資源簡介

中小學教育資源及組卷應用平臺
第13課 智能預測出行方式
課題 第13課 智能預測出行方式 單元 第三單元 學科 信息技術 年級 九年級
教材分析 教材簡要介紹人工神經網絡和深度學習的基本原理，如神經元、層、激活函數等基本概念，并重點講解它們在出行預測中的應用。教材中應包含基于神經網絡的出行預測實踐項目，讓學生親自動手實現一個簡單的預測模型。這有助于他們理解理論知識，并提高其實際操作能力。
學習目標 實踐意識：學生能夠通過實際動手操作，將理論知識轉化為實踐操作，從而加深對信息技術的理解和應用。鼓勵學生積極參與項目化學習，通過實際操作完成智能預測出行方案的設計，培養其獨立解決問題的能力。在設計智能預測出行方案的過程中，激發學生的創新思維，鼓勵他們嘗試不同的方法和策略，以尋找最佳的解決方案。社會責任：通過智能預測出行方案的設計和實踐，引導學生關注城市交通擁堵、環境污染等社會問題，并嘗試通過技術手段為解決這些問題貢獻自己的力量。培養學生的社會責任感和使命感，使他們能夠運用所學知識為社會做出積極的貢獻。在項目化學習的過程中，鼓勵學生進行團隊協作，共同完成任務。通過有效的溝通和協作，培養學生的團隊合作精神和溝通能力。
重點 人工神經網絡和深度學習的基礎概念，如神經元、層、激活函數。神經網絡在出行預測中的實際應用，如何通過數據收集、處理、模型訓練等步驟實現預測
難點 人工神經網絡和深度學習的基礎概念，如神經元、層、激活函數。神經網絡在出行預測中的實際應用，如何通過數據收集、處理、模型訓練等步驟實現預測。
教學過程
教學環節 教師活動 學生活動 設計意圖
導入新課 通過視頻播放，讓學生了解硬件實現預測出行功能的實例,對今日所學內容有個基礎了解智能預測出行方式需要考慮哪些條件或要素 如何利用機器為我們的出行提供合理的建議 觀看硬件實現預測出行功能的實例的視頻，也可以自己上手做做看學生討論問題，舉手回答問題 幫助學生了解硬件實現預測出行功能的實例,對今日所學內容有個基礎了解。通過頭腦風暴的方式讓學生從現實生活中去挖掘智能預測出行方式考慮的條件和要素。打開課堂
講授新課 神經網絡模型用于智能預測出行，需要采集出行相關的數據，對數據進行預處理和特征提取，將數據劃分為訓練集和測試集;選擇適合的模型進行訓練和測試，并將訓練好的模型應用到實際出行預測中，提高出行效率和降低出行成本。一、人工神經網絡人體內有大量神經細胞，也叫神經元。神經細胞通過相互聯系構成了個功能強大、結構復雜的信息處理系統--人體神經系統。人能夠思考并從事各種各樣的復雜工作，是因為身體內部微小的神經細胞起著作用。科學家受到人體神經細胞的啟發，把每個神經細胞抽象成一個叫作神經元模型的基本信息單元，把許多這樣的信息單元按一定的層次結構連接起來，就得到人工神經網絡。通過輸入層給人工神經網絡輸人大量數據，由神經元模型構成的多層神經網絡對這些數據進行計算，從而得到需要輸出的結果。如圖13-1所示，給計算機輸入貓的圖片數據，需要計算機輸出是否為貓的判斷。將圖片數據輸入給人工神經網絡，第一層神經網絡會提取圖片的初始特征，然后輸人給第二層神經網絡，第二層神經網絡會把上一層提取的特征通過參數調節的方式進一步細化，再輸人給下一層神經網絡，以此類推經過多層神經網絡的處理，最終得到貓的特征模型，利用特征模型做出是否為貓的判斷。日積月累盡管人工種經網絡是科學家們受到人體神經細胞的啟發而發明的，但人工神經網絡的信息處理能力與人體神經系統相差甚遠。人工神經網絡的種類很多，如卷積神經網絡、循環神經網絡等，不同算法實現不同用途。科學家們也在努力研究新的算法，從而讓人工神經網絡逐漸接近人體神經系統處理信息的能力。二、深度學習深度學習是機器學習訓練模型的一種算法，是人工神經網絡算法的拓展。