深度学习中卷积神经网络的教学探讨（教育技术学资料）.doc

深度学习中卷积神经网络的教学探讨（教育技术学资料） 文档信息 ： 文档作为关于“IT计算机”中“图形图像”的参考范文，为解决如何写好实用应用文、正确编写文案格式、内容素材摘取等相关工作提供支持。正文5945字，doc格式，可编辑。质优实惠，欢迎下载！ 目录 TOC \o 1-9 \h \z \u 目录 1 正文 1 文1：深度学习中卷积神经网络的教学探讨 1 1 背景 2 2 卷积神经网络背景 2 3 教学内容编排 4 4 教学内容之外的考虑 5 5 结语 6 文2：引导学生深度学习 6 结束语 9 参考文摘引言： 9 原创性声明（模板） 10 文章致谢（模板） 10 正文 深度学习中卷积神经网络的教学探讨（教育技术学资料） 文1：深度学习中卷积神经网络的教学探讨 第一作者简介：李睿凡，男，讲师，研究方向为多模态智能信息处理与深度学习，rfli@bupt．edu．cn。 1 背景 当前，智能科学与技术在国家经济与社会需求中的作用愈发重要。2015年3月2日，百度公司首席执行官李彦宏在两会提案中建议设立“中国大脑”计划；智能家居、智慧城市等早已经渗入普通大众的生活中。从大学教育的角度，智能科学与技术专业是培养“智能”人才的重要基地，智能专业一级学科的设置也迫在眉睫。传统的人工智能专业课程主要包括人工智能导论、模式分析、机器学习、数据挖掘等，其中通常涉及前向神经网络的教学内容。但近些年，深度神经网络的发展使我们从事智能科学与技术一线教学和科研工作的教师面临新的机遇与挑战。特别值得注意的是，深度学习中的卷积神经网络的发展是深度学习中的一个亮点。卷积神经网络在图像识别和语音语言处理等人工智能的众多领域都取得了突破。 2013年，我们提出将深度学习引入智能科学与技术类专业课教学的建议，包括其必要性和可行性以及初步的实施建议。2014年，我们又探讨在本科生和研究生课程中开展深度学习的教学实施方案‘卅。在科研与教学的实践中，我们体会到卷积神经网络是深度学习中非常重要的内容，非常有必要将精彩的卷积神经网络基本内容带入课堂。 2 卷积神经网络背景 2006年之前，人工神经网络的发展大致可以分为两个时期。1943年，McCulloch和Pitts提出了最早的人工神经元，这种神经元具有学习的能力，这是人工神经网络的开端，这一时期沿着单个神经元研究其学习算法。1969年，Miky和Papert分析了感知器神经网络模型的局限性，这使人工神经网络的研究很快暗淡下来。80年代中期，诺贝尔奖得主John Hopfield提出了Hopfield神经网络模型，这种Recurrent神经网络具有的动态性有可能用于解决复杂的问题。同一时期，多层前向神经网络的反向传播算法(Back-propagation)也被重新发现。这两个工作使人工神经网络得到重生。这时，人工神经网络已经成为人工智能的一个重要组成部分，但随后的研究由于更多层神经网络学习的失效而再次陷入低潮。文献[5]对神经网络的研究给出了全面的总结。 2006年，神经网络领域的大师Geoffrey Hinton教授与其博士生Salakhutdinov博士发表了题为Reducing the Dimeionality of Data with Neural Networks的论文。该文提出一种学习多层神经网络的方法，并将这种具有多层结构学习的方法命名为深度学习(Deep Learning)。以深层神经网络为代表的深度学习登上学术与工业的舞台，其中一个重要因素是Hinton教授提出的逐层预训练神经网络方法治愈了训练多层神经网络的一个致命伤。 2012年，Hinton教授的研究团队参加了斯坦福大学Fei-Fei Li教授等组织的ImageNet ILSVRC大规模图像识别评测任务。该任务包括120万张高分辨率图片，共包含1000个类比。Hinton教授团队使用了多层卷积神经网络结构，取得了突破性进展，将识别错误率从%降低到%。这一比赛结果破除了计算机视觉领域的大师、美国加州大学伯克利分校的Jitendra Malik教授对深度学习大规模实际应用的质疑。同时，它也加速了神经网络深度学习从学术研究跃人工业应用，为神经网络打开了更为广阔的前景。 在最近5年的多个国际顶尖学术会议( AAAI，ICML、NIPS，CVPR，MM)都有涉及深度学习的主题会议或研讨会。工业界也发生了一系列事件。2014年5月，斯坦福大学的Andrew Ng加盟公司并领导深度学习的研究与应用。2014年8月，卷积神经网络的主要发明者Yann LeCun教授加盟Facebook公司。2015年3月16日，马云在德国CeBIT博览会上为嘉宾从淘宝网购买1948年汉诺威纪念邮票，演示