0 0 类别 : 教案

《循环神经网络——解密 Quick Draw》教学设计 课型 新授课 学时 2 授课年级 八年级 课程指南 智能意识 知道人工智能的基本分类，掌握人工智能的基本 概念 智能应用与创造 与人工智能进行有效沟通和合作，将人工智能融 入日常的学习、生活和工作中 智能社会责任 能够理解人在人工智能中的重要作用，能够辩 证、发展和客观地看待人工智能的社会影响 内容分析 循环神经网络（RNN）是一种广泛用于处理序列数据的深度学习模 型。它通过在时间或空间上循环或递归地构建网络结构，可以捕捉 序列数据中的依赖关系并生成对序列的预测。本节课将介绍 RNN 的基本结构、工作原理和长短期记忆网络（LSTM）。同时，以项目 实践来帮助学生理解和应用循环神经网络，感受人工智能的无穷魅 力。 学情分析 （1） 知识能力：学生对人工智能的基本概念有了初步的认识。 （2） 认知水平：学生处于具体运算阶段向形式运算阶段过渡时 期。 思维具有一定的可逆性，有助于理解相对复杂的算法。 （3） 技术水平：在前面的学习中，学生对于 openinnolab 平台 已经有一定的使用经验。 （4） 思想态度：学生具有较强的好奇心，对于人工智能的应用 和体验有一定的积极性。对于人工智能对社会带来的深远影响思 考并不全面。 教学目标 知识与技能 了解机器学习的基本原理，理解循环神经网络 RNN 和 LSTM 算法。 过程与方法 通过动画、算法实现的过程，创造性地将所学算 法应用到实际场景中，培养学生的创新思维和动 手实践能力。 情感态度与价值 观 通过了解人工智能在生活中的广泛应用，激发 学生对人工智能知识的学习热情，正确认识人 工智能给人类带来的机遇和挑战。 教学重难点 教学重点 循环神经网络的基本结构和工作原理 教学难点 RNN 和 LSTM 算法的区别 教学方法 游戏化教学、项目式学习 学习环境与 教学资源 · 学 习 环 境 多 媒 体 教 室 ·教学资源 教学课件、学习任务单 教学过程 教学环节 教师活动 学生活动 设计意图 新课导入趣 味游戏 组织学生玩游戏“你画 我猜”。 提问： 1.学生是怎么猜出所画 的内容？ 2.AI 又是怎么猜测的？ 以小组为单位，一位同 学画画，其他小组同学 猜测。 根据生活经验和人工智 能的知识，分析猜画的 原因——根据画的内容 从记忆库中搜索，匹配 出相似度最高的物品。 通 过 游 戏 引 入 主题，吸引学生 兴趣，通过游戏 情 节 为 学 生 后 续理解 RNN 模 型打下基础。 介绍谷歌的“Quick, Draw!”涂鸦实验，引出 神经网络。 播放“神经网络”的讲解 视频。 通过视频理解神经网络 的基本概念。 用视频、动画的 形 式 来 讲 解 复 杂的概念，符合 学 生 的 认 知 特 点。 初探 AI 解密 新知 讲解循环神经网络 RNN 的概念，用“买苹果” 的 案例来辅助讲解。 理解循环神经网络 RNN 的概念，通过动画认识 输入层、隐藏层和输出 层三者的关系。 概念讲解，通过 实例、动画辅助 理解。 指出 RNN 的缺点：不具 备长期记忆，引出 LSTM 模型，重点讲解两者的 区别 了 解 长 短 期 记 忆 模 型 LSTM ， 理 解 RNN 和 LSTM 的异同。 任务驱动探 索实践 发布任务：制作一个国 内版的“你画 AI 猜” 游 戏。 明确任务要求，分解任 务 通过实例进一步 理解循环神经网 络，分步骤讲解 程序培养学生的 逻辑思维能力， 项目实践过程也 有助于提升学生 的学习兴趣。 分析任务要求，讲解任 务主要步骤：初始化游 戏、出题、识别绘制的图 像、游戏结束。 讲解项目程序，针对关 键步骤提问：变量“检测 结果”和“检测得分” 的 值应该如何设定呢？ 根据任务步骤逐步理解 程序，理清角色之间的 关系，思考计算机识别 绘画图像的过程。 补充“持续识别图像” 的 程序。 给学生提供素材，给出 程序示例，组织学生完 成程序编写。 编写程序，体验游戏 总结提升自 主探索 发布升级任务：改写程 序，隐藏“绘制目标”，和 AI 一起猜绘制内容。 根据要求调整程序，隐 藏变量“绘制目标”，试玩 小游戏并在学习任务单 上记录。 通过提升任务让 学生自主思考解 决问题的方法， 培养学生的问题 解决能 力。 总结本节课的知识点： 神经网络、循环神经网 络RNN和LSTM的概念。 回顾本节课的知识，理 解循环神经网络。 带领学生回顾本 节 课 的 知 识 要 点，加深记忆。 板书设计 跟着 AI 玩“你画我猜” 一、神经网络二、循环神经网络 RNN 模型 LSTM 模型 教学反思