人工神經(jīng)網(wǎng)絡課程在生物信息學專業(yè)的教學實踐與探討

呂俊杰，陳麗娜，何月涵

（生物信息科學與技術學院，黑龍江 哈爾濱 150081）

【探索與實踐】

人工神經(jīng)網(wǎng)絡課程在生物信息學專業(yè)的教學實踐與探討

呂俊杰，陳麗娜，何月涵

（生物信息科學與技術學院，黑龍江 哈爾濱 150081）

人工神經(jīng)網(wǎng)絡是在神經(jīng)生理學、生物學、數(shù)學、計算機學等學科發(fā)展的基礎上提出的，模擬人類大腦的結(jié)構(gòu)和思維方式處理、記憶信息的一門學科。在處理信息方面，相比于傳統(tǒng)人工智能方法具有非線性適應性，目前，在多個領域得到了成功的應用。本文主要根據(jù)人工神經(jīng)網(wǎng)絡在生物信息學相關專業(yè)的教學實踐，從教學方式、教學方法、學科建設等方面進行探討。

人工神經(jīng)網(wǎng)絡；教學實踐；教學方法；生物信息學

人工神經(jīng)網(wǎng)絡是在神經(jīng)生理學、生物學、數(shù)學、計算機學等學科發(fā)展的基礎上提出的，模擬人類大腦的結(jié)構(gòu)和思維方式處理、記憶信息的一門學科。具體來說，早在20世紀40年代，隨著醫(yī)學、生物學家們對人腦神經(jīng)的結(jié)構(gòu)、組成以及信息處理的工作原理的認識越來越充分，有學者提出以數(shù)學和物理方法對人腦神經(jīng)網(wǎng)絡進行抽象，并建立簡化的模型，用以進行信息處理，這種應用類似于大腦神經(jīng)突觸聯(lián)接的結(jié)構(gòu)進行信息處理的數(shù)學模型，稱之為人工神經(jīng)網(wǎng)絡ANN（Artificial Neural Network）[1]。

在人工神經(jīng)網(wǎng)絡中，各種待處理的對象（數(shù)據(jù)、特征、字符、抽象的模式等等）都可用神經(jīng)元處理單元表示。這些神經(jīng)元主要可以分為輸入神經(jīng)元、隱含神經(jīng)元和輸出神經(jīng)元三大類。其作用各不相同，作為輸入神經(jīng)元的處理單元用來與外界產(chǎn)生連接，接收外界的信號輸入；隱含神經(jīng)元處于中間層，為信息處理的不可見層；輸出神經(jīng)元主要實現(xiàn)結(jié)果的輸出。神經(jīng)元之間相互連接，連接的權重反映了各神經(jīng)元之間的連接強度，神經(jīng)元之間的連接關系中蘊含著信息的表示和處理。人工神經(jīng)網(wǎng)絡主要是在不同程度、不同層次上模擬大腦處理信息的風格，具有非程序化、較強的適應性、自組織性、并行分布式等特點，其實現(xiàn)主要是通過網(wǎng)絡的變換和動力學行為，涉及數(shù)學、生物學、人工智能、計算機科學、非線性動力學等多個學科[1]。作為一門活躍的邊緣性交叉學科，在處理信息方面，相比于傳統(tǒng)人工智能方法具有非線性適應性，成功地應用于神經(jīng)專家系統(tǒng)、模式識別、組合優(yōu)化、預測等多個領域，尤其在生物信息學領域得到了廣泛的應用。生物信息學是20世紀末發(fā)展起來的一極具發(fā)展?jié)摿Φ男滦蛯W科。人類的基因中蘊含著大量有用信息，利用神經(jīng)網(wǎng)絡可以對這些海量的信息進行識別與分類，進而進行相關的生物信息學分析。如利用神經(jīng)網(wǎng)絡分析疾病與基因序列的關系，基于神經(jīng)網(wǎng)絡對蛋白質(zhì)結(jié)構(gòu)的預測，基因表達譜數(shù)據(jù)的分析，蛋白質(zhì)互作位點的預測等等，都取得了很好的效果[2]。

