1):90-93.

[8] 蔡自興,徐光佑. 人工智能及其應用[M]. 北京:清華大學出版社,2003:10-20.

[9] 白中英. 數字邏輯與數字系統[M]. 北京:科學出版社,2002:6-15.

篇8

一、智能審計國內外研究現狀

智能審計是利用各種數據分析方法對審計數據進行充分利用、充分挖掘，以獲取更多相關的審計線索。一方面可以直接提供審計證據，如明顯違反會計準則和相關會計法規的行為；另一方面可以發現異常信息，起到“紅旗”的指向標作用，引起審計師的注意。此外，借助智能審計技術，可部分代替審計職業判斷，減輕審計師的工作強度。智能審計是財務審計與智能技術的有機結合，是計算機審計的發展方向。自1987年美國執業會計師協會發表了“人工智能與專家系統簡介”，將人工智能引入到會計審計領域以來，人們對智能審計技術及其應用進行了不懈的探索研究，并在其中的審計專家系統與審計數據挖掘兩方面取得了一定成果。

國外對審計專家系統研究成果涉及到審計專家系統建立與應用的背景、作用、影響、開發設計方法、局限性、相關法律責任等方面，而且已經從理論研究擴展到開發應用研究。由于有其他領域大量成功的專家系統開發經驗可供借鑒，審計專家系統在模型結構、開發步驟和規則建立方式等方面比較規范而成熟，審計專家系統開發也由早期的以審計研究人員為主轉向研究人員與實務專家共同開發，開發與實踐結合更加密切。國內對這方面的研究相對較少，主要集中于介紹國外研究情況、系統基本框架、研發應用基本方法等方面。近年來，數據挖掘技術在審計領域的應用也開始受到關注。Ningning Wu于2001年出版了專著《Audit data analysis and mining》，比較系統地闡述了審計數據分析與挖掘方法。易仁萍（2003）提出了基于數據挖掘的審計模型，Lampe（2002）、胡榮（2004）、呂新民（2007）等概要分析了數據挖掘技術在審計中的應用方法，Lee W等（2002）分析了審計中應用的主要數據挖掘算法，王忠（2006）、張炳才（2008）等分別研究了人工神經網絡、歐式孤立點數據挖掘技術在審計中的應用方法，陳丹萍（2007）對數據挖掘模式下的審計風險決策進行了研究。

但是目前的智能審計研究還遠沒有達到人們所希望的水平。（1）審計軟件的智能化水平普遍不高。審計信息化在中國僅僅處于初級階段。計算機審計還處于計算機輔助階段，審什么、如何審基本上都是由審計人員定義的。也就是說，每一個指令都是由審計人員向計算機發出的。在審計專家系統的研究上，審計知識獲取與表達問題、不同審計專家之間知識沖突問題，仍然無法很好解決。尤其是國內，尚未開發出真正意義上的審計專家系統。此外，數據挖掘在審計中的研究還處于起步階段，應用研究成果數量少，也不夠全面深入。至今沒有審計數據挖掘的專用工具，審計數據挖掘專著很少，發表的論文中或者只是從某一視角進行分析，或者點到為止。未能真正將數據挖掘技術應用于審計中，自動發現審計數據中的模式和模型，如根據企業的審計數據，建立企業風險決策系統，發現企業風險的關鍵因素，對企業做出風險評估、預警等。（2）審計軟件缺乏深入分析能力。現代風險導向審計模式以重大錯報風險的評估為出發點，風險綜合評估、分析與合理判斷占據著極其重要的地位，而這正是當前我國審計軟件所缺乏的。我國大部分審計軟件比較多的是執行賬簿核對和簡單的分析程序，一般是將審計程序表中的審前數與以前年度審定數作些簡單的比較，計算財務比率等，行業分析做得比較少，更談不上進行深入的分析。（3）審計軟件需要適宜的應用體系架構。計算機審計的研究逐漸深入，需要的分析功能、分析能力、分析種類都在不斷變化，分析技術也在不斷進步與增加，盡可能方便新技術、新方法嵌入的可擴展的系統架構是智能審計軟件發展的基礎問題。（4）現有的軟件難以滿足越來越豐富、深入的審計需求。計算機審計需要創建大量的新型審計技術方法。從技術方法角度說，賬目基礎審計、制度基礎審計、風險基礎審計、數據基礎審計之間，有著不同程度的傳承關系。前三者之間的傳承關系比較緊密，而數據基礎審計與前三者之間，變化卻是革命性的，需要創建全新的技術方法即需要形成審計中間表、結構化查詢技術、個體分析模型方法、多維分析技術以及數據挖掘技術。

