浙教版信息技术高中选修4 人工智能初步2.7 神经网络学习-（表格式）教案.docxVIP

教学设计

课程基本信息

学科

信息技术

年级

高三

学期

秋季

课题

2.7神经网络

教科书

书名：《信息技术选择性必修4人工智能初步》教材

出版社：浙江教育出版社出版日期：2019年12月

教学目标

适应的课程标准:

4.2通过剖析具体案例，了解人工智能核心算法，熟悉智能技术应用的基本过程和实现原理。

教学目标：

1.能够理解“感知机模型”和“神经元”的基本概念、工作原理及其在机器学习领域的应用。

2.能够学会如何搭建神经网络平台，并掌握其基本原理和操作步骤。

3.通过手写识别等实际任务的体验，激发对神经网络和机器学习的兴趣，并培养实践能力和创新精神。

指向核心素养：

1.能够理解“感知机模型”和“神经元”的基本概念与工作原理，培养对机器学习模型的信息意识，并运用计算思维去理解和分析这些模型在信息处理中的作用。

2.学生能够熟练掌握神经网络平台的搭建方法，通过数字化工具进行实践操作，培养数字化学习与创新能力，在搭建过程中不断优化神经网络结构以提高性能。

3.能够认识到信息技术在解决实际问题中的重要作用，并承担起相应的信息社会责任，运用所学知识和技能解决实际问题，培养问题解决能力。

教学内容

教学重点：

1.神经元工作原理

2.感知机原理

教学难点：

1.使用神经网络识别手写数字

教学过程

1.项目成果展示

展示手写数字识别器的成果，引起学生兴趣。

2.项目引入

完成流程图人是如何学会识别数字后，简要介绍人脑神经机制的基本结构和功能，为后续学习做铺垫。

3.感知机模型讲解与体验

讲解感知机模型的工作原理和激活条件。

体验感知机的激活

讲解感知机模型的局限性，引导学生思考如何解决更复杂的问题。

4.全连接神经网络模型介绍

讲解全连接神经网络模型的结构和工作原理。

介绍神经网络中隐藏层、激活函数和损失函数等基本概念。

通过对比感知机模型，强调神经网络在处理复杂问题上的优势。

5.项目实现：手写数字识别

项目实现1：准备训练的数据

导入Keras框架，并使用Keras框架加载MNIST数据集。

引导构建全连接神经网络模型，并设置相关参数。

项目实现2：训练模型

组织编写代码，设置全连接神经网络的结构，训练神经网络模型。

监测训练过程，记录损失率和准确率等关键指标。

项目实现3：应用模型

加载训练好的模型，并使用模型进行手写数字识别。

编写代码，选择预测概率最高的数字并输出。

评估模型性能，讨论模型在实际应用中的优势和局限性。

6.项目反思

讲解提高神经网络准确率的方法，提出设计全连接神经网络的两种设计方式。

7.知识总结与拓展

总结感知机模型和全连接神经网络的模型。

引导学生思考神经网络在其他领域的应用前景。

介绍深度学习领域的必威体育精装版进展和趋势。