2023S04010-深度学习-2023版人才培养方案课程教学大纲.docx

PAGE7

附件5-1

ADDINCNKISM.UserStyle《深度学习》课程教学大纲

（理论课程·2023版）

一、课程基本信息

课程号

2023S04010

开课单位

网络空间安全与计算机学院

课程名称

（中文）深度学习

（英文）DeepLearning

课程性质

必修

考核类型

考试

课程学分

2

课程学时

34

课程类别

专业发展课程（专业核心课）

先修课程

高等数学、线性代数、概率统计、人工智能程序设计、机器学习

适用专业（类）

人工智能

二、课程描述及目标

（一）课程简介

《深度学习》课程是本专业的一门专业核心课程，主要介绍神经网络的基本构成、基本的网络模型、深度学习模型，使学生掌握神经网络与深度学习的基础知识、基本原理和方法，使学生具有分析问题与解决实际问题的基本能力，为人工智能的后续课程奠定必要的基础。本课程的主要内容为神经网络原理，包括类型、特点、学习机制等，前向神经网络、反馈型神经网络等经典神经网络模型，以及卷积神经网络、循环神经网络、注意力机制等深度学习模型，同时包括神经网络与深度学习模型在计算机视觉、自然语言处理等不同领域的应用。

（二）教学目标

通过学习本课程，使学生较全面的了解神经网络的理论，掌握各种神经网络模型、特点和学习机制，理解、掌握并能应用深度学习中的基础概念，以及深度学习中常见模型与算法，能够设计编写计算机程序，并应用神经网络模型解决一些人工智能领域的实际问题。

课程目标1：理解并掌握深度学习的基本概念、特点与学习机制；

课程目标2：掌握经典深度学习模型及其算法；

课程目标3：应用深度学习模型解决人工智能领域的实际问题；

课程目标4：拓展深度学习中常见模型与算法。

三、课程目标对毕业要求的支撑关系

毕业要求指标点

课程目标

权重

1-4能够利用系统思维的能力，将工程知识用于专业工程问题解决方案的比较与综合，并体现人工智能领域先进的技术

课程目标1

0.1

2-1能运用相关科学原理，识别和判断人工智能领域中复杂工程问题的关键环节

课程目标2

0.2

2-3能认识到解决问题有多种方案可选择，会通过文献研究寻求可替代的解决方案

课程目标2

0.1

3-3能够在解决人工智能领域复杂工程问题时，综合运用先进技术进行系统设计，并在设计中体现创新意识

课程目标2

课程目标3

0.2

5-2能够选择与使用恰当的技术、资源、现代工程工具、现代信息技术工具和相关辅助软件对人工智能领域的复杂工程问题进行分析、计算与设计

课程目标2

课程目标3

0.3

12-1能在最广泛的技术变革背景下，认识到自主和终身学习的必要性

课程目标4

0.1

四、教学方式与方法

教学方式：课堂讲授、课堂讨论与练习相结合。

教学方法：探讨式教学、启发式教学、案例教学相结合。

五、教学重点与难点

（一）教学重点

人工神经元、人工神经网络、感知器学习算法、感知器收敛性、损失函数、激活函数、神经网络结构、前馈神经网络结构、反向传播算法、自动计算梯度的方法、卷积神经网络结构与特性、卷积神经网络的反向传播算法、循环神经网络、网络具有短期记忆能力的方法、循环神经网络的通用近似定理、图灵完备、循环神经网络的应用模式和参数学习、循环神经网络的长程依赖问题及其改进方法、深层循环神经网络、递归神经网络和图神经网络、网络优化与正则化、训练神经网络的优化算法、参数学习的初始化方法、数据预处理方法、逐层归一化方法、超参数优化方法、网络正则化方法、自注意力模型及其计算过程、基于神经动力学的联想记忆、无监督特征学习方法、概率密度估计方法、集成学习算法、自训练和协同训练过程、迁移学习、终身学习、元学习、有向图模型及其学习方法、无向图模型及其学习方法、推断算法、基于采样法的近似推断、受限玻尔兹曼机模型、受限玻尔兹曼机和深度信念网络的学习过程、变分自编码器、生成对抗网络及其训练过程、强化学习、基于值函数与策略函数的学习方法、演员-评论员算法、序列概率模型及序列生成方法、N元统计模型、深度序列模型及其评价方法、序列生成模型中的学习问题、序列到序列模型。

（二）教学难点

感知器收敛性、自动计算梯度的方法、卷积神经网络的反向传播算法、循环神经网络的通用近似定理、图灵完备、循环神经网络的应用模式和参数学习、循环神经网络的长程依赖问题及其改进方法、深层循环神经网络、递归神经网络和图神经网络、超参数优化方法、自注意力模型及其计算过程、基于神经动力学的联想记忆、迁移学习、终身学习、元学习、推断算法、受限玻尔兹曼机和深度信念网络的学习过程、变分自编码器、生成对抗网络及其训练过程、强化学习、基于值函数与策略函数的学习方法、序列概率模型及序列生成方法、序列生成模型中的学习问题、序列到序列模型。

六、教学内容、基本要求与学时分配

序号

教学内容

基本要求

学时

教学

方式