因此，在生物信息相關專業(yè)的本科生中開設人工神經(jīng)網(wǎng)絡課程尤為重要。經(jīng)過多年的研究發(fā)展，已經(jīng)提出上百種的人工神經(jīng)網(wǎng)絡模型，這就需要教師針對不同的專業(yè)背景，不同層次的學生，講授不同模型的核心思想、推導過程、實際應用等等。本文主要根據(jù)人工神經(jīng)網(wǎng)絡在生物信息學相關專業(yè)的教學實踐，從以下幾個方面進行探討。

一、引導式教學，激發(fā)學生的學習積極性

神經(jīng)網(wǎng)絡作為一門偏于理論分析的學科，傳統(tǒng)的教學模式，即首先講解模型的起源，接下來介紹模型的核心思想，然后就是一連串的數(shù)學公式推導，面對滿黑板的公式，學生很難提起興趣去認真學習相應的模型。所以，如何激發(fā)起學生的學習積極性，讓學生重視這門課程，更好地掌握課程內(nèi)容，掌握相關的模型理論基礎、核心思想，更好地服務于本專業(yè)，是人工神經(jīng)網(wǎng)絡教學者亟待解決的問題。

首先，在導課的時候要生動，以引起學生對將要學習的內(nèi)容的好奇心，讓學生有興趣投入到課堂學習內(nèi)容中去。布盧姆說過：“最大的學習動機莫過于學生對所學知識有求知的興趣?！敝挥性谶@種動機下的學習，才會提高自身的主動性與自覺性，達到提高教學質(zhì)量的目的[3]。例如，在講解hopfield神經(jīng)網(wǎng)絡的時候，通過舉例對蘋果、橘子的質(zhì)地、形狀、重量等特征的描述，運用“0，1”進行量化描述，然后應用神經(jīng)網(wǎng)絡就可以進行有效地分類；對于旅行商TSP問題，也可以通過hopfield神經(jīng)網(wǎng)絡尋找到最優(yōu)路徑。那么，這些問題是如何解決的呢？就需要大家來一起揭開hopfield神經(jīng)網(wǎng)絡的神秘面紗。其次，由于神經(jīng)網(wǎng)絡涉及大量的數(shù)學公式與數(shù)學方法，學生往往會有畏懼的心理，這就需要教師幫學生澄清思想誤區(qū)，現(xiàn)在很多用于數(shù)據(jù)分析與計算的軟件，如matlab工具箱、R軟件里面都有很成熟的人工神經(jīng)網(wǎng)絡軟件包，所以，學生只需要理解其工作原理、核心思想，學會使用現(xiàn)成的人工神經(jīng)網(wǎng)絡軟件包處理數(shù)據(jù)，在熟練應用程序包的基礎上，對相應的神經(jīng)網(wǎng)絡模型進行優(yōu)化，改進，并且與其他的人工智能算法相結(jié)合，更好地為本專業(yè)服務。第三，在講授人工神經(jīng)網(wǎng)絡理論內(nèi)容的時候，要摒棄傳統(tǒng)的呆板式的推導過程，以往的神經(jīng)網(wǎng)絡教學方法注重理論分析，通常是一連串的公式推導，公式中又涉及大量的符號，計算起來復雜又煩瑣，學生會覺得索然無趣，厭學情緒嚴重。在教學過程中，教師要精心設計，創(chuàng)設出特定的問題環(huán)境，將所學內(nèi)容與本專業(yè)相結(jié)合起來，多講應用，啟發(fā)和誘導學生選取合適的神經(jīng)網(wǎng)絡模型來解決本專業(yè)的實驗數(shù)據(jù)分析與處理等問題。