二、智能審計軟件系統架構設計

在深入分析總結現有各種審計軟件優缺點以及當今計算機智能處理技術的基礎上，提出了如圖1所示的智能審計軟件系統架構。該架構由應用服務層、平臺支撐層、數據資源層、數據交換中心、系統接口、系統保障機制以及基礎設施等部分組成。（1）應用服務層。應用服務實現財務審計業務處理功能，是系統建設的核心內容。在智能財務審計系統的建設中，應用服務包括審計分析、報表分析、綜合查詢以及業務管理等功能模塊。審計分析通過提供多維分析、挖掘分析、預警預測、疑點智能分析等功能實現對企業財務的審計。報表分析模塊完成企業報表的指標分析、百分比分析、杜邦分析、趨勢分析、匯總分析、特征分析，對企業的財務狀況、經營成果和現金流量情況等進行綜合比較和評價，為財務會計報告使用者提供管理決策和控制依據的一項管理工作。綜合查詢提供關聯查詢、組合查詢、傻瓜查詢、智能模糊查詢等功能，可以通過圖、表等多種形式實現查詢結果的輸出。業務管理實現公司管理、指標管理、參數管理以及報告設置等功能。（2）平臺支撐層。平臺支撐實現財務審計的系統支撐。包括審計推理、知識管理、數據管理、安全管理、搜索引擎、工作流引擎和智能處理引擎等功能模塊。審計推理實現案例推理、挖掘推理、規則推理以及集成推理等功能，為審計分析提供強有力的支撐。知識管理實現知識的獲取和存儲，完成案例管理、規則管理、模型管理以及知識推拉等功能。數據管理實現數據存儲、數據訪問ETL的處理以及元數據管理。安全管理保障整個系統的安全運行，實現用戶管理、安全認證、權限管理、安全日志管理、單點登錄等功能。（3）數據資源層。數據資源層完成財務數據庫、本體庫、領域案例庫、模型方法庫、專家知識庫的創建、維護、更新、索引，元數據的建立、更新和維護，以及數據的采集、訪問和管理。（4）數據交換中心。數據交換中心實現內容集成，以消除信息孤島，保證各應用系統的有效協同和數據訪問。（5）系統接口。為用戶訪問和系統管理提供接口，為系統對外服務和展示提供窗口。（6）系統保障機制。包括信息安全保障體系、網絡安全保障體系、管理制度標準規范、數據交換規則規范和運營機制等。（7）基礎設施。硬件平臺作為整個系統的物理載體，是整個系統建設的一個重要組成部分，包括網絡系統、服務器群組建設等內容。

三、智能審計軟體系統關鍵實現技術

實現該系統，需要著重解決以下兩個方面的問題：綜合運用信息處理技術，設計高效的算法，快速、準確、客觀、規范審計財務業務，整合專家知識與數據挖掘技術，建立新型審計模型；根據審計數據的特點，研發相應的數據分析方法。數據實驗表明，數據分析算法對不同的數據具有不同的敏感度。對于具體的審計分析模型，需要研發相應的數據分析方法，并根據不同算法、不同行業數據的特性進行數據實驗，選擇相對效果較佳的算法及參數。

充分整合領域專家知識，綜合利用專家系統、數據挖掘、知識處理等智能技術，構建智能審計模型，建設智能審計系統，提高審計智能化水平和效率、降低審計成本和風險，促進金融市場健康穩定發展是當前審計發展的方向。在深入分析總結現有各種審計軟件優缺點以及當今計算機智能處理技術的基礎上，提出了智能審計軟件系統的系統架構。下一步需更加深入地研究該系統中各個關鍵技術，并設計切實可行的解決方案，實現智能化審計軟件系統。

［本文系上海市教育委員會科研創新基金資助項目（10YZ192，09YZ426）、上海市市本級財政部門預算項目（1138IA0005）階段性研究成果］

參考文獻：

［1］周杭：《審計專家系統的發展及其啟示》，《中國注冊會計師》2005年第3期。

［2］易仁萍等：《基于數據挖掘的審計模型框架》，《中國審計》2003年第3期。

［3］胡榮等：《數據挖掘——現代審計處理數據的新方法》，《中國審計》2004年第7期。

［4］王忠等：《基于人工神經網絡的金融審計模型》，《計算機工程》2006年第4期。

［5］陳丹萍：《數據挖掘模式下的審計風險決策研究》，中國社會出版社2007年版。

篇9

1.大數據的概念和特征

對于大數據時代，目前通常認為有下述四大特征，稱為“四V”特征：第一，數據體量巨大（VolumeBig）：數據量級已從TB（1TB=210GB）發展至PB（1PB=210TB）乃至ZB（1ZB=220PB），可稱海量、巨量乃至超量；第二，數據類型繁多：越來越多的為視頻、位置信息、圖像與圖片等半結構化和非結構化數據信息；第三，價值密度低，商業價值高：以視頻為例，連續不間斷監控過程中有價值的數據可能僅為一兩秒的數據流；第四，處理速度快，處理工具演進快：數據流往往為高速實時數據流，而且往往需要快速、持續的實時處理。[2，3]