典型的深度學習模型就是多層神經網絡。深度學習型的結構如圖13-1所示，就像人工神經網絡一樣有輸入層、輸出層，中間是神經網絡構成的隱層。隱層的工作流程是一個一層一層不斷遞進的處理過程。一般情況下，我們把超過四層的人工神經網絡稱為深度學習。深度學習通過構建具有很多隱層的機器學習模型和海量的訓練數據，來學習更有用的特征，從而最終提升計算機處理新數據的準確性。深度學習可以通過構建卷積神經網絡(CNN)來進行圖像識別。CNN可以自動從圖像中提取出更有用的特征，從而實現對不同物體的識別。三、神經網絡實現出行預測使用神經網絡進行出行預測的步驟包括數據收集、數據預處理、模型設模型訓練、模型優化等下面僅呈現實現數據輸入部分的Python 代碼： # 導入所需模塊import tensorflow as tf from sklearn import datasets from matplotlib import pyplot as pltimport numpy as np數據集讀入:#導入數據，分別為輸入特征和標簽x_data= datasets.load traffic().datay_data = datasets.load traffic().target數據集亂序# 隨機打亂數據(因為原始數據是順序的,順序不打亂會影響準確率)# seed:隨機數種子,是一個整數,當設置之后,每次生成的隨機數都一樣np.random.seed(116) #使用相同的seed,保證輸入特征和標簽一一對應np.random.shuffle(x_data)np.random.seed(116)np.random.shuffle(y_data)tf.random.set_seed(116)數據集分出訓練集和測試集# 將打亂后的數據集分割為訓練集和測試集，訓練集為前120行，測試集為后 30行x_trainx_data[:-30]y train ≠y data[:-30]xtest =x_data[-30:]y test =y_data[-30:] 學生認真學習并掌握相關知識，了解人工神經網絡和深度學習的概念，利用python完成深度學習的變成認真學習和了解 了解人工神經網絡和深度學習的概念，利用python完成深度學習的變成 了解人工神經網絡與人體神經細胞的區別
課堂練習 隨堂練習請簡述人工神經網絡的基本結構和工作原理。 通過查閱百度或其它資料，回答隨堂練習答案 鍛煉學生查閱資料分析總結、信息處理、演講表達等能力
課堂小結 本節課我們通過項目化學習，掌握了如何設計智能預測出行方案，并通過實踐制作了滿足要求的作品。我們學習了需求分析、數據收集處理、模型構建與優化等關鍵步驟，并將理論知識應用于實際作品制作中。通過團隊合作與問題解決，我們提升了綜合能力和解決問題的技巧。這次學習不僅增強了我們的實踐能力，也激發了對智能出行領域未來發展的興趣。 分組總結歸納 鍛煉學生的總結能力，加強邏輯思維和語言表達能力
板書 智能預測出行方式知識點一、人工神經網絡二、深度學習三、神經網絡實現出行預測隨堂練習請簡述人工神經網絡的基本結構和工作原理。 根據知識點學習相應內容，完成相應隨堂練習 明確教學內容及重點和難點
21世紀教育網 www.21cnjy.com 精品試卷·第 2 頁 （共 2 頁）
HYPERLINK "http://www.21cnjy.com/" 21世紀教育網(www.21cnjy.com)(共30張PPT)
第13課 智能預測出行方式
浙教版九年級上冊
內容總覽
教學目標
01
新知導入
02
新知講解
03
隨堂練習
04
拓展延伸
05
課堂總結
06
目錄
教學目標
