资源简介

中小学教育资源及组卷应用平台
第13课 智能预测出行方式
课题 第13课 智能预测出行方式 单元 第三单元 学科 信息技术 年级 九年级
教材分析 教材简要介绍人工神经网络和深度学习的基本原理，如神经元、层、激活函数等基本概念，并重点讲解它们在出行预测中的应用。教材中应包含基于神经网络的出行预测实践项目，让学生亲自动手实现一个简单的预测模型。这有助于他们理解理论知识，并提高其实际操作能力。
学习目标 实践意识：学生能够通过实际动手操作，将理论知识转化为实践操作，从而加深对信息技术的理解和应用。鼓励学生积极参与项目化学习，通过实际操作完成智能预测出行方案的设计，培养其独立解决问题的能力。在设计智能预测出行方案的过程中，激发学生的创新思维，鼓励他们尝试不同的方法和策略，以寻找最佳的解决方案。社会责任：通过智能预测出行方案的设计和实践，引导学生关注城市交通拥堵、环境污染等社会问题，并尝试通过技术手段为解决这些问题贡献自己的力量。培养学生的社会责任感和使命感，使他们能够运用所学知识为社会做出积极的贡献。在项目化学习的过程中，鼓励学生进行团队协作，共同完成任务。通过有效的沟通和协作，培养学生的团队合作精神和沟通能力。
重点 人工神经网络和深度学习的基础概念，如神经元、层、激活函数。神经网络在出行预测中的实际应用，如何通过数据收集、处理、模型训练等步骤实现预测
难点 人工神经网络和深度学习的基础概念，如神经元、层、激活函数。神经网络在出行预测中的实际应用，如何通过数据收集、处理、模型训练等步骤实现预测。
教学过程
教学环节 教师活动 学生活动 设计意图
导入新课 通过视频播放，让学生了解硬件实现预测出行功能的实例,对今日所学内容有个基础了解智能预测出行方式需要考虑哪些条件或要素 如何利用机器为我们的出行提供合理的建议 观看硬件实现预测出行功能的实例的视频，也可以自己上手做做看学生讨论问题，举手回答问题 帮助学生了解硬件实现预测出行功能的实例,对今日所学内容有个基础了解。通过头脑风暴的方式让学生从现实生活中去挖掘智能预测出行方式考虑的条件和要素。打开课堂
讲授新课 神经网络模型用于智能预测出行，需要采集出行相关的数据，对数据进行预处理和特征提取，将数据划分为训练集和测试集;选择适合的模型进行训练和测试，并将训练好的模型应用到实际出行预测中，提高出行效率和降低出行成本。一、人工神经网络人体内有大量神经细胞，也叫神经元。神经细胞通过相互联系构成了个功能强大、结构复杂的信息处理系统--人体神经系统。人能够思考并从事各种各样的复杂工作，是因为身体内部微小的神经细胞起着作用。科学家受到人体神经细胞的启发，把每个神经细胞抽象成一个叫作神经元模型的基本信息单元，把许多这样的信息单元按一定的层次结构连接起来，就得到人工神经网络。通过输入层给人工神经网络输人大量数据，由神经元模型构成的多层神经网络对这些数据进行计算，从而得到需要输出的结果。如图13-1所示，给计算机输入猫的图片数据，需要计算机输出是否为猫的判断。将图片数据输入给人工神经网络，第一层神经网络会提取图片的初始特征，然后输人给第二层神经网络，第二层神经网络会把上一层提取的特征通过参数调节的方式进一步细化，再输人给下一层神经网络，以此类推经过多层神经网络的处理，最终得到猫的特征模型，利用特征模型做出是否为猫的判断。日积月累尽管人工种经网络是科学家们受到人体神经细胞的启发而发明的，但人工神经网络的信息处理能力与人体神经系统相差甚远。人工神经网络的种类很多，如卷积神经网络、循环神经网络等，不同算法实现不同用途。科学家们也在努力研究新的算法，从而让人工神经网络逐渐接近人体神经系统处理信息的能力。二、深度学习深度学习是机器学习训练模型的一种算法，是人工神经网络算法的拓展。典型的深度学习模型就是多层神经网络。深度学习型的结构如图13-1所示，就像人工神经网络一样有输入层、输出层，中间是神经网络构成的隐层。隐层的工作流程是一个一层一层不断递进的处理过程。一般情况下，我们把超过四层的人工神经网络称为深度学习。深度学习通过构建具有很多隐层的机器学习模型和海量的训练数据，来学习更有用的特征，从而最终提升计算机处理新数据的准确性。深度学习可以通过构建卷积神经网络(CNN)来进行图像识别。CNN可以自动从图像中提取出更有用的特征，从而实现对不同物体的识别。