人工智能神经网络技术及其微波应用课程设计与教学改革研究

那伟聪 张万荣 谢红云 金冬月

摘要：文章介绍了人工智能神经网络技术及其微波应用课程的内容设置与教学改革方法。该课程通过深入介绍微波电路设计原理以及人工智能技术在其中的应用方法，旨在培养学生在高频电路设计领域的创新能力，掌握科学原理和科学方法，熟练使用微波电路设计EDA工具和人工智能技术，以及解决实际工程问题的能力。为了实现教学目标，课程采用多种教学方法，包括多媒体教学手段、虚拟实验室引入、线上线下相结合的学习模式以及项目实践等，以提高学生对微波电路设计原理的理解，增强他们的实际操作能力，并培养解决实际问题的综合能力。此外，文章还强调了教学方法的评估和调整的重要性，以確保教学方法与学生需求相匹配，不断提升教学质量。

关键词：课程设计；教学改革；人工智能神经网络技术；微波电路设计

中图分类号：G642      文献标识码：A

文章编号：1009-3044（2024）08-0028-04

开放科学（资源服务）标识码（OSID）

随着微波产品市场需求的不断增长，传统的微波电路设计方法面临着一系列挑战[1]，例如设计周期长、复杂性高、成本昂贵等问题。为了应对这些挑战，人工智能技术逐渐成为微波电路设计领域的新宠。人工智能技术，特别是人工神经网络和深度学习技术，以其高效的模型学习能力和强大的数据处理能力，为微波电路设计注入了新的活力。通过利用神经网络对微波电路进行建模和优化，设计人员可以更快速地实现电路设计的仿真与验证，大大缩短产品设计周期，提高设计效率。因此，将人工智能技术与微波电路设计相结合，成为微波电路设计领域迎接未来挑战的必然选择。

电子科学与技术专业作为现代信息社会中不可或缺的学科之一，其培养的人才不仅需要具备扎实的电子学基础理论知识，更需要适应科技创新的能力和跨学科的综合素养。随着科技的飞速发展，电子科学与技术领域对人才的需求也日益呈现多样化、复合型的趋势。在这样的大背景下，人工智能神经网络技术及其微波应用课程旨在为电子科学与技术专业的学生提供一门前沿的、与时俱进的课程，以满足其在人工智能时代的专业需求。通过该课程的学习，学生将深入了解微波电路设计的基本原理，同时掌握人工智能技术在微波电路设计中的应用方法。这不仅为他们提供了在电子工程领域更加广阔的职业发展空间，同时也培养了他们在跨学科背景下解决实际问题的综合素养。本课程的设置不仅仅是对传统微波电路设计课程的一种补充，更是对当前电子科学与技术专业培养模式的创新。在人工智能技术日益融入各个领域的时代，为学生提供能够深入融合电子学和人工智能的课程，具有极其重要的现实意义。

1 课程教学目标

1.1 教学目标概述

人工智能神经网络技术及其微波应用课程的教学目标旨在通过系统而深入的学习，培养电子科学与技术专业学生在高频电路设计领域的创新能力，如图1所示。该课程不仅致力于传授技术理论和实践的结合，而且注重培养学生认识新技术和应用新技术的能力，使其具备解决实际问题的综合素养。

1.2 学科基本能力培养

1.2.1 科学原理和科学方法掌握能力

学生将通过学习本课程，深刻理解微波电路设计的基本原理和相关科学方法。从微波设计EDA技术到人工神经网络和深度学习的应用，学生将培养对科学原理的深刻理解和科学方法的灵活运用能力。

1.2.2 现代工程工具和信息技术工具使用能力

在现代电子工程领域，工程师需要熟练掌握各种工程工具和信息技术。通过课程的学习，学生将不仅了解微波EDA技术的应用，还将掌握人工智能技术在电路设计中的工程实践，提高在工程项目中使用现代工具的能力。

1.2.3 工程问题解决能力

课程旨在培养学生解决实际工程问题的能力。通过深入学习人工神经网络和深度学习技术在微波电路设计中的应用，学生将具备分析、识别并解决工程问题的综合能力。

1.3 子目标分解

1.3.1 掌握人工神经网络和深度学习的基本概念、知识体系结构及应用方法

学生将通过深入研究神经网络结构、深度学习模型以及设计应用方法，全面了解人工神经网络和深度学习的基本概念，建立对其体系结构的深刻认识，并能够设计应用于微波电路设计的方法。

1.3.2 理解人工神经网络的训练机制

学生将深入了解神经网络的训练机制，包括如何生成训练数据和验证数据、如何确定采样方式、采用何种训练误差、如何判断当前神经网络模型的欠学习或过学习状态等方面的知识。同时，学生将掌握基于梯度优化技术和全局优化方法的训练算法[2]。

