【核心素养目标】第2单元 第1课《神经网络与深度学习》课件+素材-【清华大学版2024】《信息科技》八下

(课件网) 第2单元 第1课 神经网络与深度学习 （清华大学版）八年级 下 1 核心素养目标 3 新知讲解 5 拓展延伸 7 板书设计 2 新知导入 4 课堂练习 6 课堂总结 课后作业 8 01 核心素养目标 信息意识 计算思维 数字化学习与创新 信息社会责任 神经网络和深度学习在提升技术效能的同时，需要树立正确的信息伦理观和社会责任感，确保技术的健康发展。 深度学习课程促进了数字化学习工具和资源的创新，能够运用个性化学习和智能化学习方式改进学习效率和开拓创新思维。 通过学习神经网络与深度学习，能够掌握问题的建模、分解及求解过程，提升抽象和结构化思考问题的能力。 能够培养对信息技术发展的敏感性，意识到技术变革带来的机遇与挑战，理解信息技术在现代社会中的作用。 02 新知导入 本单元你将学习： 什么是神经网络和深度学习 什么是卷积神经网络 怎样训练深度神经网络模型 如何评估与部署模型 02 新知导入 近年来，人工智能技术不断发展，深度学习作为一种基于人工神经网络的机器学习方法，在许多领域取得了突破性的进展，尤其在计算视觉领域，深度学习显示出了显著的优势。 02 新知导入 2014年，人工智能在人脸识别方面的准确率首次超过人眼；2015年，微软亚洲研究院视觉计算组开发的计算机视觉系统，在 ImageNet 大规模视觉识别挑战赛(ImageNet Large ScaleVisual Recognition Challenge，ILSVRC)中首次超越人类进行对象识别分类的能力。之后，人工智能受到前所未有的重视，人工智能产业进入了快速发展阶段。 02 新知导入 你知道机器识别的应用有哪些吗 它给我们的生活学习带来了哪些影响 请将所了解的信息填在下表中。 学习热身 02 新知导入 你知道吗 科学家发现，当图像进入哺乳动物大脑的视觉皮层时，神经元都会将它们拆分成一系列形状组合。这一发现为人工智能研究提供了两个思路：一个是每个神经元只需要对视野的局部进行感知，然后将局部信息综合起来得到全局信息；另一个是用多个不同功能的神经元对图像进行多次检测。 卷积神经网络模仿生物的视知觉机制，利用卷积运算对图像进行特征提取，是深度学习的代表算法之一。 02 新知导入 本课中你将学习： 单层感知机模型包括哪些基本结构 多层感知机的基本原理是什么 全连接神经网络的应用有哪些 深度学习的优势有哪些 深度神经网络的开发框架和工具有哪些 02 新知导入 线性回归模型在预测简单关系(如根据脚长预测身高)时表现良好，但在面对自然界的复杂关系(如看图识物、下围棋、自动驾驶等)时则显得力不从心。科学家为处理复杂的输入、输出关系进行了大量的尝试，设计了多种机器学习的算法，如非线性回归、支持向量机和神经网络等，其中神经网络能够很好地表示复杂的物理变量关系。本节课，我们将从介绍神经网络的起源出发，带领同学们逐步了解深度神经网络模型强大的预测能力。 02 新知导入 03 新知讲解 一、人工神经网络的起源 20 世纪初期，科学家就已经知道人类的大脑有超过 800 亿个神经元，神经元的工作机制是当外部刺激达到一个值时，神经元会向下一个神经元发出信号。当时很难解释，为什么大量功能单一的神经元连在一起就能形成思维和智慧。 03 新知讲解 1943年，美国神经生理学家沃伦·麦卡洛克(WarrenMcCuloch)和数学家沃尔特·皮茨(Walter Pitts)合作，提出了“M-P 模型”，证明了简单的神经元模型可以通过相互连接和组合实现复杂的逻辑功能，并提出了“人工神经网络”这一概念，如图 2.1.1所示。 03 新知讲解 二、人工神经网络的发展 “M-P模型”的提出在当时并没有引起人们的重视，直到 1957年弗兰克·罗森布拉特(Frank Rosenblatt)设计了感知机模型，这才引发了一次人工智能领域的研究热潮 ... ...