《深度学习课程设计》教学大纲 课程名称（汉）：《深度学习课程设计》 课程名称（英）：Design of Neural Network and Deep Learning 课程代码：264102091 课程类型：实践教学平台专业实践课程模块 适用对象：人工智能专业本科大三 学时/学分：24学时1学分 先修课程：《神经网络与深度学习》 方案版本：2021版 一、课程简介 《神经网络与深度学习课程设计》是人工智能专业一门以实践为主的必修课 程，是核心专业课《神经网络与深度学习》的后续课程。主要教学内容是巩固理 论知识，熟悉各平台神经网络工具箱的使用，加深理论知识在实际应用中的运用， 包括实际应用中数据的输入和转换、数据的规范化处理、神经网络模型的选择、 训练的样本数和迭代次数、误差目标确定等，培养学生掌握科学方法，提高动手 能力，具备根据实际问题科学设计神经网络系统的基本能力。 二、课程的教学目标 课程目标1：使学生加深对神经网络基础知识的理解和掌握，夯实基本的编程技 能和调试技巧。 课程目标2：使学生能按预定题目选择科学的神经网络模型，科学确定数据的输 入和转换、数据的规范化处理、确定训练的样本数和迭代次数、误差目标等要素。 课程目标3：熟练使用流行编程工具进行小型神经网络系统开发，具有基本的神 经网络编程能力。 课程目标4：培养学生基本的编码规范及软件工程师基本职业素养，具备良好的 沟通能力和团队合作意识。 三、课程目标对人工智能专业毕业要求的支撑关系 支撑 毕业要求 毕业要求指标点 课程目标 权重 设计/开发解决方案 1,2,3,4 0.04 使用现代化工具 3 0.04 四、教学内容及其基本要求
《深度学习课程设计》教学大纲 课程名称（汉）：《深度学习课程设计》 课程名称（英）：Design of Neural Network and Deep Learning 课程代码：264102091 课程类型：实践教学平台专业实践课程模块 适用对象：人工智能专业本科大三 学时/学分：24 学时/1 学分 先修课程：《神经网络与深度学习》 方案版本：2021 版 一、课程简介 《神经网络与深度学习课程设计》是人工智能专业一门以实践为主的必修课 程，是核心专业课《神经网络与深度学习》的后续课程。主要教学内容是巩固理 论知识，熟悉各平台神经网络工具箱的使用，加深理论知识在实际应用中的运用， 包括实际应用中数据的输入和转换、数据的规范化处理、神经网络模型的选择、 训练的样本数和迭代次数、误差目标确定等，培养学生掌握科学方法，提高动手 能力，具备根据实际问题科学设计神经网络系统的基本能力。 二、课程的教学目标 课程目标 1：使学生加深对神经网络基础知识的理解和掌握，夯实基本的编程技 能和调试技巧。 课程目标 2：使学生能按预定题目选择科学的神经网络模型，科学确定数据的输 入和转换、数据的规范化处理、确定训练的样本数和迭代次数、误差目标等要素。 课程目标 3：熟练使用流行编程工具进行小型神经网络系统开发，具有基本的神 经网络编程能力。 课程目标 4：培养学生基本的编码规范及软件工程师基本职业素养，具备良好的 沟通能力和团队合作意识。 三、课程目标对人工智能专业毕业要求的支撑关系 毕业要求 毕业要求指标点 课程目标 支撑 权重 设计/开发解决方案 1,2,3,4 0.04 使用现代化工具 3 0.04 四、教学内容及其基本要求
