MP神经元模型，激活函数，前向计算，反向计算，3层BP网络的任意逼近能 力 3.问题与应用（能力要求） 掌握BP网络的原理和计算过程。掌握通过优化方法编程实现BP算法 第二节从BP网络到深度网络 1.主要内容 BP网络的局限及深度网络优点，表示学习，深度学习中的正则化技术 2基本概念和知识点 无监督学习，梯度消失爆炸，逐层贪心预训练，稀疏自编码，栈式自编码，特 征提取，微调多层自编码，表示稀疏，模型平均，Dropout 3.问题与应用（能力要求） 理解并掌握深度学习中的关键技术，比如特征提取，正则化技术。具备将深度技 术应用于解决高精度的分类识别难题的能力。 第三节深度网络的进一步解释 1主要内容 深层网络的可视化、深层网络的局部整体表征学习能力 2.基本概念和知识点 自动特征提取、局部整体表征学习 3.问题与应用（能力要求） 理解并掌握深度神经网络在局部整体表征学习方面的能力。具备将深度技术应 用于解决高精度的分类识别难题的能力。 第四节克服过拟合：深度网络中的正则化技术 1.主要内容 克服过拟合的三类技术：模型约束、输入约束、模型集成 2.基本概念和知识点 正则化、过拟合 3.问题与应用（能力要求） 5 MP 神经元模型，激活函数，前向计算，反向计算，3 层 BP 网络的任意逼近能 力 3.问题与应用（能力要求） 掌握 BP 网络的原理和计算过程。掌握通过优化方法编程实现 BP 算法。 第二节 从 BP 网络到深度网络 1.主要内容 BP 网络的局限及深度网络优点，表示学习，深度学习中的正则化技术 2.基本概念和知识点 无监督学习，梯度消失/爆炸，逐层贪心预训练，稀疏自编码，栈式自编码，特 征提取，微调多层自编码，表示稀疏，模型平均，Dropout 3.问题与应用（能力要求） 理解并掌握深度学习中的关键技术，比如特征提取，正则化技术。具备将深度技 术应用于解决高精度的分类识别难题的能力。 第三节 深度网络的进一步解释 1.主要内容 深层网络的可视化、深层网络的局部-整体表征学习能力 2.基本概念和知识点 自动特征提取、局部-整体表征学习 3.问题与应用（能力要求） 理解并掌握深度神经网络在局部-整体表征学习方面的能力。具备将深度技术应 用于解决高精度的分类识别难题的能力。 第四节 克服过拟合：深度网络中的正则化技术 1.主要内容 克服过拟合的三类技术：模型约束、输入约束、模型集成 2.基本概念和知识点 正则化、过拟合 3.问题与应用（能力要求）