山东省人工智能通识课程-《智算神经元_解码AI决策——神经元与加权计算》教学设计.docxVIP

教学设计

课程基本信息

课题

微项目2：神经元与加权计算

年级

八年级

单元主题

神经网络与深度学习

教学目标

1.理解人工神经元作为神经网络基本单元的三项核心工作：接收输入、加权计算、激活输出。

2.掌握权重在神经元决策中的意义，能够解释权重代表特征重要性的原理。

3.能够通过模拟工具和简单编程，体验并描述神经元对输入信号进行加权求和并与阈值比较以产生输出的完整过程。

4.引发对人工智能决策机制中“数据驱动”与“人为设定”权重所涉及的公平性、合理性问题的初步思考。

教学内容

教学重点：

1.人工神经元模型的工作原理，包括输入、权重、求和、激活（阈值判断）和输出。

2.权重作为特征重要性系数的实际意义，以及阈值在决策中的作用。

3.使用可视化模拟工具和Python代码实现简单的神经元决策逻辑。

教学难点：

1.理解加权求和的计算过程及其在模拟决策中的抽象意义。

2.区分权重学习（来自数据）与权重设定（来自经验）的不同路径及其背后的伦理考量。

教学过程

一、情境导入：从神经网络到基本单元

同学们，上节课我们认识了神经网络这个强大的“智能工厂”，它能够像多层放大镜一样自动提取特征。大家有没有想过，这个复杂的工厂是由什么最基本的“零件”构成的呢？就像高楼大厦由砖块砌成，人体由细胞组成，神经网络的基础单元是什么呢？带着这个问题，请大家观看视频（播放视频）

大家一起说，神经网络的基础单