对应课程 序号 教学内容 教学要求（包括重点难点、教学方法、学生掌握的程度等 目标 一、教学要求 1、给定试卷，建立一个二维数组，提取出图像像 素灰度值作为矩阵行向量、列向量标准差的标准差 作为区分空白题和非空白题的特征参数： 2、选取神经网络模型，设定隐藏层神经元数量， 对其进行训练优化，识别出空白题 神经网络在CET主 二、教学重点和难点 观题阅卷中空白题 教学重点：动态前馈神经网络模型的选择，神经网1,2,3,4 识别 络训练函数、学习函数以及隐藏层和输出层的传递 函数的选取： 教学难点： 如何通过调整神经网络隐藏层神经元数目来优化 神经网络，使得网络能够以较少的运算消耗获得较 好的识别效果。 三、教学方法 教学方法：采用讲解、编程实践和答疑相结合。 一、教学要求 1、建立识别英文字母的BP神经网络模型，调整学 习速度，迭代次数，误差大小，实现对BP网络的 性能优化 2、系统应实现的主要功能 对输入的英文字母（每个字母由30个元素的向 基于BP神经网络的 量表示)进行识别。 1,2,3,4 英文字母识别 二、教学重点和难点 教学重点：BP神经网络结构、学习算法，优化方 法。 教学难点：如何选定学习速度、误差标准和迭代次 数，使得识别效果和识别效率达到最佳平衡。 三、教学方法 教学方法：采用讲解、编程实践和答疑相结合。 一、教学要求 构建基于神经网络 1、 构建基于神经网络的学生成绩评价系统。 2、系统应实现的主要功能 3 的学生成绩评价系 1,2,3,4 通过给定的学生成绩及等级数据对神经网络进 统 行训练，使得神经网络能根据学生的成绩对学 生的等级作出判断
序号 教学内容 教学要求（包括重点难点、教学方法、学生掌握的程度等） 对应课程 目标 1 神经网络在 CET 主 观题阅卷中空白题 识别 一、教学要求 1、给定试卷，建立一个二维数组，提取出图像像 素灰度值作为矩阵行向量、列向量标准差的标准差 作为区分空白题和非空白题的特征参数； 2、选取神经网络模型，设定隐藏层神经元数量， 对其进行训练优化，识别出空白题 二、教学重点和难点 教学重点：动态前馈神经网络模型的选择，神经网 络训练函数、学习函数以及隐藏层和输出层的传递 函数的选取； 教学难点： 如何通过调整神经网络隐藏层神经元数目来优化 神经网络，使得网络能够以较少的运算消耗获得较 好的识别效果。 三、教学方法 教学方法：采用讲解、编程实践和答疑相结合。 1，2，3，4 2 基于BP神经网络的 英文字母识别 一、教学要求 1、建立识别英文字母的 BP 神经网络模型，调整学 习速度，迭代次数，误差大小，实现对 BP 网络的 性能优化 2、系统应实现的主要功能 对输入的英文字母（每个字母由 30 个元素的向 量表示）进行识别。 二、教学重点和难点 教学重点：BP 神经网络结构、学习算法，优化方 法。 教学难点：如何选定学习速度、误差标准和迭代次 数，使得识别效果和识别效率达到最佳平衡。 三、教学方法 教学方法：采用讲解、编程实践和答疑相结合。 1，2，3，4 3 构建基于神经网络 的学生成绩评价系 统 一、教学要求 1、构建基于神经网络的学生成绩评价系统。 2、系统应实现的主要功能 通过给定的学生成绩及等级数据对神经网络进 行训练，使得神经网络能根据学生的成绩对学 生的等级作出判断。 1，2，3，4
对应课程 序号 教学内容 教学要求（包括重点难点、教学方法、学生掌握的程度等） 目标 二、教学重点和难点 教学重点：熟悉神经网络工具箱：数据的输入和转 换、数据的规范化处理、神经网络分类器建立、前 馈反向传播网络建立，对神经网络的训练，分类器 检验及表现分析 教学难点： 包括一个隐层共30个神经元，一个输出层共4 个神经元的前馈反向传播神经网络创建和训练 三、教学方法 教学方法：采用讲解、编程实践和答疑相结合。 一、教学要求 1、构建基于神经网络的车牌识别系统。 2、系统应实现的主要功能 通过给定的学成绩及等级数据对神经网络进行 训练，使得神经网络能根据学生的成绩对学生 的等级作出判断。 二、教学重点和难点 基于神经网络的车 教学重点：熟悉神经网络工具箱：数据的输入和转 4 1,2,3,4 牌识别 换、数据的规范化处理、神经网络分类器建立、前 馈反向传播网络建立，对神经网络的训练，分类器 检验及表现分析 教学难点： 包括一个隐层共30个神经元，一个输出层共4 个神经元的前馈反向传播神经网络创建和训练 三、教学方法 教学方法：采用讲解、编程实践和答疑相结合。 一、教学要求 1、构建基于神经网络的课堂教学质量评价系统。 2、系统应实现的主要功能 对给定的教师课程教学质量评价数据（包括督 基于神经网络的课 导专家评教数据、同行教师评教数据和学生评 堂教学质量评价模 教数据)进行归一化处理，设定权重。通过输 1,2,3,4 型设计 入训练的样本集对神经网络进行训练，使得神 经网络能较为准确地对教师课堂教学质量进行 评价。 二、教学重点和难点 教学重点：熟悉神经网络工具箱：数据的输入和转