1.3.3 增强理论结合实际能力

通过学习人工智能技术在微波无源器件和有源器件及电路建模与设计等领域的应用实例，培养学生分析和解决问题以及理论联系实际的能力。

1.3.4 提高学生运用专业英语进行学术交流的能力

课程采用双语教学，旨在提高学生的英语水平，使其具备运用专业英语进行学术交流的能力。学生将在学术领域更自如地表达和交流，增强国际学术交流的能力。

1.4 教学目标的实现途径

为了实现上述目标，教学方法将注重理论与实践相结合、线上与线下相结合。在课堂教学中，将通过讲授、案例分析以及实际应用，使学生深入理解人工神经网络和深度学习技术的应用。通过编程作业和实验报告，学生将有机会将所学理论知识应用于实际问题的解决中，培养实际应用能力[3]。

2 课程内容设计

比照课程的教学目标，课程内容设置为以下几部分，如表1所示。

2.1 引论

在本课程的引论中，学生将深入了解微波器件及电路的基本设计流程，突出微波设计EDA技术在该流程中的关键作用。通过对人工神经网络和深度学习的概述，学生将了解这两者在微波电路设计中的发展历史、基本特点与功能，以及应用。

2.2 人工神经网络的结构

本课程的第二章内容包括脑的生物神经系统概述和多种人工神经网络结构的介绍。通过对脑的生物神经系统的概述，学生将了解到生物神经网络的基础结构和工作原理，为后续学习人工神经网络提供基础。此外，介绍多种人工神经网络结构，包括多层感知机、误差反向传播神经网络、基于知识型神经网络、动态神经网络、空间映射神经网络等[4]。

2.3 人工神经网络的训练

本课程的第三章介绍人工神经网络的训练。首先介绍神经网络训练的前期准备工作，包括训练数据和验证数据的生成。通过实际案例，使学生理解如何有效地构建训练数据集以及验证数据的重要作用。其次，详细介绍人工神经网络的训练算法，包括基于梯度优化技术的算法以及基于全局优化方法的算法等。

2.4 深度学习模型

本课程的第四章重点介绍以卷积神经网络为代表的深度学习模型。学生将深入了解卷积神经网络的起源、主流架构以及在图像处理等领域的广泛应用。此外，本章还会介绍深度学习的其他重要模型，包括受限玻尔兹曼机、循环神经网络、深度强化学习、贝叶斯优化等，介绍这些模型的原理和在实际问题中的应用。

2.5 人工智能技术在微波电路设计中的应用

本课程第五章介绍应用于微波无源电路设计和有源电路设计中的人工智能技术。首先，介绍高速集成电路互连线的神经网络建模与分析、传输线的神经网络建模与优化、微波滤波器的深层神经网络建模与优化等案例，使学生深入了解人工智能技术在无源电路设计中的应用。其次，介绍人工智能技术在有源电路设计中的应用，包括各类晶体管的直流、小信号、大信号的神经网络技术建模实例、多物理效应的神经网络技术建模实例等，从而使学生理解人工智能技术在微波有源电路设计中的价值和作用[5]。

3 教学方法改革

3.1 教学方法改革的具体方式

结合教学内容，人工智能神经网络技术及其微波应用课程采用多媒体教学手段、虚拟实验室引入、线上线下相结合的教学模式以及真实项目实践等方式，对教学方法进行改革，如图2所示。

3.1.1 多媒体教学手段

为了提升学生直观理解能力，并使课程中的抽象概念具体化，引入多媒体教学手段。通过引入图表、演示视频等生动形式，激发学生的感性认知，让他们更快、更深入地理解微波电路设计原理及相关概念。通过可视化手段，将抽象的微波电路设计概念呈现为具体形象，有助于学生在感性认知的基础上建立对课程主题的抽象理解。利用交互式图表，学生能够在学习过程中自主探索相关概念，提高学习的主动性和参与度。通过实时演示视频展示微波电路设计的实际操作过程，为学生提供直观的学习体验，强化他们对课程内容的记忆和理解。例如，在本课程的引论中，引导学生了解人工神经网络和深度学习的发展历史、认识微波器件及电路的基本设计流程、理解微波设计EDA技术的重要性等。采用多媒体教学手段，通过图表、演示视频等方式生动直观地展示微波电路设计的基本概念，让学生在感性认识的基础上建立起对课程主题的抽象理解。通過这些手段，多媒体教学成为连接抽象理论和实际操作的桥梁，为学生提供更为立体、丰富的学习体验。这种方法有助于培养学生更深层次的理解和应用能力，推动他们在微波电路设计领域取得更好的学术成绩。

3.1.2 虚拟实验室的引入

引入虚拟实验室的主要目标是通过计算机模拟实际电路设计和测试过程，增强学生的实际操作能力，使其在实践中更加熟练。通过模拟实验情境，帮助学生深入理解理论概念，加强对课程内容的理论联系实际的认识。利用虚拟实验室，学生可以在计算机上进行电路设计和测试，模拟实际工程中的操作过程，提高其在电路设计方面的技能。例如，本课程的第二章主要介绍神经网络的结构，包括脑的生物神经系统概述、生物神经网络基础、神经元模型等。针对这一章节的内容，引入虚拟实验室，通过计算机模拟生物神经网络的结构，让学生在虚拟环境中亲身感受神经网络的工作原理，加深对神经网络结构的理解。虚拟实验室能够降低实验成本，使更多学生能够参与实际操作，而无须依赖昂贵的实验设备。在虚拟实验室中进行实验，不仅避免了实验中可能出现的危险，还提供了一个安全的学习环境，让学生更自由地探索和学习。

