数字图像处理课程中深度学习的案例教学研究

论文摘要

数字图像处理课程教学中,在图像特征提取与模式识别环节引入深度学习的方法,通过理论介绍结合代码实现,从单层感知机模型、多层神经网络到卷积神经网络,给出了深度学习的渐进式教学案例设计。实践表明,渐进式案例教学使得学生对理论的理解更加深刻,代码实现能力明显增强,将学习过程自然地引领到基于深度学习的计算机视觉领域。

论文目录

• 1 单层神经网络及其案例设计
•   1.1 感知机模型
•   1.2 线性分类案例
• 2 多层神经网络及其案例设计
•   2.1 多层神经网络的学习策略
•     （1）信号的前向传输。
•     （2）误差的反向传递。
•     （3）权值更新。
•   2.2 “异或”问题求解
•   2.3 非线性多分类及其案例设计
•   2.4 神经网络训练游乐场
• 3 卷积神经网络及其案例设计
•   3.1 卷积神经网络的结构
•   3.2 Mnist数据集分类案例设计
•     3.2.1 基于深度网络的手写字体识别
•     3.2.2 基于卷积神经网络的手写字体识别
• 4 教学方法创新
•   4.1 理论讲解结合代码实现
•   4.2 教学案例开发
•   4.3 教学手段创新
• 5 结论

文章来源

类型: 期刊论文

作者: 陈章宝,杨艳,侯勇

关键词: 深度学习,卷积神经网络,数字图像处理,计算机视觉,教学研究

来源: 蚌埠学院学报 2019年06期

年度: 2019

分类: 基础科学,社会科学Ⅱ辑,信息科技

专业: 高等教育,计算机软件及计算机应用,自动化技术

单位: 蚌埠学院电子与电气工程学院

基金: 蚌埠学院教学研究一般项目(2019JYXML14),蚌埠学院自然科学研究项目(2019ZR02zd)

分类号: TP18;TP391.41-4;G642.4

DOI: 10.13900/j.cnki.jbc.2019.06.017

页码: 76-80

总页数: 5

文件大小: 829K

下载量: 307