ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 04.12.2023
Просмотров: 18
Скачиваний: 1
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
| Раздел: 11.1А Искусственный интеллект | Школа: Частная школа «Тагылым» | ||||||||
| Дата: | Имя учителя: Апуова А.К. | ||||||||
| Класс: 11 | Количество присутствующих: | отсутствующих: | |||||||
| Тема урока: | Классификация нейронных сетей | ||||||||
| Цели урока | 11.3.4.4 описывать области применения метода "Обучение с учителем" при разработке искусственного интеллекта | ||||||||
| Критерий оценивания | Знает: как работает нейрон; Как спроектировать нейронную сеть; Как использовать ПО для обучения компьютера, прогнозирования; Как построить нейронную сеть; | ||||||||
| Языковые цели | Учащиеся могут: Обсуждать опроектирование нейронных сетей; Построение нейронных сетей; Предметная лексика и терминология: Нейронная сеть –нейрондық желі-neuralnetwork Пролог – шекті - threshold Сглаживание – тегістеу - smoothing Ошибка – қате - error Прогноз - болжам - forecast Функция активации – белсендіру функциясы - activationfunction | ||||||||
| Краткосрочный план | |||||||||
| Этапы урока | Запланированная деятельность на уроке | Ресурсы | |||||||
| 5мин | Актуализация. Организационный момент Объявление новой темы. Ученики записывают тему и цели обучения | Презентация Слайд 1-2 | |||||||
| 10 мин 5 мин 10 мин | Учитель объясняет понятие нейронные сети Просмотр видеоролика с 0:00-6:00 минуты
Функции активации нейросети: сигмоида, линейная, ступенчатая, ReLu, tahn Искусственные нейронные сети можно классифицировать по ряду признаков: • количеству слоев; • типу связей; • алгоритму обучения; • классу решаемых задач Сеть, в которой все входные элементы соединены непосредственно с выходными элементами, называется однослойной нейронной сетью, или сетью персептрона Многослойная нейронная сеть – это нейронная сеть, состоящая из входного, выходного и расположенного(ых) между ними одного (нескольких) скрытых слоев нейронов. Другим классификационным признаком ИНС является направленность связей. трелки идут строго слева направо, то есть сигнал в таких сетях идет строго от входного слоя к выходному. Такие сети называются сетями без обратных связей. Они делятся на следующие группы: – с обратным распространением ошибки, которые характеризуются фиксированной структурой, итерационным обучением, корректировкой весов по ошибкам; – сети радиально-базисных функций (RBF); – другие сети (когнитрон, неокогнитрон, другие сложные модели  Обучение алгоритмом обратного распространения ошибки предполагает два прохода по всем слоям сети: прямой и обратный. При прямом проходе входной вектор подается на входной слой нейронной сети, после чего распространяется по сети от слоя к слою. В результате генерируется набор выходных сигналов, который и является фактической реакцией сети на данный входной образ. Во время прямого прохода все синаптические веса сети фиксированы. Во время обратного прохода все синаптические веса настраиваются в соответствии с правилом коррекции ошибок, а именно: фактический выход сети вычитается из желаемого, в результате чего формируется сигнал ошибки. Этот сигнал впоследствии распространяется по сети в направлении, обратном направлению синаптических связей. Отсюда и название – алгоритм обратного распространения ошибки. Синаптические веса настраиваются с целью максимального приближения выходного сигнала сети к желаемому. Преимуществами сетей без обратных связей является простота их реализации и гарантированное получение ответа после прохождения данных по слоям. Недостатком этого вида сетей считается минимизация размеров сети: нейроны многократно участвуют в обработке данных. Сети прямого распространения – это искусственные нейронные сети, в которых сигнал распространяется строго от входного слоя к выходному. В обратном направлении сигнал не распространяется. Сети с обратными связями – это искусственные нейронные сети, в которых выход нейрона может вновь подаваться на его вход. Третьим важным классификационным признаком является принцип ее обучения (настройки). Возможность обучения – одно из главных преимуществ нейронных сетей перед традиционными алгоритмами. Сеть обучается, чтобы для некоторого входного вектора X сформировать желаемый (или, по крайней мере, сообразный с ним) выходной вектор Y. Обучение нейронной сети – это поиск такого набора весовых коэффициентов, при котором входной сигнал после прохода по сети преобразуется в нужный нам выходной. Нейронные сети являются одним из алгоритмов машинного обучения. Поэтому по классификации обучения ИНС делятся на сети, обучаемые с учителем, сети, обучаемые без учителя, и встречного распространения, часть слоев которых обучается без учителя, а часть – с учителем. Еще одним классификационным признаком является назначение ИНС. Согласно этому признаку, все сети делят на прогнозирующие (расчетные), классифицирующие (группирующие) и ассоциативные. Последние используются при решении задач распознавания образов. Наводящие вопросы о введении в проектирование нейронных сетей, Примеры нейропакетов. Задание 1 (исследование и анализ).Распространение сигналов по нейронной сети Оценивание. Самооценивание. Взаимооценивание. Обратная связь учащихся | Слайд 4-7 Слайд 8 | |||||||
| 5 мин | Оценивание решении учеников. Прогон по слайдам с данными Подведение урока ссылаясь на цели обучения темы. Обратная связь от учеников УПРАЖНЕНИЕ для ГЛАЗ / ФИЗ.МИНУТКА | Слайд 9 Слайд 10 | |||||||
| Дополнительная информация | |||||||||
| Дифференциация – как Вы планируете оказать больше поддержки? Какие задачи Вы планируете поставить перед более способными учащимися? | Оценивание – как Вы планируете проверить уровень усвоения материала учащихся? | Межпредметные связи Здоровье и безопасность Связи с ИКТ Связи с ценностями (воспитательный элемент) | |||||||
| Рефлексия Были ли реализованы цели урока/Ожидаемые результаты реалистичными? Чему сегодня научились учащиеся? Какова была атмосфера в классе? Сработала ли дифференциация? На все ли хватило времени? Какие изменения были внесены в план и почему? | Используйте данный раздел для рефлексии урока. Ответьте на вопросы о Вашем уроке из левой колонки. | | |||||||
| Общая оценка Какие два аспекта урока прошли хорошо (подумайте, как о преподавании, так и об обучении)? Какие две вещи могли бы улучшить урок (подумайте, как о преподавании, так и об обучении)? Что я узнал(а) за время урока о классе или отдельных учениках такого, что поможет мне подготовиться к следующему уроку? | |||||||||