序号 教学内容 教学要求（包括重点难点、教学方法、学生掌握的程度等） 对应课程 目标 二、教学重点和难点 教学重点：熟悉神经网络工具箱；数据的输入和转 换、数据的规范化处理、神经网络分类器建立、前 馈反向传播网络建立，对神经网络的训练，分类器 检验及表现分析 教学难点： 包括一个隐层共 30 个神经元，一个输出层共 4 个神经元的前馈反向传播神经网络创建和训练 三、教学方法 教学方法：采用讲解、编程实践和答疑相结合。 4 基于神经网络的车 牌识别 一、教学要求 1、构建基于神经网络的车牌识别系统。 2、系统应实现的主要功能 通过给定的学成绩及等级数据对神经网络进行 训练，使得神经网络能根据学生的成绩对学生 的等级作出判断。 二、教学重点和难点 教学重点：熟悉神经网络工具箱；数据的输入和转 换、数据的规范化处理、神经网络分类器建立、前 馈反向传播网络建立，对神经网络的训练，分类器 检验及表现分析 教学难点： 包括一个隐层共 30 个神经元，一个输出层共 4 个神经元的前馈反向传播神经网络创建和训练 三、教学方法 教学方法：采用讲解、编程实践和答疑相结合。 1，2，3，4 5 基于神经网络的课 堂教学质量评价模 型设计 一、教学要求 1、构建基于神经网络的课堂教学质量评价系统。 2、系统应实现的主要功能 对给定的教师课程教学质量评价数据（包括督 导专家评教数据、同行教师评教数据和学生评 教数据）进行归一化处理，设定权重。通过输 入训练的样本集对神经网络进行训练，使得神 经网络能较为准确地对教师课堂教学质量进行 评价。 二、教学重点和难点 教学重点：熟悉神经网络工具箱；数据的输入和转 1，2，3，4
对应课程 序号 教学内容 教学要求（包括重点难点、教学方法、学生掌握的程度等， 目标 换、数据的规范化处理、神经网络分类器建立、前 馈反向传播网络建立，对神经网络的训练，分类器 检验及表现分析 教学难点： 如何确定训练样本集的数量、网络权值和阈值数 量、误差目标的确定，隐藏层神经元数量的确定 三、教学方法 教学方法：采用讲解、编程实践和答疑相结合。 五、课程设计的进度安排 序号 内容 时间 1 配置开发环境和选题、分工 第1-2天 2 项目设计、编码、测试 第3-7天 3 撰写课程设计报告 第8-9天 4 验收作品，并提交书面和电子版设计报告 第10天 六、成绩考核及其基本要求 考核 建议 对应课程 考核/评价细则 环节 分值 目标 课程设 主要指在课程设计阶段课堂表现和出勤情况。在本考核环节 计平时 10 中，课堂表现和出勤各占50%。 4 表现 个人承 工作量得分取决于学生在组内承担的任务以及所选题目的难 担的工 20 易程度。 1,2 作量 (1)很好的完成了所承担的设计任务，设计有新意，程序调 试顺利，结果正确，回答提问准确，90~100分。 (2)较好地完成了所承担的设计任务，设计完全，程序调试 设计题 较顺利，结果正确，回答问题准确，80~89分。 目完成 40 1,2,3,4 (3)能够完成所承担的设计任务，经提示程序调试通过，结 情况 果正确，回答问题基本准确，70~.79分。 (4)设计没有严重错误，经老师指导调试成功，结果正确， 能够回答基本问题，60~69分
