神經網絡理論及應用課程案例庫建設與教學實踐

摘 "要：針對神經網絡理論及應用課程中的核心知識點和難點問題，以科學研究、工程實踐為基礎，建設一系列具有代表性、創新性、綜合性和典型性的教學案例，并將其應用于控制科學與工程專業研究生及測控技術與儀器本科生課程教學中。教學實踐表明，所設計的案例能夠有效提升學生的創新能力、動手能力和表達能力，培養學生的科研素養和工程思維，為培養高水平的電子信息類專業人才提供有力的支撐。

關鍵詞：神經網絡理論及應用；案例庫；電子信息；測控技術與儀器；自動化

中圖分類號：G642 " " "文獻標志碼：A " " " " "文章編號：2096-000X（2025）08-0114-04

Abstract： For the core knowledge points and difficult problems in the course of Neural Network Theories and Applications， a series of representative， innovative， comprehensive and typical teaching cases are constructed based on scientific research and engineering practice. Then， the developed cases are applied to the teaching of the graduate course in major of control science and engineering as well as the bachelor course of measurement and control technology and instrumentation. Teaching practice shows that the designed cases can improve students' ability of innovation， practice and expression， cultivate students' scientific literacy and engineering thinking， and provide important support for cultivating high-level electronic information professionals.

Keywords： Neural Network Theories and Applications; case base; electronic information; measurement and control technology and instrumentation; automation

神經網絡理論及應用是測控技術與儀器、電子信息相關專業高年級本科或控制科學與工程碩士研究生一門重要的專業課，主要內容為各類人工神經網絡的模型結構、算法原理及其在工業過程、生命科學、海洋探測和經濟社會等領域中的應用。通過本課程的學習，學生能夠掌握神經網絡基本理論、算法設計和程序實現，且可將其應用于實際復雜問題的數據建模與分析。該課程是一門理論與實踐緊密結合的課程，要求學生有扎實的數學基礎、較強的工程意識和良好的編程能力[1]。

針對該課程的教學，國內高校在現有的教學體系和模式下，積極吸收和借鑒國際工程教育的理念，結合自身專業的培養目標，探索并實踐各種先進的教學模式[2]。其中，案例式教學以實際的案例為基礎，注重理論知識與實際應用的有效結合，有利于培養學生的探索意識、動手能力、科研思維能力和工程意識，提高學生的綜合能力，從而被廣泛研究和實踐[3-4]。

近年來，在神經網絡理論及應用課程教學中，以工程案例為驅動，將理論知識與工程實踐相結合的教學模式也得到了積極的探索與應用[5-7]。然而，目前該課程案例庫建設中仍存在一些問題，如注重神經網絡理論和概念的傳授，驗證性案例較多，而綜合型、創新型案例相對較少，同時在案例任務中偏重于程序設計，而忽視結合神經網絡模型的科學問題分析[8-10]。

本文針對當前神經網絡理論及應用課程案例庫建設及實踐教學中存在的問題，基于教師團隊實際科研課題及工程項目，開展相關的課程案例庫建設。旨在通過具體的科學和工程問題，引導學生分析、討論、主動發現問題，并設計算法和程序解決這些問題，培養學生的獨立思考能力、科研能力和動手能力，實現科教融合的控制科學與工程、測控技術與儀器專業人才的培養。

一 "課程案例庫建設內容

以科學研究、工程實踐為背景，針對神經網絡理論及應用教學中核心知識點和難點問題，建設了具有代表性、創新性、綜合性和典型性的6個案例，具體案例如下。

（一） "基于BP神經網絡的銅礦浮選過程建模

以銅礦企業實際生產問題為研究對象，基于銅礦浮選過程的真實歷史數據，對其生產過程的銅精礦品位這個關鍵性能指標進行數據驅動建模和分析。典型的浮選過程生產工藝如圖1所示，在這個生產過程中，精礦品位作為關鍵性能指標，能夠有效地表征最終產品的質量以及過程的生產效率。因此，有必要開發一種數據驅動的建模方法，建立對該指標的軟測量模型，從而實現對于該關鍵參數的實時預測。