實踐意識：
學生能夠通過實際動手操作，將理論知識轉化為實踐操作，從而加深對信息技術的理解和應用。
鼓勵學生積極參與項目化學習，通過實際操作完成智能預測出行方案的設計，培養其獨立解決問題的能力。
在設計智能預測出行方案的過程中，激發學生的創新思維，鼓勵他們嘗試不同的方法和策略，以尋找最佳的解決方案。
教學目標
社會責任：
通過智能預測出行方案的設計和實踐，引導學生關注城市交通擁堵、環境污染等社會問題，并嘗試通過技術手段為解決這些問題貢獻自己的力量。
培養學生的社會責任感和使命感，使他們能夠運用所學知識為社會做出積極的貢獻。
在項目化學習的過程中，鼓勵學生進行團隊協作，共同完成任務。通過有效的溝通和協作，培養學生的團隊合作精神和溝通能力。
新知導入
我們學習了如何構建預測模型。今天，我們要學習利用代碼實現預測出行的功能。那么就來看一個具體的可運行的智能預測出行的硬件實例吧
新知導入
新知導入
智能預測出行方式需要考慮哪些條件或要素
如何利用機器為我們的出行提供合理的建議
新知導入
我們熟悉的語音識別和圖像識別在應用中存在以下安全隱患：
智能預測出行方式需要考慮以下條件和要素：
01
交通特性
02
地區特性
03
天氣條件
04
時間特性
05
實時交通信息
新知導入
我們熟悉的語音識別和圖像識別在應用中存在以下安全隱患：
利用機器為我們的出行提供合理的建議
02
03
·
04
數據整合與分析
優化算法設計
機器學習模型構建
01
05
數據收集與處理
實時更新與反饋
新知講解
相關知識
人工神經網絡
深度學習
新知講解
神經網絡模型用于智能預測出行，需要采集出行相關的數據，對數據進行預處理和特征提取，將數據劃分為訓練集和測試集;選擇適合的模型進行訓練和測試，并將訓練好的模型應用到實際出行預測中，提高出行效率和降低出行成本。
新知講解
人體內有大量神經細胞，也叫神經元。神經細胞通過相互聯系構成了個功能強大、結構復雜的信息處理系統--人體神經系統。人能夠思考并從事各種各樣的復雜工作，是因為身體內部微小的神經細胞起著作用。
一、人工神經網絡
新知講解
科學家受到人體神經細胞的啟發，把每個神經細胞抽象成一個叫作神經元模型的基本信息單元，把許多這樣的信息單元按一定的層次結構連接起來，就得到人工神經網絡。通過輸入層給人工神經網絡輸人大量數據，由神經元模型構成的多層神經網絡對這些數據進行計算，從而得到需要輸出的結果。
一、人工神經網絡
新知講解
如圖13-1所示，給計算機輸入貓的圖片數據，需要計算機輸出是否為貓的判斷。將圖片數據輸入給人工神經網絡，第一層神經網絡會提取圖片的初始特征，然后輸人給第二層神經網絡，第二層神經網絡會把上一層提取的特征通過參數調節的方式進一步細化，再輸人給下一層神經網絡，以此類推經過多層神經網絡的處理，最終得到貓的特征模型，利用特征模型做出是否為貓的判斷。
一、人工神經網絡
圖13-1
日積月累
盡管人工種經網絡是科學家們受到人體神經細胞的啟發而發明的，但人工神經網絡的信息處理能力與人體神經系統相差甚遠。人工神經網絡的種類很多，如卷積神經網絡、循環神經網絡等，不同算法實現不同用途。科學家們也在努力研究新的算法，從而讓人工神經網絡逐漸接近人體神經系統處理信息的能力。
新知講解
深度學習是機器學習訓練模型的一種算法，是人工神經網絡算法的拓展。典型的深度學習模型就是多層神經網絡。深度學習型的結構如圖13-1所示，就像人工神經網絡一樣有輸入層、輸出層，中間是神經網絡構成的隱層。隱層的工作流程是一個一層一層不斷遞進的處理過程。一般情況下，我們把超過四層的人工神經網絡稱為深度學習。
二、深度學習
新知講解
深度學習通過構建具有很多隱層的機器學習模型和海量的訓練數據，來學習更有用的特征，從而最終提升計算機處理新數據的準確性。
