《人工智能與無損檢測課程設(shè)計》課程教學(xué)大綱

《人工智能與無損檢測課程設(shè)計》教學(xué)大綱課程名稱：人工智能與無損檢測課程設(shè)計課程編號：D047094712英文名稱：Integrateddesignofelectroniccircuit學(xué)時：32學(xué)時（2周） 學(xué)分：2學(xué)分開課學(xué)期：第5學(xué)期適用專業(yè)：光電信息科學(xué)與工程專業(yè)課程類別：課程設(shè)計課程性質(zhì)：專業(yè)方向與拓展先修課程：高等數(shù)學(xué)、人工智能與無損檢測一、課程的性質(zhì)及任務(wù)《人工智能與無損檢測》課程是光電信息科學(xué)與工程專業(yè)學(xué)生的專業(yè)方向與拓展課，通過本課程的學(xué)習(xí)，使學(xué)生能夠了解人工智能的基本原理，數(shù)據(jù)預(yù)處理、線性神經(jīng)網(wǎng)絡(luò)、多層感知機、卷積神經(jīng)網(wǎng)絡(luò)等知識，并應(yīng)用到無損檢測的實踐當(dāng)中。能夠提升學(xué)生對非接觸復(fù)雜工程問題建立合適的模型并求解的能力，能夠應(yīng)用計算機的方法正確解決圖像類復(fù)雜工程問題。依據(jù)河北工程大學(xué)光電信息科學(xué)與工程培養(yǎng)計劃，本課程需要培養(yǎng)學(xué)生的能力是：1、具備采用現(xiàn)代信息技術(shù)領(lǐng)域的新理論、新技術(shù)、新方法設(shè)計/開發(fā)復(fù)雜光電信息科學(xué)與工程問題的能力。2、掌握計算機、網(wǎng)絡(luò)技術(shù)、通信技術(shù)、信息檢索等與光電信息科學(xué)與工程相關(guān)的信息技術(shù)工具和有效資源，具備綜合運用上述工具及資源進行系統(tǒng)研究、設(shè)計與開發(fā)的能力。二、課程目標與要求2.1課程目標了解神經(jīng)網(wǎng)絡(luò)訓(xùn)練的基礎(chǔ)知識。熟悉神經(jīng)網(wǎng)絡(luò)的整個訓(xùn)練過程，包括定義簡單的神經(jīng)網(wǎng)絡(luò)架構(gòu)、數(shù)據(jù)處理、指定損失函數(shù)和如何訓(xùn)練模型。特別是熟悉并掌握線性神經(jīng)網(wǎng)絡(luò)。了解多層感知機實現(xiàn)的方法，并能解決常見的問題，比如權(quán)重衰減、過擬合和欠擬合等。掌握向前傳播、反向傳播和計算圖等概念和原理。了解并掌握深度學(xué)習(xí)計算的關(guān)鍵組件，即模型構(gòu)建、參數(shù)訪問與初始化、設(shè)計自定義層和塊、將模型讀寫到磁盤，以及利用GPU實現(xiàn)顯著的加速。了解所有卷積網(wǎng)絡(luò)主干的基本元素。這包括卷積層本身、填充（padding）和步幅（stride）的基本細節(jié)、用于在相鄰區(qū)域匯聚信息的匯聚層（pooling）、在每一層中多通道（channel）的使用，以及有關(guān)現(xiàn)代卷積網(wǎng)絡(luò)架構(gòu)的仔細討論。了解常用網(wǎng)絡(luò)的架構(gòu)和原理。了解并掌握表面缺陷的概念，使用深度學(xué)習(xí)算法檢測表面缺陷的優(yōu)勢和面臨的常見問題等。

人工智能與無損檢測課程設(shè)計教學(xué)大綱數(shù)理科學(xué)與工程學(xué)院本科課程教學(xué)大綱.2課程目標與畢業(yè)要求對應(yīng)關(guān)系課程目標畢業(yè)要求二級指標畢業(yè)要求123456●●●●●具備采用現(xiàn)代信息技術(shù)領(lǐng)域的新理論、新技術(shù)、新方法設(shè)計/開發(fā)復(fù)雜光電信息科學(xué)與工程問題的能力?！裾莆沼嬎銠C、網(wǎng)絡(luò)技術(shù)、通信技術(shù)、信息檢索等與光電信息科學(xué)與工程相關(guān)的信息技術(shù)工具和有效資源，具備綜合運用上述工具及資源進行系統(tǒng)研究、設(shè)計與開發(fā)的能力。