第 3 章
深度学习与神经网络
理解神经网络的基本结构、反向传播原理及深度学习在 AI 中的核心地位。
学习目标
- 理解神经元、层、激活函数等基本概念
- 了解 CNN、RNN 等典型网络结构
- 认识 GPU 算力对深度学习发展的推动作用
- 了解深度学习在图像、语音、文本领域的应用
核心知识
- 感知机与多层神经网络
- 反向传播与梯度下降
- 卷积神经网络（CNN）适用于图像任务
- Transformer 架构的兴起
信息科大案例
沙河校区高教园区拥有完善的实验条件，学生可在深度学习实验中体验 GPU 加速训练，感受信息学科"智慧科技"的冷色调创新气质。
思考题
- 深度学习与传统机器学习的主要区别是什么？
- 为什么 CNN 特别适合处理图像数据？
- 深度学习模型"黑箱"问题如何理解？
本章关联
信息科大电子信息类学科为深度学习应用提供了硬件与算法结合的实践平台。
「勤以为学，信以立身」
北京信息科技大学 · 校庆日 5月18日