3.1.3 线上线下相结合的学习模式

线上线下相结合的学习模式旨在提高学习的灵活性，让学生更好地根据自身情况选择学习方式，充分利用线上线下的资源。目标是将理论知识在线上进行学习，而将实际操作和案例分析留在线下进行，以更好地结合理论与实践，提升学生的实际操作能力。利用线上平台，学生可以通过在线课程学习相关的理论知识，包括微波电路设计的基础理论和相关技术。在线下，通过实际的实验和案例分析，学生有机会将在线上学到的理论知识应用到实际问题中，提高实际操作和解决问题的能力。例如，课程第三章的重点在神经网络的训练方法上，包括如何生成数据、如何确定采样方式、如何选择训练误差函数等。对于这一内容，采用线上线下结合的学习模式，线上进行理论知识的学习和讨论，线下通过实际案例进行训练，提高学生在神经网络训练方面的实际操作能力。学生可以通过线上学习充分利用数字化资源，包括视频、讨论区等，提高信息获取的效率；通过线下实际操作，更深入地理解和掌握微波电路设计的实际应用，加强实际操作能力。通过线上线下相结合的学习模式，学生既能够通过线上灵活学习获得理论知识，又能够通过线下实际操作和案例分析深化对知识的理解，提高学习的深度和广度。这种模式更好地适应了学生的不同学习需求，促进了综合能力的全面提升。

3.1.4 项目实践的融入

引入项目实践的主要目标是让学生参与真实的微波电路设计项目，通过实践中学习并应用人工智能技术，培养他们解决实际问题的能力。项目实践旨在将课堂理论与实际应用有机结合，使学生在真实项目中应用所学知识，深化对理论的理解。针对特定项目，引入实地考察的方式，带领学生参观相关企业或实验室，了解真实的应用场景，深化对人工智能技术在微波领域的认识。学生在课程中参与真实的微波电路设计项目，从项目的规划、设计到实际执行，全方位地锻炼其团队协作和问题解决的能力。例如，在课程第五章的学习中，针对人工智能技术在微波无源电路设计中的应用，可以通过实地考察企业或实验室，深入了解这些技术在工业实践中的应用；也可以通过项目实践让学生参与设计并优化一个真实的微波电路，解决实际中的设计难题。通过项目实践的融入，学生不仅能够学到理论知识，还能够在实际项目中锻炼实际操作能力，培养团队协作和解决问题的能力。这种实践性的学习方式有助于学生更好地应对未来工作中的挑战，提高其综合素养。

3.2 教学方法的评估与调整

3.2.1 教学效果的评估指标

在教学方法改革的过程中，需要建立科学的评估体系。评估指标包括学生的学习成绩、参与度、实际操作能力的提高等方面。通过定期的测验、实验报告、项目评估等方式，将学生的学习成绩细分为理论知识、实际操作、团队协作等方面，细化教学效果的评估指标，以更全面地了解学生的学习状况。此外，引入学生自评和同侪评价，促使学生更主动地参与和反思学习过程。

3.2.2 教学方法的灵活调整

评估的结果将为教学方法的灵活调整提供依据。根据学生的反馈和实际效果，及时对教学方法进行调整和优化，确保教学方法与课程内容的紧密结合能够更好地服务于学生的学习。具体的教学方法调整内容包括：设立定期的教学反馈会议，以收集学生和教师的意见，从而及时调整教学方法；制定灵活的教学调整计划，确保教学方法的改进是基于科学的依据和全面的评估结果。

3.2.3 不断创新的教学团队

建立一个充满活力和创新精神的教学团队，鼓励教学团队成员参与教育研讨会和培训，保持对新教學理念和技术的敏感性；设立创新奖励机制，以激发教师提出和实践新的教学方法，形成共识，共同推动整个团队的不断创新，共同推动教学质量的提升。

4 结束语

综上所述，通过不断改革教学方法，更好地服务于人工智能神经网络技术及其微波应用课程的教学目标，教学方法与课程内容的紧密结合将更加个性化、灵活，更好地满足学生的需求，培养更具实际应用能力的工程人才。

参考文献：

[1] 洪韬，赵京城，刁为民.微波器件与电路实验课程设计[J].教育教学论坛，2015（14）：242-243.

[2] 杨汶汶，陆清源，秦伟.“做中学”理念在微波技术基础课程教学中的应用探索[J].学园，2017（28）：49-50.

[3] 那伟聪，张万荣，谢红云，等.《微波电路设计的智能学习技术》课程内容设计与教学方法[J].电子世界，2021（21）：73-74.

[4] 杨晓玲.人工智能技术在信号处理课程教学中的应用[J].集成电路应用，2023（10）：46-47.

[5] 姚恒.人工智能背景下多媒体类课程教学模式探索[J].教育教学论坛，2023（29）：133-136.

【通联编辑：谢媛媛】