二、理論教學與實驗教學相結(jié)合

除了在理論課堂上將基本的理論知識傳輸給學生，教師還應該安排若干實驗教學內(nèi)容，讓學生以實驗為主，將理論課上所學的知識運用到解決實際問題中來，理論聯(lián)系實際，主動操作思考，觀察，分析，討論，以培養(yǎng)學生解決問題的能力。一旦學生自己動手處理一些問題后，很自然地就會對人工神經(jīng)網(wǎng)絡產(chǎn)生一種親切感，并能強烈激發(fā)起學生繼續(xù)探究下去的興趣。對于同一問題，可以讓學生選取不同的網(wǎng)絡模型，設置不同的參數(shù)，甚至可以讓學生自己動手編寫相應的網(wǎng)絡模型程序，并且給予改進，根據(jù)得出的結(jié)果來評價模型在解決實際問題時的好壞，以及模型改進的效果。作為授課教師，需要不斷優(yōu)化實驗教學內(nèi)容，在生物信息學專業(yè)開設人工神經(jīng)網(wǎng)絡課程，實驗教學主要是針對生物信息專業(yè)的海量生物數(shù)據(jù)處理與分析的實際需要，培養(yǎng)學生綜合運用人工神經(jīng)網(wǎng)絡方法和生物信息學知識，進行信息的分析與處理。除了在實驗課堂上給學生最大的自由發(fā)揮空間外，課后作業(yè)也盡量以開放式問題的形式給出，比如，可以讓學生選取相應的網(wǎng)絡模型處理本專業(yè)的一些實際問題，例如，數(shù)據(jù)的分類、聚類等等，其中，數(shù)據(jù)來源可以不同，類型也可自由選取，最后給出相應的模型參數(shù)設置、方法的改進、實驗結(jié)果，也可以安排學生自己查詢文獻進行學習，并安排學生作報告。這樣，學生可以在世界范圍內(nèi)了解神經(jīng)網(wǎng)絡的在本專業(yè)的應用情況，又能提高英語的讀寫能力，還能鍛煉學生做科研報告的能力。

三、加強師資隊伍建設以及其他基本條件的建設

由于生物信息學是一門新興的交叉學科[4]，這就要求人工神經(jīng)網(wǎng)絡的授課教師要熟練掌握生物信息相關專業(yè)的知識，教師的業(yè)務水平必須得到充分保證，才能給學生以全面透徹的指導。學院應該本著自主培養(yǎng)與重點引進的原則，優(yōu)化教師隊伍的專業(yè)結(jié)構(gòu)和學歷結(jié)構(gòu)，提高教師的自身修養(yǎng)。授課教師要將課堂的理論知識聯(lián)系實際生物問題進行講授，讓學生感受到人工神經(jīng)網(wǎng)絡在本專業(yè)的應用，提高學生的學習效率，同時也需要閱讀大量的專業(yè)文獻，提高編程技巧和數(shù)據(jù)庫應用能力，讓自己成為一名合格的復合型教師。同時，人工神經(jīng)網(wǎng)絡課程的實驗，高度依賴于計算機網(wǎng)絡等設備，因此，相關的軟硬件設施的建設也必不可少，由于，基因組測序技術的發(fā)展，目前生物信息學研究所用的數(shù)據(jù)都是海量的，神經(jīng)網(wǎng)絡訓練起來所需時間太長，不能用普通的電腦完成，需要專門的服務器來處理，學校有關部門應在條件允許的情況下，配備機房，購買服務器，以及相關的軟件，為學生創(chuàng)造良好的環(huán)境，讓學生完成課程內(nèi)容。

最后，人工神經(jīng)網(wǎng)絡涉及數(shù)學、計算機、人工智能和神經(jīng)學等專業(yè)知識，因此，需要授課教師加強與其他相關專業(yè)教師的交流與合作，并滲透到授課過程中去，讓學生在學習人工神經(jīng)網(wǎng)絡網(wǎng)絡時能將各專業(yè)聯(lián)系起來，更好地解決生物信息學中的問題，要想成為一名合格的人工神經(jīng)網(wǎng)絡課程教師，首先要成為一名復合型的教師，不僅要具備教學和科研能力，同時也要具備計算機、生物學、信息學等多學科的知識。

[1]朱大奇，史慧.人工神經(jīng)網(wǎng)絡及其應用[M].北京：科學出版社，2006.

[2]朱偉，史定華，王翼飛.人工神經(jīng)網(wǎng)絡在蛋白質(zhì)二級結(jié)構(gòu)預測中的應用[J].自然雜志，2003，（3）：167-171.

[3]趙俊，李曉紅.趣味教學法在預防醫(yī)學教學中的運用[J].現(xiàn)代醫(yī)藥衛(wèi)生，2005，21（15）：2089-2090.

[4]張陽德.生物信息學[M].北京：科學出版社，2004.

G642.0

A

1674-9324（2014）17-0208-03

呂俊杰（1982-），女，黑龍江齊齊哈爾人，博士，哈爾濱醫(yī)科大學，講師，主要從事人工神經(jīng)網(wǎng)絡、生物信息類專業(yè)教育教學與研究工作。