深度學習可以通過構建卷積神經網絡(CNN)來進行圖像識別。CNN可以自動從圖像中提取出更有用的特征，從而實現對不同物體的識別。
二、深度學習
新知講解
使用神經網絡進行出行預測的步驟包括數據收集、數據預處理、模型設模型訓練、模型優化等
下面僅呈現實現數據輸入部分的Python 代碼：
三、神經網絡實現出行預測
# 導入所需模塊
import tensorflow as tf from sklearn
import datasets from matplotlib
import pyplot as plt
import numpy as np
新知講解
數據集讀入:
三、神經網絡實現出行預測
#導入數據，分別為輸入特征和標簽
x_data= datasets.load traffic().data
y_data = datasets.load traffic().target
數據集亂序
# 隨機打亂數據(因為原始數據是順序的,順序不打亂會影響準確率)
# seed:隨機數種子,是一個整數,當設置之后,每次生成的隨機數都一樣
np.random.seed(116) #使用相同的seed,保證輸入特征和標簽一一對應
np.random.shuffle(x_data)
np.random.seed(116)
np.random.shuffle(y_data)
tf.random.set_seed(116)
新知講解
數據集分出訓練集和測試集
三、神經網絡實現出行預測
# 將打亂后的數據集分割為訓練集和測試集，訓練集為前120行，測試集為后 30行
x_trainx_data[:-30]
y train ≠y data[:-30]
xtest =x_data[-30:]
y test =y_data[-30:]
新知講解
由于機器學習的結果受到各種外界條件的影響，目前大部分的通過訓練形成的模型，很難達到100%正確率，就像我們利用指紋解鎖手機，并不是每次都能夠解鎖成功一樣。因此，我們會把正確率高于某個百分率的模型認為是訓練成功的模型。
三、神經網絡實現出行預測
隨堂練習
請簡述人工神經網絡的基本結構和工作原理。
隨堂練習
基本結構：
人工神經網絡由大量的人工神經元相互連接而成，這些神經元組成了不同的層次，主要包括輸入層、隱藏層和輸出層。輸入層負責接收外部輸入信息，隱藏層對輸入信息進行加工處理，輸出層產生最終的輸出結果。每一層中的神經元都與下一層的神經元相連，形成復雜的網絡結構。
隨堂練習
工作原理：
人工神經網絡的工作原理主要基于神經元的激活和連接權重的調整。每個神經元都有一個激活函數，用來決定神經元是否激活并傳遞信號。當神經元的輸入信號超過一定閾值時，神經元會被激活，并向下一層傳遞信號。
拓展延伸
我們今天提到了深度學習，那么我們來了解下深度學習吧！
拓展延伸
課堂總結
本節課我們通過項目化學習，掌握了如何設計智能預測出行方案，并通過實踐制作了滿足要求的作品。我們學習了需求分析、數據收集處理、模型構建與優化等關鍵步驟，并將理論知識應用于實際作品制作中。通過團隊合作與問題解決，我們提升了綜合能力和解決問題的技巧。這次學習不僅增強了我們的實踐能力，也激發了對智能出行領域未來發展的興趣。
板書設計
智能預測出行方式
知識點
一、人工神經網絡
二、深度學習
三、神經網絡實現出行預測
隨堂練習
請簡述人工神經網絡的基本結構和工作原理。
謝謝
21世紀教育網（www.21cnjy.com)
中小學教育資源網站
兼職招聘：
https://www.21cnjy.com/recruitment/home/admin

展開更多......

收起↑