《深度学习基础及应用》教案 第4课 构建神经网络（二）.pdf

课题构建神经网络（二）

课时2课时（90min）

知识技能目标：

（1）掌握神经网络的训练流程和常用算法

（2）掌握神经网络的过拟合及其处理方法

教学目标

素质目标：

（1）了解时代新科技，激发学习兴趣和创新思维，增强民族自信心

（2）提高分析问题和解决问题的能力和自信心

教学重点：神经网络的训练流程，神经网络的欠拟合与过拟合

教学重难点

教学难点：神经网络训练的常用算法，神经网络过拟合的处理方法

教学方法案例分析法、问答法、讨论法、讲授法

教学用电脑、投影仪、多媒体课件、教材

教学过程主要教学内容及步骤

【教师】布置课前任务，和学生负责人取得联系，让其提醒同学通过APP或其他学习软件，完成课

课前任务前任务，请大家提前预习本节课要讲的知识

【学生】完成课前任务

【教师】使用APP进行签到

考勤

【学生】班干部报请假人员及原因

【教师】提出以下问题：

问题导入神经网络训练的流程是怎样的？

【学生】思考、举手回答

【教师】通过学生的回答引入要讲的知识，介绍神经网络的训练、神经网络的过拟合及其处理方法

等内容

3.3神经网络的训练

3.3.1神经网络的训练流程

神经网络的训练是指从训练数据中自动获取最优参数的过程。首先，使用训练数据进行学习，寻找

最优的权重和偏置；然后，使用测试数据评价训练得到的模型的实际能力。具体流程如下。

（1）神经网络的初始化。初始化权重w和偏置b。

（2）前向传播。根据给定的输入x、权重w和偏置b，使用前向传播算法计算得到预测值。

（3）计算损失函数。选择合适的损失函数计算预测值与真实值的差距。

传授新知（4）反向传播。通过反向传播算法求出权重和偏置的梯度，将权重和偏置沿梯度方向进行更新。

（5）重复步骤（2）～（4），直到达到迭代次数。

下面介绍前向传播算法、损失函数、反向传播算法及梯度下降算法。

3.3.2前向传播算法

前向传播算法是指神经网络向前计算最后得到预测值的过程。在神经网络中，前向传播是输入层接

收数据，并将数据传递给隐藏层进行处理，数据在隐藏层的每一层依次处理过后，最后传递给输出层进

行最后的处理并输出的过程。

1

✈【教师】通过多媒体展示“神经网络的前向传播”图片（详见教材），并介绍相关知识

图3-10所示的两层神经网络，它是由包含两个结点（x0和x1）的输入层、包含3个结点（z0、z1和z2）

的隐藏层及包含两个结点（y0和y1）的输出层组成。w(1)是输入层到隐藏层的权重，w(2)是隐藏层到

输出层的权重；b(1)和b(2)是隐藏层和输出层的偏置。

神经网络结构前向传播过程计算如下。

（1）计算隐藏层的输入：输入层的取值xi与权重w(1)的点乘加上对应的偏置b(1)，计算公式如下。