三、神经网络实现出行预测使用神经网络进行出行预测的步骤包括数据收集、数据预处理、模型设模型训练、模型优化等下面仅呈现实现数据输入部分的Python 代码： # 导入所需模块import tensorflow as tf from sklearn import datasets from matplotlib import pyplot as pltimport numpy as np数据集读入:#导入数据，分别为输入特征和标签x_data= datasets.load traffic().datay_data = datasets.load traffic().target数据集乱序# 随机打乱数据(因为原始数据是顺序的,顺序不打乱会影响准确率)# seed:随机数种子,是一个整数,当设置之后,每次生成的随机数都一样np.random.seed(116) #使用相同的seed,保证输入特征和标签一一对应np.random.shuffle(x_data)np.random.seed(116)np.random.shuffle(y_data)tf.random.set_seed(116)数据集分出训练集和测试集# 将打乱后的数据集分割为训练集和测试集，训练集为前120行，测试集为后 30行x_trainx_data[:-30]y train ≠y data[:-30]xtest =x_data[-30:]y test =y_data[-30:] 学生认真学习并掌握相关知识，了解人工神经网络和深度学习的概念，利用python完成深度学习的变成认真学习和了解 了解人工神经网络和深度学习的概念，利用python完成深度学习的变成 了解人工神经网络与人体神经细胞的区别
课堂练习 随堂练习请简述人工神经网络的基本结构和工作原理。 通过查阅百度或其它资料，回答随堂练习答案 锻炼学生查阅资料分析总结、信息处理、演讲表达等能力
课堂小结 本节课我们通过项目化学习，掌握了如何设计智能预测出行方案，并通过实践制作了满足要求的作品。我们学习了需求分析、数据收集处理、模型构建与优化等关键步骤，并将理论知识应用于实际作品制作中。通过团队合作与问题解决，我们提升了综合能力和解决问题的技巧。这次学习不仅增强了我们的实践能力，也激发了对智能出行领域未来发展的兴趣。 分组总结归纳 锻炼学生的总结能力，加强逻辑思维和语言表达能力
板书 智能预测出行方式知识点一、人工神经网络二、深度学习三、神经网络实现出行预测随堂练习请简述人工神经网络的基本结构和工作原理。 根据知识点学习相应内容，完成相应随堂练习 明确教学内容及重点和难点
21世纪教育网 www.21cnjy.com 精品试卷·第 2 页 （共 2 页）
HYPERLINK "http://www.21cnjy.com/" 21世纪教育网(www.21cnjy.com)(共30张PPT)
第13课 智能预测出行方式
浙教版九年级上册
内容总览
教学目标
01
新知导入
02
新知讲解
03
随堂练习
04
拓展延伸
05
课堂总结
06
目录
教学目标
实践意识：
学生能够通过实际动手操作，将理论知识转化为实践操作，从而加深对信息技术的理解和应用。
鼓励学生积极参与项目化学习，通过实际操作完成智能预测出行方案的设计，培养其独立解决问题的能力。
在设计智能预测出行方案的过程中，激发学生的创新思维，鼓励他们尝试不同的方法和策略，以寻找最佳的解决方案。
教学目标
社会责任：
通过智能预测出行方案的设计和实践，引导学生关注城市交通拥堵、环境污染等社会问题，并尝试通过技术手段为解决这些问题贡献自己的力量。
培养学生的社会责任感和使命感，使他们能够运用所学知识为社会做出积极的贡献。
在项目化学习的过程中，鼓励学生进行团队协作，共同完成任务。通过有效的沟通和协作，培养学生的团队合作精神和沟通能力。
新知导入
我们学习了如何构建预测模型。今天，我们要学习利用代码实现预测出行的功能。那么就来看一个具体的可运行的智能预测出行的硬件实例吧
新知导入
新知导入
智能预测出行方式需要考虑哪些条件或要素
如何利用机器为我们的出行提供合理的建议
新知导入
我们熟悉的语音识别和图像识别在应用中存在以下安全隐患：
智能预测出行方式需要考虑以下条件和要素：
01
交通特性
02
地区特性
03
天气条件
04
时间特性
05
实时交通信息
新知导入
我们熟悉的语音识别和图像识别在应用中存在以下安全隐患：
利用机器为我们的出行提供合理的建议
02
03
·
04
数据整合与分析
优化算法设计
机器学习模型构建
01
05
数据收集与处理
实时更新与反馈
新知讲解
相关知识
人工神经网络
深度学习
新知讲解
神经网络模型用于智能预测出行，需要采集出行相关的数据，对数据进行预处理和特征提取，将数据划分为训练集和测试集;选择适合的模型进行训练和测试，并将训练好的模型应用到实际出行预测中，提高出行效率和降低出行成本。
新知讲解
人体内有大量神经细胞，也叫神经元。神经细胞通过相互联系构成了个功能强大、结构复杂的信息处理系统--人体神经系统。人能够思考并从事各种各样的复杂工作，是因为身体内部微小的神经细胞起着作用。
一、人工神经网络
新知讲解
科学家受到人体神经细胞的启发，把每个神经细胞抽象成一个叫作神经元模型的基本信息单元，把许多这样的信息单元按一定的层次结构连接起来，就得到人工神经网络。通过输入层给人工神经网络输人大量数据，由神经元模型构成的多层神经网络对这些数据进行计算，从而得到需要输出的结果。
一、人工神经网络
新知讲解
