初中信息技术第13课 智能预测出行方式获奖课件ppt

这是一份初中信息技术第13课 智能预测出行方式获奖课件ppt，文件包含新课标浙教版2023信息技术九上13《智能预测出行方式》课件pptx、新课标浙教版2023信息技术九上13《智能预测出行方式》教案doc、131人工智能预测出行硬件实例mp4、132人工智能趣味科普5分钟快速了解深度学习mp4等4份课件配套教学资源，其中PPT共28页， 欢迎下载使用。
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。
智能预测出行方式需要考虑以下条件和要素：
利用机器为我们的出行提供合理的建议
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。
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。
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。
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Pythn 代码：
三、神经网络实现出行预测
数据集分出训练集和测试集
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。
请简述人工神经网络的基本结构和工作原理。
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。
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。
我们今天提到了深度学习，那么我们来了解下深度学习吧！
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。