第十三课：《智能预测出行方式》 教案 九年级信息技术浙教版（2023）.docVIP

九年级信息技术浙教版教学设计

课题

智能预测出行方式

单元

第三单元

学科

信息技术

年级

九年级

学习

目标

理解人工神经网络的基本概念（神经元、层、激活函数）

2、掌握深度学习的基本原理及其在出行预测中的应用

3、学习神经网络实现出行预测的基本步骤（数据收集、预处理、模型训练等）

重点

人工神经网络的结构（输入层、隐藏层、输出层）

2、深度学习在图像识别（如CNN）和出行预测中的实际应用

难点

1、神经网络训练过程中的参数优化（如损失函数、梯度下降）

2、出行数据的特征提取与模型泛化能力

教学过程

教学环节

教师活动

学生活动

设计意图

导入新课

情境引入：播放视频《人工智能预测出行硬件实例》（如行空板结合传感器预测出行方式）

提问讨论：

“智能预测出行需要考虑哪些因素？”（如天气、交通状况、个人偏好）

“传统出行规划与AI预测的差异？”（引出神经网络的优势）

倾听老师引入相关问题

激发学生的学习兴趣，让从问题中进行思考，从而引出本节课的学习内容

讲授新课

1）人工神经网络

类比讲解：对比人体神经元与人工神经元模型，展示神经网络分层结构（输入层→隐藏层→输出层）

案例演示：以“猫图片识别”为例，说明特征提取与多层计算过程

（2）深度学习

定义：超过四层的神经网络称为深度学习，强调隐层的递进处理（如CNN用于图像识别）

应用拓展：讨论深度学习在出行预测中的多因素综合分析能力

（3）出行预测实践

代码演示：展示Python数据预处理片段（如数据集乱序、划分训练集/测试集）

流程图解：结合“数据收集→模型训练→预测输出”步骤说明

了解并学习人工神经网络相关知识的重点难点

通过几个学习活动让学习开始掌握本节课的重点及难点

课堂练习

随堂问答：

“人工神经网络的基本结构是什么？”

“如何用深度学习优化公交到站预测？

通过活动，引导学生更全面的理解相关知识

进一步拓展本节课的学习知识

课堂小结

智能预测出行方式

1.人工神经网络→神经元、分层结构

2.深度学习→CNN/多隐层

3.实践步骤→数据→模型→预测

引导学生总结自己本节课的学习收获

对本节课的学习进行总结