《计算机视觉应用开发》项目2认识深度学习.docx

《计算机应用开发》教案

授课题目

认识深度学习

授课类型

新授课

授课时长

3节课

教学内容

教学目标

知识目标

（1）了解生物神经网络及其信号传递的过程。

（2）了解人工神经元及人工神经网络的学习过程。

（3）熟悉卷积神经网络的定义与构成。

（4）熟悉常见的深度学习框架。

能力目标

能够使用神经网络可视化平台搭建简单神经网络来实现分类任务。

情感目标

树立“终身学习”的理念。

教学重点

熟悉卷积神经网络的定义与构成。

使用神经网络可视化平台搭建简单神经网络来实现分类任务

教学难点

熟悉卷积神经网络的定义与构成。

教法学法

讲授法

特色学习资源分析、技术手段应用说明

学习场所：实训室

教学资源：PPT、视频、操作手册、学生任务单

教学设备：电子白板

学情分析

学生学习过生物学的神经网络，对人工神经网络有一点了解，但对卷积神经网络和深度学习框架不了解。

板书设计

（教学结构图）

教学环节

（时间分配）

教学内容及教师活动

学生活动

设计意图及

实施效果

案例

导入

项目

描述

项目

分析

知识

准备

项目

实施

课堂

总结

2006年是人工智能发展史上一个重要的分界点，在这一年深度学习神经网络被提出，这使得人工智能的性能获得了突破性进展，深度学习的发展将人工智能带进全新阶段。依靠算法和强大的算力，深度学习取得了令世人瞩目的成就，可以广泛用于图像识别、文字识别、声音识别及大数据分析等领域，并取得了非常好的效果，引发了广泛的关注和全球人工智能产业风潮。在未来，深度学习还将发挥重要作用。

思考：深度学习的“深”体现在哪里？

神经网络的理论知识相对较难理解，因此本项目基于神经网络可视化平台来搭建简单的神经网络，并通过添加隐藏层来增加神经网络的复杂性，实现简单的和复杂的二分类问深度学习应用与实践题，从而直观地了解神经网络的相关知识。

在本项目中，首先介绍深度学习的相关知识，然后借助人工智能交互式在线学习及教学管理系统，使用其中的神经网络可视化平台，快速搭建简单的神经网络，实现分类识别，具体分析如下。

（1）通过对比生物神经网络和人工神经网络，了解它们的异同之处。

（2）学习卷积神经网络的层次结构和常见的深度学习框架。

（3）借助神经网络可视化平台快速搭建神经网络，实现分类识别。

（4）对比不同神经网络的处理能力，从而深入理解神经网络的工作原理。

知识点1生物神经网络

知识点2人工神经网络

知识点3卷积神经网络

知识点4常见的深度学习框架

本项目将基于人工智能交互式在线学习及教学管理系统介绍神经网络的组成。实训目的：通过实训掌握基于实训平台搭建神经网络，并将其应用到分类问题的场景中。

实训要求：学生以2人或3人为一个小组，在实训过程中充分讨论、学习和验证，最终共同完成实训任务。

目标成果：神经网络分类识别结果图.jpg。

任务1认识神经网络可视化平台

任务2执行简单的分类识别

任务3执行复杂的分类识别

拓展学习：

拓展学习1：在“数据”区域，选择第4个螺旋数据集。这是最复杂的分类数据集，蓝色数据集和橘色数据集以螺旋状的形式展开。请搭建合适的神经网络并进行测试，使得分类器在经过100次以内的迭代后，测试损失值小于0.03。拓展学习2：将“问题类型”设置为“回归”，并选择第1个数据集，搭建合适的神经网络并进行测试，对比“分类”和“回归”两类问题的输出有何不同。

【学生谈收获】

让学生分享在本次课上的所学所得，

【总结】

教师总结本次课内容。

学生聆听并思考

学生明晰任务

学生聆听并思考

学生聆听并思考

学生完成任务

分享自己在本项目中的收获

聆听并思考

激发学生兴趣，联系学生已有的关于人工智能的经验，引入新课。

明确本项目所学内容，树立学习目标

学生明晰本节课的学习流程，紧跟学习内容。

系统讲授机器学习相关知识有利于学生迅速获得大量知识。

学生在平台搭建图像分类的过程中理解图像分类任务和人工神经网络的结构

学生分享收获，反馈本节课教学效果；教师查缺补漏，完善整节课的知识体系。