序号 教学内容 教学要求（包括重点难点、教学方法、学生掌握的程度等） 对应课程 目标 换、数据的规范化处理、神经网络分类器建立、前 馈反向传播网络建立，对神经网络的训练，分类器 检验及表现分析 教学难点： 如何确定训练样本集的数量、网络权值和阈值数 量、误差目标的确定，隐藏层神经元数量的确定 三、教学方法 教学方法：采用讲解、编程实践和答疑相结合。 五、课程设计的进度安排 序号 内容 时间 1 配置开发环境和选题、分工 第 1-2 天 2 项目设计、编码、测试 第 3-7 天 3 撰写课程设计报告 第 8-9 天 4 验收作品，并提交书面和电子版设计报告 第 10 天 六、成绩考核及其基本要求 考核 环节 建议 分值 考核/评价细则 对应课程 目标 课程设 计平时 表现 10 主要指在课程设计阶段课堂表现和出勤情况。在本考核环节 中，课堂表现和出勤各占 50%。 4 个人承 担的工 作量 20 工作量得分取决于学生在组内承担的任务以及所选题目的难 易程度。 1,2 设计题 目完成 情况 40 （1）很好的完成了所承担的设计任务，设计有新意，程序调 试顺利，结果正确，回答提问准确，90～100 分。 （2）较好地完成了所承担的设计任务，设计完全，程序调试 较顺利，结果正确，回答问题准确，80～89 分。 （3）能够完成所承担的设计任务，经提示程序调试通过，结 果正确，回答问题基本准确，70～-79 分。 （4）设计没有严重错误，经老师指导调试成功，结果正确， 能够回答基本问题，60～69 分。 1,2,3,4
考核 建议 对应课程 考核/评价细则 环节 分值 目标 (5)不能独立完成设计任务，不及格处理。 设计报 设计报告成绩计算方法如下：格式是否规范(30%)、内 告及其 容是否正确(30%)、报告是否完整(40%)来决定。 他文档 30 2-3 完成情 况 七、主要教学参考资源 参考书目： 1.《人工神经网络理论及应用》韩力群著，机械工业出版社，2017.07 2.《MATLAB神经网络43个案例》王小川，史峰，郁磊等编著，北京航空航天大 学出版社，2019.03 3.《Python神经网络入门与实战》王凯编著，北京大学出版社，2020.10 4.《Python神经网络编程》塔里克拉希德著，林赐译，人民邮电出版社，2018.04 5.《MATLAB神经网络原理与实例讲解》，陈明等编著编，清华大学出版社，2013.03 教学参考资源： https:/ww.bilibili.com/ideo/av37o975942/(《Python神经网络编程》图书解读 视频课程) https:/.youku.com/N_show/id_XNTE4MDg5 NTMyNA==.html(MATLAB函数与神经 网络工具箱) 编写者：徐宇茹 审核者：迟殿委 批准者：邓建球 编写时间： 2021年6月
考核 环节 建议 分值 考核/评价细则 对应课程 目标 （5）不能独立完成设计任务，不及格处理。 设计报 告及其 他文档 完成情 况 30 设计报告成绩计算方法如下： 格式是否规范 （30%） 、 内 容是否正确 （30%） 、报告是否完整（40%）来决定。 2～3 七、主要教学参考资源 参考书目： 1. 《人工神经网络理论及应用》韩力群著，机械工业出版社，2017 .07 2.《MATLAB神经网络43个案例》王小川，史峰，郁磊等编著，北京航空航天大 学出版社，2019.03 3.《Python 神经网络入门与实战》王凯编著，北京大学出版社，2020.10 4. 《Python 神经网络编程》塔里克·拉希德著，林赐译，人民邮电出版社，2018.04 5. 《MATLAB 神经网络原理与实例讲解》，陈明等编著编，清华大学出版社，2013.03 教学参考资源： https://www.bilibili.com/video/av370975942/（《Python 神经网络编程》图书解读 视频课程） https://v.youku.com/v_show/id_XNTE4MDg5NTMyNA==.html（MATLAB 函数与神经 网络工具箱） 编写者：徐宇茹 审核者：迟殿委 批准者：邓建球 编写时间： 2021 年 6 月