深层神经网络在高效的表征学习能力的同时，也存在重易陷入过拟合的状态，理 解并掌握抵抗过拟合的各种正则化技术，提高解决实际应用问题的能力。 (三)思考与实践 编程实现至少一个层数为5层的模型，并思考训练深层模型与浅层模型的差异 (四)教学方法与手段 课堂讲授，课后编程 第三章深度卷积网络 (一)目的与要求 1.介绍适合图像处理的卷积神经网络。 2理解卷积的基本概念，掌握卷积神经网络的工作机理，掌握训练深层卷积神经 网络的技巧 3.掌握克服深层神经网络过拟合的若干技巧和方法 (二)教学内容 第一节卷积的数学公式及其含义 1主要内容 卷积的直观含义、卷积的数学公式、卷积的例子 2.基本概念和知识点 卷积、卷积核、卷积神经网络 3.问题与应用（能力要求） 理解卷积的概念，掌握卷积公式，明白卷积背后的特征识别原理，为学习卷积网 络奠定基础。 第二节卷积神经网络的技术细节 1.主要内容 以手写体数字“7”为例介绍卷积网络结构、输入输出数据、网络的训练算法。 2.基本概念和知识点 局部感受、权值共享、池化（平均池化、极大池化）、特征识别的稳健性 3.问题与应用（能力要求）6 深层神经网络在高效的表征学习能力的同时，也存在重易陷入过拟合的状态，理 解并掌握抵抗过拟合的各种正则化技术，提高解决实际应用问题的能力。 (三)思考与实践 编程实现至少一个层数为 5 层的模型，并思考训练深层模型与浅层模型的差异。 (四)教学方法与手段 课堂讲授，课后编程 第三章 深度卷积网络 （一）目的与要求 1.介绍适合图像处理的卷积神经网络。 2.理解卷积的基本概念，掌握卷积神经网络的工作机理，掌握训练深层卷积神经 网络的技巧 3.掌握克服深层神经网络过拟合的若干技巧和方法 （二）教学内容 第一节 卷积的数学公式及其含义 1.主要内容 卷积的直观含义、卷积的数学公式、卷积的例子 2.基本概念和知识点 卷积、卷积核、卷积神经网络 3.问题与应用（能力要求） 理解卷积的概念，掌握卷积公式，明白卷积背后的特征识别原理，为学习卷积网 络奠定基础。 第二节 卷积神经网络的技术细节 1.主要内容 以手写体数字“7”为例介绍卷积网络结构、输入输出数据、网络的训练算法。 2.基本概念和知识点 局部感受、权值共享、池化（平均池化、极大池化）、特征识别的稳健性 3.问题与应用（能力要求）