圖1 "銅礦浮選過程工藝流程

反向傳播（Back Propagation， BP）神經網絡是應用最為廣泛的神經網絡，該部分教學內容在神經網絡理論及應用課程中具有非常重要的意義。在本課程中，BP神經網絡相關知識需要4個課時的理論教學和2個課時的實驗教學。然而，BP算法的公式推導需要鏈式推導和梯度下降法的知識，學生在學習過程中容易出現理解不充分、概念模糊等問題。

經過前期的科研和實驗，團隊發現BP神經網絡對于浮選過程的數據和精礦品位的預測具有良好的性能，因此設計了一個基于BP神經網絡的銅礦浮選過程軟測量的課程教學案例。案例要求學生能夠獨立設計基礎的三層BP神經網絡，并在MATLAB或Python環境下編程實現，最后通過仿真實驗驗證所建立模型的精度和可解釋性。通過本案例的實施，可讓學生系統地掌握BP神經網絡的網絡結構、訓練算法以及模型驗證準則和方法等知識，為后面循環神經網絡、卷積神經網絡、深度學習網絡等復雜網絡的學習打下良好的基礎。

（二） "基于極限學習機的空氣分離裝置在線軟測量

本案例以某鋼鐵企業大型空氣分離裝置的氧氣濃度在線分析問題為研究對象。該裝置有五個相互關聯的精餾塔，裝置工藝流程如圖2所示。分離裝置主要是利用低溫精餾的原理，在各精餾塔中經過多次蒸發和冷凝，獲得煉鋼所需的氮氣、氧氣和氬氣等各類氣體。在該裝置中，氧氣濃度是個關鍵性能指標，對于生產安全和生產效率至關重要。然而，實際生產中分析儀工作不夠穩定，因此有必要設計一種訓練速度快、模型更新能力強的神經網絡，以在工況發生變化時及時地更新軟測量模型。

極限學習機是一類特殊的神經網絡，其相比傳統的BP神經網絡，具有訓練速度快、模型簡單等優點，且能夠保證較好的模型精度。結合該問題背景，教學團隊設計了基于極限學習機的空氣分離裝置在線軟測量案例。通過本案例的實施，能夠讓學生從理論公式和代碼實現兩個維度思考極限學習機的結構、原理和訓練方法，有助于提高學生的學習興趣，以更好地理解這部分內容。

（三） "汽油精制過程辛烷值損失建模

該案例數據來源于第十八屆中國研究生數學建模競賽，是以某石化企業汽油精制工藝為研究對象。該工藝過程主要包含四個部分：進料和脫硫子系統、吸附再生子系統、吸附劑循環子系統以及產品冷卻穩定子系統，具體工藝流程如圖3所示。該流程中，汽油辛烷值是一個關鍵變量，能夠影響產品的純度和生產的效率，因此需要設計數據驅動的建模算法，建立汽油辛烷值預測模型，然后在模型基礎上對該系統進行最優化控制。

圖2 "空氣分離裝置及工藝流程

圖3 "汽油精制工藝流程

此案例是一個綜合性案例，可分為數據預處理、輸入變量選擇、辛烷值預測建模、操作變量優化、仿真結果可視化展示五個子問題，研究目標為最小化汽油精制過程中的辛烷值損失。案例能夠鍛煉學生對機器學習中相關性分析、最大互信息理論、神經網絡建模和智能優化算法等各種知識的綜合運用能力，可為學生參加國家級學科競賽打下堅實的基礎。

（四） "循環神經網絡及在脫硫過程的軟測量應用

某火電廠煙氣脫硫系統包含兩個脫硫塔和一組濕式靜電除塵器，如圖4所示。該系統主要是利用石灰石漿液中的碳酸鈣與火電廠鍋爐煙氣中二氧化硫氣體產生化學反應，生成固體的石膏，從而實現煙氣脫硫的目的。這個過程中，在煙囪出口處煙氣的二氧化硫濃度是整個系統的關鍵指標。然而，在線分析儀需要定期維護，有時候工作條件不太穩定，需要設計一個數據驅動的軟傳感器模型提高監測的可靠性。

