原创力文档- 1、本文档共10页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
《人工智能与无损检测》教学大纲
课程名称：人工智能与无损检测 课程编号：F047091682
英文名称：ArtificialIntelligenceandNon-destructiveTesting
学分：2学分 学时：32学时
开课学期：第5学期
适用专业：光电信息科学与工程
课程类别：理论课
课程性质：专业方向与拓展课
先修课程：高等数学、计算机基础（1）
一、课程的性质及任务
《人工智能与无损检测》课程是光电信息科学与工程专业学生的专业方向与拓展课，是培养光电技术人才整体知识结构的重要组成部分。
通过本课程的学习，使学生能够了解人工智能的基本原理，数据预处理、线性神经网络、多层感知机、卷积神经网络等知识，并应用到无损检测的实践当中。能够提升学生对非接触复杂工程问题建立合适的模型并求解的能力，能够应用计算机的方法正确解决图像类复杂工程问题。
依据河北工程大学光电信息科学与工程专业培养计划，本课程需要培养学生的能力是：
1、具备采用现代信息技术领域的新理论、新技术、新方法设计/开发复杂光电信息科学与工程问题的能力。
2、掌握计算机、网络技术、通信技术、信息检索等与光电信息科学与工程相关的信息技术工具和有效资源，具备综合运用上述工具及资源进行系统研究、设计与开发的能力。
二、课程目标与要求
2.1课程目标
了解熟悉人工智能发展历史和发展脉络。
了解并掌握人工智能的预备知识。
了解神经网络训练的基础知识。熟悉神经网络的整个训练过程，包括定义简单的神经网络架构、数据处理、指定损失函数和如何训练模型。特别是熟悉并掌握线性神经网络。
了解多层感知机实现的方法，并能解决常见的问题，比如权重衰减、过拟合和欠拟合等。掌握向前传播、反向传播和计算图等概念和原理。
了解并掌握深度学习计算的关键组件，即模型构建、参数访问与初始化、设计自定义层和块、将模型读写到磁盘，以及利用GPU实现显著的加速。
了解所有卷积网络主干的基本元素。这包括卷积层本身、填充（padding）和步幅（stride）的基本细节、用于在相邻区域汇聚信息的汇聚层（pooling）、在每一层中多通道（channel）的使用，以及有关现代卷积网络架构的仔细讨论。
了解常用网络的架构和原理。
了解并掌握表面缺陷的概念，使用深度学习算法检测表面缺陷的优势和面临的常见问题等。
人工智能与无损检测课程教学大纲
数理科学与工程学院本科课程教学大纲
PAGE16
PAGE
PAGE408
2.2课程目标与毕业要求对应关系
课程目标
毕业要求二级指标
毕业要求
1
2
3
4
5
6
7
8
●
●
●
●
●
●
●
具备采用现代信息技术领域的新理论、新技术、新方法设计/开发复杂光电信息科学与工程问题的能力。
●
掌握计算机、网络技术、通信技术、信息检索等与光电信息科学与工程相关的信息技术工具和有效资源，具备综合运用上述工具及资源进行系统研究、设计与开发的能力。
2.3课程目标与培养环节对应矩阵
序号
课程目标
理论教学
课内实验
课后作业
1
了解熟悉人工智能发展历史和发展脉络。
H
L
2
了解并掌握人工智能的预备知识。
H
L
3
了解神经网络训练的基础知识。熟悉神经网络的整个训练过程，包括定义简单的神经网络架构、数据处理、指定损失函数和如何训练模型。特别是熟悉并掌握线性神经网络。
H
L
4
了解多层感知机实现的方法，并能解决常见的问题，比如权重衰减、过拟合和欠拟合等。掌握向前传播、反向传播和计算图等概念和原理。
H
L
5
了解并掌握深度学习计算的关键组件，即模型构建、参数访问与初始化、设计自定义层和块、将模型读写到磁盘，以及利用GPU实现显著的加速。
H
6
了解所有卷积网络主干的基本元素。这包括卷积层本身、填充（padding）和步幅（stride）的基本细节、用于在相邻区域汇聚信息的汇聚层（pooling）、在每一层中多通道（channel）的使用，以及有关现代卷积网络架构的仔细讨论。
H
M
7
了解常用网络的架构和原理。
H
M
8
了解并掌握表面缺陷的概念，使用深度学习算法检测表面缺陷的优势和面临的常见问题等。
H
L
注：H表示该能力的在此环节重点培养；M表示该能力在此环节有应用要求；L表示该能力在此环节有所涉及。
2.4目标达成度的评价
课程目标1、2、3、4主要通过理论教学环节进行培养，在课后作业中有所涉及。主要通过课堂测试、课后作业和期末考试中概念性、原理性题目进行考核。目标达成综合以上内容进行评价。
课程目标5、6、7、8主要通过理论教学环节、课后作业进行培养。主要通过课堂测试，课后作业和期末考查中，进行考核，目标达成以上内容进行评价。
三、教学方法及手段
理论教学以课堂讲授为主，面向基础知识的准确、
文档评论（0）