共建课程|《深度学习》

作者: 时间:2025-03-11 点击数:

一、课程简介

本课程是专业核心课程。介绍多层神经网络的计算,图像分类识别,卷积运算,卷积神经网络,循环神经网络,迁移学习、生成对抗网络等,以及Tensorflow和PyTorch在机器学习和深度学习中的应用。

二、教学目标

学生通过本课程的学习,将具备以下知识、能力、素质,能够:

  1. 理解多层神经网络、卷积神经网络、循环神经网络的结构

  2. 理解影响神经网络计算收敛的主要因素

  3. 能够使用编码或Tensorflow来构建神经网络模型尤其是分类模型

三、教学内容及安排

序号

学时

教学方法

1

经典神经网络模型

01Cifar10数据集介绍

10

讲解+演示

02KNN分类器

03SVM分类器

04Softmax分类器

05简单神经网络

06模块化神经网络代码实现

07PCA降维

2

深度神经网络

01权重初始化

6

讲解+演示

02梯度更新策略

03用BatchNormalization批量标准化数据

04用Dropout解决过拟合

05完整的深度神经网络

3

卷积神经网络

01图像卷积操作

6

讲解+演示

02定义网络结构

03 CNN的实现

4

Tensorflow

01 Tensorflow入门

6

讲解+演示

02 典型机器学习算法

03 卷积神经网络

04 模型的保存与装载

5

循环神经网络

01 RNN基本计算过程

4

讲解+演示

02 RNN库函数

03 时间序列预测

04 LSTM

05 用RNN进行图像分类识别

课时合计:

32

 

四、考核方式与成绩评定

本课程考核方式包括理论考核(占50%)和实践考核(占50%)两部分:

理论考核采用笔试考试(或在线答题),满分100分,采用选择、填空、判断、问答等题型,从配套题库中抽取。

实践考核采用课程中各项作业的平均成绩,满分100分。评分标准参考各项作业的任务说明。

     五、参考书目

本课程不设置参考书,可参考官方文档。

Copyright © 2017-2020   武汉晴川学院   鄂ICP备10004916号   地址:湖北省武汉市东湖新技术开发区中华科技产业园玉屏大道9号   邮编:430204