本文關(guān)鍵詞：引入深度學習的人工智能類課程，由筆耕文化傳播整理發(fā)布。

引入深度學習的人工智能類課程

摘要：深度學習是人工智能領(lǐng)域最近的驚人進展，從模型、算法，到大規(guī)模的應用都取得了令人矚目的成果。文章提出在人工智能類課程中引入深度學習的初步內(nèi)容和實施建議，同時分析其必要性和可行性。

關(guān)鍵詞：人工智能；深度學習；教學建議

0 引言

傳統(tǒng)的人工智能課程主要包括人工智能導論、模式分析、機器學習、數(shù)據(jù)挖掘等。這些課程由各個院校根據(jù)專業(yè)情況不同而選擇，課程的內(nèi)容也有較大差別，但是，基本上都涉及人工神經(jīng)網(wǎng)絡(luò)的內(nèi)容。然而在人工神經(jīng)網(wǎng)絡(luò)的教學內(nèi)容上，一般只講解經(jīng)典的多層感知器和反向傳播算法，或再加入一些反饋網(wǎng)絡(luò)的內(nèi)容，這種教學內(nèi)容設(shè)計的一個不足是忽視了人工智能領(lǐng)域的最新發(fā)展——深度學習，它是近幾年人工智能領(lǐng)域最具影響力的研究主題，并在大規(guī)模語音識別、大規(guī)模圖像檢索等領(lǐng)域取得突破。

北京郵電大學計算機學院開設(shè)人工智能科學與技術(shù)的本科專業(yè)，筆者從事深度學習的研究工作，同時承擔了本科生和研究生人工智能類課程的教學工作，因此產(chǎn)生了將深度學習內(nèi)容引人人工智能類課程的想法。本文先介紹深度學習的背景，說明深度學習在人工智能發(fā)展中的地位，之后分析了將深度學習基本內(nèi)容引入人工智能類課程的必要性和可行性，最后給出了一些實施建議供探討。

1 深度學習背景

2006年，加拿大多倫多大學的GeoffreyHinton教授與Salakhutdinov博士在美國《科學》雜志發(fā)表了題為“Reducing the Dimensionality ofDatawith Neural Networks”的論文，該文提出一種學習多層神經(jīng)網(wǎng)絡(luò)的方法，并將這種具有多層結(jié)構(gòu)的學習方法命名為深度學習（Deep Learning），而這成為深度學習研究的一個導火索，從此深度學習的研究與應用蓬勃發(fā)展起來。

深度學習在語音識別與生成、計算機視覺等應用領(lǐng)域取得了突出進展。近幾年的國際機器學習大會（International Conference on MachineLearning，ICML）、神經(jīng)信息處理大會（AnnualConference On Neural Information Processing Systems，NIPS）、計算機視覺大會（InternationalConference on Computer Vision，，ICCV）、

聲學語音與信號處理大會（International ConferenceOn Acoustics，Speech，and Signal Processing，ICASSP）、計算語言學大會（Annual Meeting of the Association for Computational Linguistics.ACL）、計算機視覺與模式識別（InternationalConference on Computer Vision and P atternRecognition，CVPR）等都有不少相關(guān)的研究論文、會議教程和小組研討會（Workshop）。美國國防高級研究計劃（DARPA）也提出了關(guān)于深層學習的研究項目。此外，2013年6月《程

五星文庫wxphp.com包含總結(jié)匯報、專業(yè)文獻、旅游景點、人文社科、外語學習、行業(yè)論文、黨團工作、辦公文檔、出國留學、文檔下載、資格考試、word文檔、IT計算機以及引入深度學習的人工智能類課程等內(nèi)容。

  本文關(guān)鍵詞：引入深度學習的人工智能類課程，由筆耕文化傳播整理發(fā)布。