《深度学习技术》课程教学大纲.pdf

研究生课程教学大纲

课程编号

编写人：深度学习技术

课程中文名称深度学习技术

课程英文名称Deeplearningtechnique

开课学期春季开课单位计算机学院

课程类别计算机科学与技术专业专业课

主讲教师职称联系电话

教学团队成员

学时32

教学及考

学分32理论教学与实践教学相结合闭卷考试

核方式

面向学科（专业考核√考试

计算机科学与技术

学位领域）方式□考查

预修课程线性代数，概率论，数值计算，机器学习

课程内容：

《深度学习技术》是计算机科学与技术专业的一门专业基础课。课程首先介绍机器

学习基础、深度学习技术平台及深度学习中的优化方法。然后以Google开源软件

TensorFlow为平台，讲述深度学习中的相关模型及其设计与实现，主要内容包括全连接

神经网络、自编码器和多层感知机、卷积神经网络、循环神经网络等相关网络的设计与

实现，以及在网络训练过程中所涉及的数据处理、网络调优与超参数设置。

第一部分机器学习基础2学时

包括机器学习的基本内容和方法，学习过程中产生的过度拟合及模型选择问题

第二部分深度学习技术与平台概述2学时

包括深度学习技术，深度学习平台，TensoFlow

第三部分深度学习中的优化方法及正则化4学时

包括梯度下降法、动量法、自适应学习率算法与正则化方法

第四部分全连接神经网络4学时

包括全连接神经网络设计与训练，网络调优和超参数设置，训练过程可视化

第五部分自编码器与多层感知机4学时

包括自编码器设计，多层感知机设计与训练，目标优化函数设置，自编码器设计与

多层感知机的拓展应用

第六部分卷积神经网络6学时

包括卷积神经网络设计与训练，Pooling技术和Dropout技术，LRN技术

第七部分循环神经网络6学时

包括循环神经网络设计与训练，LSTM网络，网络欠拟合和过拟合处理方法

第八部分深度强化学习4学时

包括策略网络和估值网络设计与训练，奖励和估值设计，AlphaGo的实现

课程内容英文简介

Deeplearningtechnologyisabasiccourseofelectronicsandcommunication

engineering.Thecoursefirstintroducest