該系統采用雙吸收塔結構，系統所采集的過程數據存在一定的時間延遲，而循環神經網絡是一類具有反饋結構、能夠有效處理時間序列數據的神經網絡，在對具有時滯特征的復雜過程建模時具有一定的優越性。典型的循環神經網絡有長短期記憶網絡（Long Short-Term Memory，LSTM）、門控循環單元（Gated Recurrent Unit，GRU）等。基于某電廠所采集的煙氣脫硫生產過程的歷史數據，首先通過仿真實驗驗證BP神經網絡、極限學習機這類前饋網絡在該問題上的效果不理想，其次指導學生設計LSTM神經網絡、GRU神經網絡實現該過程的軟測量建模，最后通過不同神經網絡的性能對比驗證循環神經網絡的優越性。這一案例可解決學生在循環神經網絡學習中遇到的模型機理復雜、參數調整困難等難題。

圖4 "某火電廠煙氣脫硫系統工藝流程

（五） "基于卷積神經網絡的軸承故障診斷

深度學習是神經網絡理論及應用課程中的難點和重點問題，其原理和應用都難以掌握，學生在該部分的學習中普遍感到困難。卷積神經網絡作為一類典型的前饋深度學習網絡，具有復雜的網絡結構和強大的非線性數據處理能力。隨著工業大數據和人工智能技術的發展，卷積神經網絡及其他深度學習網絡在機械設備的軸承故障診斷方面的研究日益廣泛。在軸承故障診斷領域，凱斯西儲大學提供了一個公開的數據集，當前很多學者的相關研究都是依托此數據開展的。

基于凱斯西儲大學軸承數據中心所提供的公開數據集，教學團隊設計了一個基于卷積神經網絡技術的軸承診斷教學案例，以軸承故障工況分類為案例任務，引導學生分析深度學習網絡的原理、基本結構和訓練方法，思考深度網絡中的梯度爆炸和梯度消失問題，以及各種不同的激活函數在處理梯度消失或爆炸問題上的效果。該案例是深度學習網絡在特定任務分類問題中的應用，能夠將抽象的理論問題具體化，可促進學生更快地掌握深度學習網絡模型相關理論、方法和技術。

（六） "干熄焦系統建模與控制優化

該案例背景來源于教師團隊與某鋼廠合作的實際科研課題“干熄焦生產過程數據建模與控制系統優化”，主要研究內容包括神經網絡建模以及操作變量優化兩部分。典型的干熄焦生產流程如圖5所示。在該工藝中，循環風的溫度是個關鍵性能指標，能夠影響燒焦的質量和蒸汽的產量，因此需要對該指標進行有效的控制和優化。經過前期的研究，教學團隊發現BP神經網絡對于過程歷史數據建模效果較好。

圖5 "干熄焦生產過程工藝流程

該案例涉及了控制科學與工程專業中神經網絡與最優化方法兩門課程的知識，是一個典型的綜合案例，對學生的工程思維和獨立思考能力具有很強的鍛煉價值。具體的案例實現步驟如下：首先對企業提供的歷史生產數據進行分析，要求學生利用特征選擇、多元回歸、神經網絡等各種機器學習技術，對干熄焦系統的關鍵參數進行數據驅動建模，并分析所建模型的合理性和可解釋性。其次研究遺傳算法、粒子群優化算法等智能優化算法，以最大化蒸汽產量、最小化原料消耗為目標，對操作變量進行優化。最后通過歷史數據的模擬對比優化效果及各類算法的優劣性。

二 "案例在教學實踐中的應用

目前案例已應用于齊魯工業大學（山東省科學院）電子電氣與控制學部控制科學與工程、電子信息研究生及測控技術與儀器本科生選修課程神經網絡理論及應用的教學中，覆蓋學生近200人。基于所建設的案例，教學團隊在教學內容、教學方法、授課方式等方面進行了創新和實踐，并取得了突出的效果，具體實踐方案及效果如下。

（一） "案例教學實踐方案

在上述課程案例建設的基礎上，基于案例驅動的教學過程實施如下：

1）選擇并發布案例。教師根據目前理論課程內容和教學目標，選擇相應的案例并在網絡教學平臺發布，包括案例的研究對象、相關數據、任務要求等內容。

2）分組準備。每小組由2～3名同學組成，設組長1名，負責統籌協調小組任務。在規定時間內，小組應完成案例的數據分析、文獻查閱，展開小組討論并形成獨立的見解與觀點。

3）課題討論。教師會組織各小組進行案例論證，各小組可陳述擬采取的技術路線和研究方法，教師對各組的方案進行可行性分析并提出建議。

4）課題研究及報告。各小組根據所設計的技術路線開展算法設計、程序實現、仿真實驗和結果分析等工作，歸納整理研究文檔并提交技術報告、代碼和匯報視頻并完成答辯。

5）過程考核。以案例式教學為基礎，對課程考核方式也進行了改革，將學生參與案例情況等作為重要的考核依據，占本課程總成績的50%。與傳統的以試卷成績為主的考核方式相比，這種模式更注重對課程知識的理解和綜合知識運用能力的考察。

