(
课件网) 第三单元 第2课 深度学习时代 清华版（中学） 通 1 学习目标 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 教学目标 （1）了解深度学习的历史背景、基本思想和发展历程。 （2）探讨深度学习在推动人工智能技术发展和应用中的关键作用。 02 新知导入 1、历史传承：AI先驱的纪念与反思 2006年，麦卡锡、闵斯基等AI奠基人重返达特茅斯学院，纪念1956年开创性会议，致敬早期探索精神。 02 新知导入 2、技术突破：深度学习的曙光 同期，辛顿在多伦多大学发现增加神经网络层数可提升识别精度，其成果发表于《科学》杂志，奠定深度学习基础。 02 新知导入 3、未来影响：无意引发的革命 辛顿的研究虽始于手写数字识别，却意外开启AI新纪元，预示深度学习将重塑科技发展方向。 02 新知导入 深度学习是人工智能的核心技术之一，通过多层次的神经网络模拟人脑学习机制，实现高效数据处理和复杂模式识别。 03 新知讲解 1 深度学习之前 1、人工智能研究的务实转向 20世纪初十年，AI研究者不再空谈宏大愿景，而是专注细分领域（如机器学习、语音识别），推动技术落地。 03 新知讲解 1 深度学习之前 2、统计机器学习的崛起 概率模型成为主流工具，通过特征提取与相关性建模提升推理精度，但后期遭遇性能瓶颈。 一个用于描述天气的简单概率模型 03 新知讲解 1 深度学习之前 3、互联网时代的数据积累 优酷、维基百科等平台积累的海量用户生成内容（UGC），为AI训练提供了前所未有的知识资源。 03 新知讲解 1 深度学习之前 4、硬件革命的催化作用 CPU算力提升与GPU并行计算能力的突破，为处理大规模数据（如图像、视频）提供了硬件基础。 中央处理器 图形计算单元 03 新知讲解 1 深度学习之前 5、深度学习的前夜 统计方法的局限性与数据、算力的爆发，共同为深度学习革命埋下伏笔。 03 新知讲解 1 深度学习之前 跨学科融合的萌芽 AI开始与神经科学、认知心理学等领域交叉，研究者从人脑学习机制中汲取灵感，为深度学习理论奠定基础。 03 新知讲解 2 模拟人脑的梦想 人脑由近千亿神经元通过复杂连接实现智能，远超当前任何人工网络的复杂度。 03 新知讲解 2 模拟人脑的梦想 如果让机器模拟人类神经元这种互联方式，是不是也可以产生类似人的智能？ 03 新知讲解 2 模拟人脑的梦想 人工神经网络的早期探索 1943年麦卡洛克和皮茨提出人工神经元模型，1958年罗森布拉特开发感知器，开启神经网络研究先河。 03 新知讲解 2 模拟人脑的梦想 神经网络的关键突破 1986年辛顿等人引入反向传播算法，实现多层网络训练，但随后因陷入局部最优问题而遇冷。 03 新知讲解 2 模拟人脑的梦想 神经网络的低谷与边缘化 因支持向量机（SVM）等模型崛起，神经网络被视为非主流工具，研究者陷入困境。 相比之下 “支持向量机” 有什么优势让它取代了神经网络的重要地位呢？ 搜一搜： 03 新知讲解 2 模拟人脑的梦想 03 新知讲解 3 深度学习革命 辛顿的突破 2006年，辛顿提出了一种预训练方法，先训练浅层网络，再一层层叠加起来，最终得到深层网络。通过这种预训练得到的深层网络显示出了理论预期的优势，得到了比浅层网络更好的性能。 03 新知讲解 3 深度学习革命 深度神经网络是包含多个隐藏层的神经网络。 03 新知讲解 3 深度学习革命 反向传播算法是通过计算输出误差并逐层调整神经网络权重的训练方法，是深度学习的基础。 03 新知讲解 3 深度学习革命 深层卷积网络是通过多层卷积核自动提取图像层次化特征的神经网络，是计算机视觉的核心模型。 03 新知讲解 3 深度学习革命 03 新知讲解 3 深度学习革命 技术简化与产业化加速 深度学习通过“数据+目标”端到 ... ...