2.3課程目標與培養(yǎng)環(huán)節(jié)對應(yīng)矩陣序號課程目標理論教學(xué)課內(nèi)實驗課后作業(yè)1了解神經(jīng)網(wǎng)絡(luò)訓(xùn)練的基礎(chǔ)知識。熟悉神經(jīng)網(wǎng)絡(luò)的整個訓(xùn)練過程，包括定義簡單的神經(jīng)網(wǎng)絡(luò)架構(gòu)、數(shù)據(jù)處理、指定損失函數(shù)和如何訓(xùn)練模型。特別是熟悉并掌握線性神經(jīng)網(wǎng)絡(luò)。HL2了解多層感知機實現(xiàn)的方法，并能解決常見的問題，比如權(quán)重衰減、過擬合和欠擬合等。掌握向前傳播、反向傳播和計算圖等概念和原理。HL3了解并掌握深度學(xué)習(xí)計算的關(guān)鍵組件，即模型構(gòu)建、參數(shù)訪問與初始化、設(shè)計自定義層和塊、將模型讀寫到磁盤，以及利用GPU實現(xiàn)顯著的加速。HL4了解所有卷積網(wǎng)絡(luò)主干的基本元素。這包括卷積層本身、填充（padding）和步幅（stride）的基本細節(jié)、用于在相鄰區(qū)域匯聚信息的匯聚層（pooling）、在每一層中多通道（channel）的使用，以及有關(guān)現(xiàn)代卷積網(wǎng)絡(luò)架構(gòu)的仔細討論。HL5了解常用網(wǎng)絡(luò)的架構(gòu)和原理。H6了解并掌握表面缺陷的概念，使用深度學(xué)習(xí)算法檢測表面缺陷的優(yōu)勢和面臨的常見問題等。HM注：H表示該能力的在此環(huán)節(jié)重點培養(yǎng)；M表示該能力在此環(huán)節(jié)有應(yīng)用要求；L表示該能力在此環(huán)節(jié)有所涉及。2.4目標達成度的評價課程目標1、2、3、4主要通過實驗教學(xué)環(huán)節(jié)進行培養(yǎng)，在課后作業(yè)中有所涉及。主要通過課堂測試、課后作業(yè)和期末考試中概念性、原理性題目進行考核。目標達成綜合以上內(nèi)容進行評價。課程目標5、6主要通過實驗教學(xué)環(huán)節(jié)、課后作業(yè)進行培養(yǎng)。主要通過課堂測試，課后作業(yè)和期末考查中，進行考核，目標達成以上內(nèi)容進行評價。三、教學(xué)方法及手段教學(xué)方法：課堂講授中要重點對基本概念、基本方法的講解；采用啟發(fā)式教學(xué)，培養(yǎng)學(xué)生思考問題、分析問題和解決問題的能力；引導(dǎo)和鼓勵學(xué)生通過實踐和自學(xué)獲取知識，培養(yǎng)學(xué)生的自學(xué)能力；增加討論課，調(diào)動學(xué)生學(xué)習(xí)的主觀能動性；注意培養(yǎng)學(xué)生提高利用標準、規(guī)范及手冊等技術(shù)資料的能力。講課要聯(lián)系實際并注重培養(yǎng)學(xué)生的創(chuàng)新能力。教學(xué)手段：本課程屬于專業(yè)基礎(chǔ)課，在教學(xué)中采用電子教案、CAI課件及多媒體教學(xué)系統(tǒng)等先進教學(xué)手段，以確保在有限的學(xué)時內(nèi)，全面、高質(zhì)量地完成課程教學(xué)任務(wù)。四、課程的基本內(nèi)容與教學(xué)要求第1部分線性神經(jīng)網(wǎng)絡(luò)[教學(xué)目的與要求]：了解神經(jīng)網(wǎng)絡(luò)訓(xùn)練的基礎(chǔ)知識。熟悉神經(jīng)網(wǎng)絡(luò)的整個訓(xùn)練過程，包括定義簡單的神經(jīng)網(wǎng)絡(luò)架構(gòu)、數(shù)據(jù)處理、指定損失函數(shù)和如何訓(xùn)練模型。特別是熟悉并掌握線性神經(jīng)網(wǎng)絡(luò)。[本章主要內(nèi)容]：3.1線性回歸3.2線性回歸的從零開始實現(xiàn)3.3線性回歸的簡潔實現(xiàn)3.4softmax回歸3.5圖像分類數(shù)據(jù)集3.6softmax回歸的從零開始實現(xiàn)3.7softmax回歸的簡潔實現(xiàn)[本章重點]：1.