机器学习原理与应用电子教案 [5.10.1]深度学习[理论].docxVIP

备课日期：年月日

授课时间

课时（理论+实验）

周次

星期:节次:

授课课题

深度学习[理论]

教学目标

1.理解深度学习的基本原理。

2.掌握常用模型的构建方法。

教学重点

1.深度学习模型构建与训练方法；2.常用深度学习模型。

教学准备

PPT、点名册等。

教学方法

指导阅读、案例法。

教学过程设计

备注

课题引入

【思考】传统神经网络特点？

【关键】经验风险最小化；可表达任意函数但不易求解可靠的参数（实际中易产生过拟合）。

【时间】分钟。

教学步骤及主要内容

【主板书】§14.深度学习[理论]

一、基本原理

【主板书】基本原理

1.特征学习：通过组合低层特征而形成更加抽象的高层特征以解决分类问题。

【强化与拓展】模仿人脑认识与分析问题的机理解释数据（例如图像、声音和文本）。其优势是采用非监督式或半监督式的特征学习和分层特征提取算法解决手工获取特征中的精度低、可靠性差等问题。

〖PPT〗传统解决识别问题的流程与存在问题。

【强化与拓展】提高分类精度的关键之一在于提取可以反映问题本质的有效特征。人工选取特征不但费时费力，而且需要启发式的专业知识。

2.人脑视觉机理。

【强化与拓展】生物视觉系统的分级信息处理：高层的特征是低层特征的组合，从低层到高层的特征表示越来越抽象，越来越能表现语义或者意图。

抽象层面越高，存在的可能猜测就