在案例教學過程中，教師引導學生思考案例中的科學問題，學生則通過大量的文獻查閱提出自己的創新性觀點，通過小組合作的方式開展課題研究，利用課堂所學知識解決實際問題，最后完成技術報告和案例PPT制作并做公開答辯。任課教師可通過階段性的案例討論、匯報及小組報告掌握學生對知識的掌握情況。這種以學生為主體，教師引導學生研究過程的案例式教學模式能夠有效提高學生的科研能力、編程能力、口頭表達和論文寫作能力，培養學生的工程思維和團隊協作意識。

（二） "教學實踐評價

團隊采用問卷法對案例教學實踐2021、2022級控制科學與工程、電子信息專業學位研究生進行了調查，結果表明，96%的學生認為神經網絡理論及應用課程案例庫設計內容豐富、難度適中，能夠激發學習興趣，提高創新能力和學科素養，加強了學生對神經網絡相關理論知識的理解和運用能力，對研究生階段的學習和科研有明顯的助益。

另外，受益于課程教學，近年來選修本課程的學生取得了突出的研究成果，發表在神經網絡領域高水平SCI期刊如《IEEE Transactions on Instrumentation and Measurement》《Neural Computing and Applications》等學術論文十余篇。學生積極參加中國研究生數學建模競賽、中國研究生電子設計競賽等本專業學科競賽，挑戰機器學習、神經網絡建模及應用相關題目，有十余人次獲得國家級三等獎以上獎項。

三 "結束語

本文以學生為中心，以培養學生科研創新素養為目標，開展了理論知識與工程實踐結合的神經網絡理論及應用課程案例建設，通過教學實踐表明這種案例引導式的教學模式能夠有效提升學生的知識運用能力、語言表達能力，培養了學生的創新能力和科研素養。所開發的教學案例具有科學性、創新性、啟發性和實踐性，可輻射電子信息類相關專業如測控技術與儀器、自動化、通信工程等高年級本科生，以及計算機科學與技術、人工智能等專業碩士研究生。

不足之處在于目前的案例庫內容還不夠豐富，課題組將在未來的研究中開發更多有代表性的案例，并進一步在教學實踐中推廣案例庫，以覆蓋更多的學生。

參考文獻：

[1] 李曉媛，曾慶山.《人工神經網絡》課程的自助互動教學方法探索[J].教育現代化，2018，5（35）：130-133.

[2] 陳修龍，盛永超，高順，等.《機器人技術》案例庫的建設研究[J].創新創業理論研究與實踐，2022，5（11）：161-163.

[3] 黃飛，邢健，蔡文輝，等.基于“工程認證”理念的工程訓練教學體系研究與實踐[J].中國管理信息化，2021，24（4）：213-214.

[4] 李大威，艾欣.數據分析與機器學習課程的案例式教學改革[J].實驗室研究與探索，2021，40（2）：186-190.

[5] 廉小親，黃靜，吳靜珠.《神經網絡理論及應用》課程實踐教學案例探討[J].電腦與信息技術，2020，28（6）：67-70.

[6] 張強，邵思羽，牛天林，等.研究生課程教學模式改革實踐——以“神經網絡理論與應用”課程為例[J].教育教學論壇，2021（51）：57-60.

[7] 張強，牛天林，邵思羽，等.神經網絡理論與應用課程線上線下混合教學模式探析[J].高教學刊，2022，8（14）：66-69.

[8] 劉金琨.一種模糊神經網絡算法的案例教學探討[J].大學教育，2022（12）：93-96.

[9] 羅秀麗，陳平.產教融合背景下“神經網絡與深度學習”課程教學改革[J].工業和信息化教育，2022（11）：17-21.

[10] 張澤宇，郭釗汝，徐金，等.混合式項目案例教學在卷積神經網絡與圖像分類課程中的實踐[J].信息與電腦（理論版），2022，34（4）：245-247.