如图13-1所示，给计算机输入猫的图片数据，需要计算机输出是否为猫的判断。将图片数据输入给人工神经网络，第一层神经网络会提取图片的初始特征，然后输人给第二层神经网络，第二层神经网络会把上一层提取的特征通过参数调节的方式进一步细化，再输人给下一层神经网络，以此类推经过多层神经网络的处理，最终得到猫的特征模型，利用特征模型做出是否为猫的判断。
一、人工神经网络
图13-1
日积月累
尽管人工种经网络是科学家们受到人体神经细胞的启发而发明的，但人工神经网络的信息处理能力与人体神经系统相差甚远。人工神经网络的种类很多，如卷积神经网络、循环神经网络等，不同算法实现不同用途。科学家们也在努力研究新的算法，从而让人工神经网络逐渐接近人体神经系统处理信息的能力。
新知讲解
深度学习是机器学习训练模型的一种算法，是人工神经网络算法的拓展。典型的深度学习模型就是多层神经网络。深度学习型的结构如图13-1所示，就像人工神经网络一样有输入层、输出层，中间是神经网络构成的隐层。隐层的工作流程是一个一层一层不断递进的处理过程。一般情况下，我们把超过四层的人工神经网络称为深度学习。
二、深度学习
新知讲解
深度学习通过构建具有很多隐层的机器学习模型和海量的训练数据，来学习更有用的特征，从而最终提升计算机处理新数据的准确性。
深度学习可以通过构建卷积神经网络(CNN)来进行图像识别。CNN可以自动从图像中提取出更有用的特征，从而实现对不同物体的识别。
二、深度学习
新知讲解
使用神经网络进行出行预测的步骤包括数据收集、数据预处理、模型设模型训练、模型优化等
下面仅呈现实现数据输入部分的Python 代码：
三、神经网络实现出行预测
# 导入所需模块
import tensorflow as tf from sklearn
import datasets from matplotlib
import pyplot as plt
import numpy as np
新知讲解
数据集读入:
三、神经网络实现出行预测
#导入数据，分别为输入特征和标签
x_data= datasets.load traffic().data
y_data = datasets.load traffic().target
数据集乱序
# 随机打乱数据(因为原始数据是顺序的,顺序不打乱会影响准确率)
# seed:随机数种子,是一个整数,当设置之后,每次生成的随机数都一样
np.random.seed(116) #使用相同的seed,保证输入特征和标签一一对应
np.random.shuffle(x_data)
np.random.seed(116)
np.random.shuffle(y_data)
tf.random.set_seed(116)
新知讲解
数据集分出训练集和测试集
三、神经网络实现出行预测
# 将打乱后的数据集分割为训练集和测试集，训练集为前120行，测试集为后 30行
x_trainx_data[:-30]
y train ≠y data[:-30]
xtest =x_data[-30:]
y test =y_data[-30:]
新知讲解
由于机器学习的结果受到各种外界条件的影响，目前大部分的通过训练形成的模型，很难达到100%正确率，就像我们利用指纹解锁手机，并不是每次都能够解锁成功一样。因此，我们会把正确率高于某个百分率的模型认为是训练成功的模型。
三、神经网络实现出行预测
随堂练习
请简述人工神经网络的基本结构和工作原理。
随堂练习
基本结构：
人工神经网络由大量的人工神经元相互连接而成，这些神经元组成了不同的层次，主要包括输入层、隐藏层和输出层。输入层负责接收外部输入信息，隐藏层对输入信息进行加工处理，输出层产生最终的输出结果。每一层中的神经元都与下一层的神经元相连，形成复杂的网络结构。
随堂练习
工作原理：
人工神经网络的工作原理主要基于神经元的激活和连接权重的调整。每个神经元都有一个激活函数，用来决定神经元是否激活并传递信号。当神经元的输入信号超过一定阈值时，神经元会被激活，并向下一层传递信号。
拓展延伸
我们今天提到了深度学习，那么我们来了解下深度学习吧！
拓展延伸
课堂总结
本节课我们通过项目化学习，掌握了如何设计智能预测出行方案，并通过实践制作了满足要求的作品。我们学习了需求分析、数据收集处理、模型构建与优化等关键步骤，并将理论知识应用于实际作品制作中。通过团队合作与问题解决，我们提升了综合能力和解决问题的技巧。这次学习不仅增强了我们的实践能力，也激发了对智能出行领域未来发展的兴趣。
板书设计
智能预测出行方式
知识点
一、人工神经网络
二、深度学习
三、神经网络实现出行预测
随堂练习
请简述人工神经网络的基本结构和工作原理。
谢谢
21世纪教育网（www.21cnjy.com)
中小学教育资源网站
兼职招聘：
https://www.21cnjy.com/recruitment/home/admin

展开更多......

收起↑