線性回歸的從零開始實現(xiàn)2.線性回歸的簡潔實現(xiàn)3.softmax回歸的從零開始實現(xiàn)4.softmax回歸的簡潔實現(xiàn)[本章難點]：1.線性回歸的從零開始實現(xiàn)。2.softmax回歸的從零開始實現(xiàn)。第2部分多層感知機[教學(xué)目的與要求]：了解多層感知機實現(xiàn)的方法，并能解決常見的問題，比如權(quán)重衰減、過擬合和欠擬合等。掌握向前傳播、反向傳播和計算圖等概念和原理。[本章主要內(nèi)容]：4.1多層感知機4.2多層感知機的從零開始實現(xiàn)4.3多層感知機的簡潔實現(xiàn)4.4模型選擇、欠擬合和過擬合4.5權(quán)重衰減4.6暫退法4.7向前傳播、反向傳播和計算圖4.8數(shù)值穩(wěn)定性和模型初始化[本章重點]：1.多層感知機的從零開始實現(xiàn)2.多層感知機的簡潔實現(xiàn)[本章難點]：1.多層感知機的從零開始實現(xiàn)。2.模型選擇、欠擬合和過擬合。第3部分深度學(xué)習(xí)計算[教學(xué)目的與要求]：了解并掌握深度學(xué)習(xí)計算的關(guān)鍵組件，即模型構(gòu)建、參數(shù)訪問與初始化、設(shè)計自定義層和塊、將模型讀寫到磁盤，以及利用GPU實現(xiàn)顯著的加速。[本章主要內(nèi)容]：5.1層和塊5.2參數(shù)管理5.3延后初始化5.4自定義層5.5讀寫文件5.6GPU[本章重點]：1.層和塊。2.自定義層3.讀寫文件[本章難點]：1.層和塊。2.自定義層3.讀寫文件第4部分卷積神經(jīng)網(wǎng)絡(luò)[教學(xué)目的與要求]：了解所有卷積網(wǎng)絡(luò)主干的基本元素。這包括卷積層本身、填充（padding）和步幅（stride）的基本細節(jié)、用于在相鄰區(qū)域匯聚信息的匯聚層（pooling）、在每一層中多通道（channel）的使用，以及有關(guān)現(xiàn)代卷積網(wǎng)絡(luò)架構(gòu)的仔細討論。[本章主要內(nèi)容]：6.1從全連接層到卷積6.2圖像卷積6.3填充和步幅6.4多輸入多輸出通道6.5匯聚層6.6卷積神經(jīng)網(wǎng)絡(luò)（LeNet）[本章重點]：圖像卷積。2.填充和步幅。3.匯聚層。[本章難點]：圖像卷積。2.填充和步幅。3.匯聚層。第5部分現(xiàn)代卷積神經(jīng)網(wǎng)絡(luò)[教學(xué)目的與要求]：了解常用網(wǎng)絡(luò)的架構(gòu)和原理，它們是AlexNet。它是第一個在大規(guī)模視覺競賽中擊敗傳統(tǒng)計算機視覺模型的大型神經(jīng)網(wǎng)絡(luò)；使用重復(fù)塊的網(wǎng)絡(luò)（VGG）。它利用許多重復(fù)的神經(jīng)網(wǎng)絡(luò)塊；網(wǎng)絡(luò)中的網(wǎng)絡(luò)（NiN）。它重復(fù)使用由卷積層和1×1卷積層（用來代替全連接層）來構(gòu)建深層網(wǎng)絡(luò);含并行連結(jié)的網(wǎng)絡(luò)（GoogLeNet）。它使用并行連結(jié)的網(wǎng)絡(luò)，通過不同窗口大小的卷積層和最大匯聚層來并行抽取信息；殘差網(wǎng)絡(luò)（ResNet）。它通過殘差塊構(gòu)建跨層的數(shù)據(jù)通道，是計算機視覺中最流行的體系架構(gòu)；稠密連接網(wǎng)絡(luò)（DenseNet）。它的計算成本很高，但給我們帶來了更好的效果。[本章主要內(nèi)容]：7.1深度卷積神經(jīng)網(wǎng)絡(luò)（AlexNet）7.2使用塊的網(wǎng)絡(luò)（VGG）7.3網(wǎng)絡(luò)中的網(wǎng)絡(luò)（NiN）7.4含并行連接網(wǎng)絡(luò)（GoogLeNet）7.5批量規(guī)范化7.6殘差網(wǎng)絡(luò)（ResNet）7.7稠密連接網(wǎng)絡(luò)（DenseNet）[本章重點]：1.深度卷積神經(jīng)網(wǎng)絡(luò)（AlexNet）2.