深度学习中卷积神经网络的教学探讨
李睿凡;陈佳洁;周延泉;王小捷;钟义信; 1:北京邮电大学计算机学院 2:河北省霸州市第四小学 摘要(Abstract)：

深度学习是智能科学与技术领域的最新突破性进展,卷积神经网络是其中一个代表性工作。文章探讨如何开展卷积神经网络的教学工作,包括教学内容的安排和教学内容之外的考虑两个方面,旨在将智能科学与技术的这一最新成果介绍给学生,使他们能较早接触学科前沿,提升学习兴趣,激发创新动力。同时,也为广大教师提供一些教学的思路和方法。

关键词(KeyWords)： 智能科学与技术;;深度学习;;卷积神经网络;;教学建议

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 李睿凡;陈佳洁;周延泉;王小捷;钟义信;

Email:


参考文献(References)： [1]钟义信.传播创新成果,服务社会需求:论核心课程的设计[J].计算机教育,2014(19):22-25.[2]钟义信.高等人工智能:人工智能理论的新阶段[J].计算机教育,2012(9):6-11.[3]李睿凡,王小捷,钟义信.引入深度学习的人工智能类课程[J].计算机教育,2013(19):61-64.[4]李睿凡,王小捷,钟义信.探索神经网络深度学习的教学[J].计算机教育,2014(19):77-79.[5]Haykin S.Neural networks and learning machines[M].New York:Prentice Hall,2008.[6]Hinton G,Salakhutdinov R.Reducing the dimensionality of data with neural networks[J].Science,2006,5786(313):504-507.[7]Krizhevsky A,Sutskever I,Hinton G.Image Net classification with deep convolutional neural networks[C].Lake Tahoe:Neural Information Processing Systems(NIPS)Foundation,2012:1106-1114.[8]Bengio Y.Learning deep architectures for AI[J].Foundations and Trends in Machine Learning,2009,2(1):1-127.[9]Arel I,Rose D C,Karnowski T P.Deep machine Learning:a new frontier in artifi cial intelligence research[J].IEEE Computational Intelligence Magazine,2010,5(4):13-18.[10]Dahl G E,Sainath T N,Hinton G E.Improving deep neural networks for LVCSR using rectifi ed linear units and dropout[C]//2013IEEE International conference on acoustic speech and signal processing.Florence:IEEE Signal Processing Society,2014.


摘要:
扩展功能
本文信息
PDF全文请访问中国知网下载(65K)