2.大數據時代對人才的需求

2013年3月，IDC數字宇宙報告《大數據，更大的數字身影，最大增長在遠東》預計到2020年數字宇宙規模將達到40ZB。這意味著需要大量的人力和技術對如此龐大的數據進行處理、分析和管理。在此情況下，對于大數據環境下新型人才的培養問題在近年逐漸受到重視。未來對具有大數據管理和分析能力的人才需求將快速增長，這些人員除了具備相應的技術能力、管理能力、社交能力、系統分析和開發的能力外，還需要具備深度分析數據的能力。同時，一些和大數據相關的職位也會應運而生，例如數據分析師、數據架構師等。2011年麥肯錫全球研究所給出的一份報告預測，美國到2018年對具有良好信息素養的經理人才的需求量大約在150萬人，此外，還需要14萬～19萬數據分析方面的資深專家。[4]在我國，互聯網企業、電子商務、金融機構、醫療衛生、零售、保險等行業及政府數據中心對大數據專業人才的需求量都很大。

二、大數據時代下山東理工大學信管專業培養模式

大數據時代產生對相關人才的巨大需求，因此，山東理工大學（以后簡稱“我校”）信管專業提出了新的培養標準和課程設置體系，培養具有我校特色的信息管理專業人才。

1.培養目標和培養標準

在大數據環境下，重新定位信管專業的培養目標和標準，以適應“大數據”對專業人才提出的新要求，是信管專業建設的首要議題。我校信管專業突破國內高校信息管理專業人才培養的三種主要模式（一是強調IT技術，弱化了現代管理理論與方法；二是強調管理又過于弱化了IT技術；三是IT技術與管理相融合，但實際效果不理想），[5]強調學生不但要掌握現代信息系統的規劃、分析、設計、實施和運維等方面的方法與技術，更要具有現代管理科學思想和較強的信息系統開發利用以及數據分析處理能力。我校信管專業還制定了全新的培養標準矩陣（如表1所示），從五大方面28個小方面更為詳實地闡述了信管專業學生需具備的技能和能力，并為課程的設置提供了依據。

2.課程設置體系

為了滿足大數據時代對人才提出的新要求，我校信管專業課程設置圍繞主干學科（管理學、經濟學、計算機科學與技術、管理科學與工程）不僅設置了國內高校信管專業常設的管理學、統計學、管理信息系統、數據庫原理與應用、數據結構與算法分析、計算機網絡基礎與應用、Java程序設計、電子商務等課程外，還設置了數據倉庫與數據挖掘、商務智能與人工智能等相關課程，使學生在理解新興數據處理模式的同時，智能化數據分析處理及決策支持能力得到訓練。與此同時，還設置了基于移動終端的APP開發、企業信息系統構建與仿真、電子商務平臺架構設計等課程，使信管專業的學生成為擁有合理知識結構的復合型人才。大數據時代下新型的信息管理與信息系統專業人才的培養既要高度重視理論知識的學習，又要加強實踐能力的培養。為此，我校信管專業還設置了工程實訓、軟件實習等實踐項目，以及為期10周的IM&IS應用實踐環節，為學生搭建實踐平臺，拓寬實踐渠道。通過3年在校學習及總計約1年的實踐鍛煉（如圖1所示），我校信管畢業生不僅具有良好的管理知識基礎、信息技術應用能力，現代信息系統的開發利用的能力，還具備智能數據分析處理工具的操作能力以及綜合數據分析處理能力。

3.特色

大數據時代下，我校信管專業制定了具有自身特色的培養模式，即：培養目標和標準與行業發展結合，適應大數據對人才能力需求的變化；培養具有綜合分析和管理能力，強調動手能力的新型信管人才。

三、總結

篇10

【關鍵詞】信息技術；理論課；創造性教學；理論聯系實際

對于學生來說，信息技術教學中的理論課與上機操作課相比顯得較枯燥、乏味，他們不適應，不喜歡，甚至不想學。他們想當然地認為信息技術課就是到電腦室進行操作，課堂教學也難取得什么好的教學效果，然而信息技術理論知識是信息技術實踐課的基礎，實踐是理論的延伸，沒有理論知識支持的實踐，注定是無根之木。不能掌握信息技術的理論知識，也就無法真正提高學生信息素養。那么教師們怎樣上好信息技術理論課？能不能把理論課也變得富有創造性，讓學生學得有趣，能積極主動地投入學習中呢？現在談談自己的教學實踐和經驗:

一、借助多媒體課件來輔助教學，使理論課堂生動、有趣

多媒體輔助教學已經在各個學科中得到廣泛的應用，當然作為信息技術課更應該充分利用好這個利劍。在我們信息技術理論課教學中，恰當的使用多媒體技術來輔助教學，有時能起到事半功倍的效果。

在“課前導入部分”，如在《人工智能》這節課中，教師就用課件播放某大學為了防止學生逃課采用指紋機進行課前簽到的報告，這樣的導入，既讓學生有新鮮感、好奇感又引入本節課的課題——人工智能技術中的模式識別技術。這樣的導入還有很多。

在“教學過程”中，如《文件及其類型》一課中，文件的圖標、擴展名和它的類型無疑是這節課的重、難點，對學生而言，這部分知識過于枯燥、繁多、難記。考慮到學生平時愛玩游戲的特點，可把文件的圖標、擴展名和類型做成連連看的游戲，這樣學生可以在玩中學，反復玩都不會反感，很快就掌握了這部分知識。

在“自主探究”環節，如《網絡知識》這一課中，教師用課件準備了很多的拓展知識——雙絞線的制作等錄制成視頻，方便學生自主探究、自主學習。

在“課堂總結”這個環節，多媒體課件同樣起到了舉足輕重的作用，多媒體課件可以展示整節課的知識結構，讓學生一目了然本節課學到了什么，幫助學生回憶歸納。同樣可以給出一些練習題來鞏固本節課的知識，讓學生在課上就消化了知識。

二、讓信息技術理論知識生動化、形象化

在信息技術中，一些專業術語和名稱是非常枯燥的，如果教師照本宣科，那么學生就不容易理解，而且非常反感。教師巧用形象比喻將枯燥難懂的理論知識生活化、形象化，會吸引學生的注意力。教師巧用形象的比喻，可以把高深莫測變成通俗易懂，且記憶深刻。如果教師的語言幽默風趣，富有感染力，那么能使學生在愉快的課堂氣氛中不知不覺增長了知識。

在《算法描述與設計》一課中，什么是算法？一句話：解決問題的方法和步驟。在每年的教學中都發現學生對這句話無法理解。我在這里引用了“三個牧師，三個野人的過河問題”，讓學生自己想出解決問題的方法并到黑板上寫出具體的實施步驟。通過這個例子引出：解決問題的方法和步驟在我們ⅤB語言中叫“算法”，學生就很難忘記了。

再比如在Flash和Photoshop軟件中有很多概念很難理解，在Flash中，把“庫”比喻成上舞臺前演員休息的后臺，庫里的“元件”比喻成“演員”。學生就很容易理解了。在Photoshop中，把“圖層”比喻成透明的紙，每張紙上寫上一個字的一筆，多張紙重合在一起就能看見一個完整的字。這樣圖層的理解就簡單得多。

三、理論要聯系生活實際，讓學生自主構建知識

信息技術是一門實踐性和技術性學科，它在現代社會生活中有著密切而廣泛的應用，這就為理論課教學時融入學生的生活元素提供了豐富的資源。教師將理論與實踐相結合，激發學生學習的濃厚興趣，理論課教學就會事半功倍。課堂內容貼近學生生活實際，枯燥的理論知識將變得有趣，學生會學得更加有勁。

例如《信息以及特征》這課，到底什么是信息呢？提出問題引發學生思考。教師授課，同學聊天，打手勢，聞到飯菜香味，摔倒后的感受等等，由這些每天都會發現的事情引出我們無時無刻都在接受著信息，再由學生根據自己的了解總結定義。提供素材：老黃歷看不得(信息的時效性)，蕭伯納名言(信息的共享性)，空城計(信息的真偽性)，好事不出門壞事傳千里(信息的傳遞性)，最后，請同學們總結，教師點撥，完成本節理論課的學習，達到課堂氣氛活躍、理解透徹的效果。

《信息技術基礎》書中出現了四處關于“過程”先后順序的問題，信息獲取的一般過程、計算機信息加工的一般過程、信息編程加工的一般過程、信息集成的一般過程。關于這些問題如果強行讓學生記憶會非常困難，而且真的很枯燥，但如果融入生活信息里面，記憶起來就容易得多。比如講解信息獲取的一般過程，就可以借助學生經常做的事“出黑板報”為例子來引導學生思考：平時是如何出黑板報的？學生回答：先確定每期的題目，再收集資料(上網、買書、自創)，進行篩選之后就制作板報，但這個過程是在不斷的修正中逐步完善的。根據學生的回答構建出信息獲取的一般過程：確定信息需求——選擇獲取信息的來源——確定信息獲取方法來獲取信息——評價信息。讓學生借助自己熟悉的事來幫助他們理解新知，這樣學生既不感覺枯燥，掌握起來也容易得多。