使用塊的網(wǎng)絡(luò)（VGG）3.網(wǎng)絡(luò)中的網(wǎng)絡(luò)（NiN）[本章難點]：1.深度卷積神經(jīng)網(wǎng)絡(luò)（AlexNet）2.使用塊的網(wǎng)絡(luò)（VGG）3.網(wǎng)絡(luò)中的網(wǎng)絡(luò)（NiN）第6部分人工智能與無損檢測[教學(xué)目的與要求]：了解并掌握表面缺陷的概念，使用深度學(xué)習(xí)算法檢測表面缺陷的優(yōu)勢和面臨的常見問題等。[本章主要內(nèi)容]：8.1表面缺陷檢測的概念8.2表面缺陷檢測深度學(xué)習(xí)方法8.3關(guān)鍵問題/痛點8.4缺陷數(shù)據(jù)集[本章重點]：1.表面缺陷檢測深度學(xué)習(xí)方法2.關(guān)鍵問題/痛點[本章難點]：1.表面缺陷檢測深度學(xué)習(xí)方法2.關(guān)鍵問題/痛點五、課內(nèi)實驗無

六、課程學(xué)時分配教學(xué)課次教學(xué)內(nèi)容教學(xué)環(huán)節(jié)與計劃時數(shù)教學(xué)環(huán)節(jié)計劃時數(shù)1線性神經(jīng)網(wǎng)絡(luò)實驗課42多層感知機實驗課43深度學(xué)習(xí)計算實驗課4４卷積神經(jīng)網(wǎng)絡(luò)實驗課65現(xiàn)代卷積神經(jīng)網(wǎng)絡(luò)實驗課86人工智能與無損檢測實驗課6七、課程考核與成績評定7.1考核方式考核環(huán)節(jié)包括課程學(xué)習(xí)過程考核和期末考核考試，其中課程過程考核占總成績的60%，分別由課堂表現(xiàn)、課后作業(yè)進行評定；期末提交課程設(shè)計報告占總成績的40%。各環(huán)節(jié)的比重如下?？己谁h(huán)節(jié)比重合計過程考核（平時成績）課堂表現(xiàn)20%60%作業(yè)40%期末成績課程設(shè)計報告40%40%總計100%100%7.2考核內(nèi)容及要求本課程為考查課?？己藘?nèi)容及分值分配如下?？己朔绞娇己藘?nèi)容分值課程目標總分值期末考查40%提交課程設(shè)計報告40目標1、2、3、4、540分過程考核60%課堂表現(xiàn)課堂測試、出勤情況20目標1、2、3、4、520分課后作業(yè)作業(yè)完成情況40目標1、2、3、4、540分7.3成績評定1.課堂表現(xiàn)課堂表現(xiàn)總分20分，由課堂測試與課堂出勤情況評定。其中，課堂測試滿分10分，以客觀題（填空、選擇、判斷）為主，每學(xué)期隨堂測試15~20次，每次測試1~2道題目，每答錯一道題目扣0.5分（直到扣滿10分為止）；課堂出勤滿分10分，缺勤一次扣1分，遲到或請假扣0.5分。2.課后作業(yè)課后作業(yè)總分40分，由作業(yè)完成情況評定。每學(xué)期布置作業(yè)4次，每次作業(yè)占10分，評分標準如下；評分標準分值標準描述課后作業(yè)10能夠按時認真完成作業(yè)、作業(yè)態(tài)度認真、書寫清楚、分析計算正確。8能夠按時完成作業(yè)、作業(yè)態(tài)度較好、書寫較清楚、分析計算基本正確5能夠按時完成作業(yè)、作業(yè)態(tài)度一般、書寫不清楚、分析計算錯誤較多0不交作業(yè)或作業(yè)態(tài)度不認真、抄襲他人作業(yè)3.期末考查期末考查方式為提交課程設(shè)計報告，計入總成績時乘以60%，在綜合教務(wù)系統(tǒng)中按照設(shè)定的占比系數(shù)錄入成績。八、課程評價與持續(xù)改進8.1課程評價課程評價周期定為每1年評價一次。設(shè)置達成情況目標值，采用成績分析法進行評價。課程達成評價根據(jù)光電信息科學(xué)與工程專業(yè)課程達成評價方法進行計算，評價結(jié)果用于持續(xù)改進。光電系負責(zé)人組織教師實施課程評價，制定持續(xù)改進措施，監(jiān)督持續(xù)改進過程。課程負責(zé)人負責(zé)撰寫課程考核總結(jié)報告，實施課程評價持續(xù)改進。8.2持續(xù)改進1）日常教