PAGE10
PAGE10
PAGE9
PAGE9
课题
项目四使用深度神经网络构建声学模型
课时
4课时（180min）
教学目标
知识目标：
（1）理解深度神经网络的基本原理
（2）了解深度神经网络的常见结构
（3）掌握构建深度神经网络相关函数的使用方法
（4）理解深度神经网络—隐马尔可夫模型的工作原理
（5）掌握深度神经网络—隐马尔可夫模型的训练流程
技能目标：
（1）能够成功导入数字命令语音文件
（2）能够编写程序，利用深度神经网络—隐马尔可夫模型进行数字命令的语音识别
素养目标：
（1）学习科技前沿新技术，增强创新意识，培养探究精神
（2）理解深度神经网络—隐马尔可夫模型的基本原理，培养吃苦耐劳的奋斗精神
教学重难点
教学重点：深度神经网络的基本原理、常见结构，深度神经网络—隐马尔可夫模型的工作原理
教学难点：构建深度神经网络相关函数的使用方法、深度神经网络—隐马尔可夫模型的训练流程
教学方法
案例分析法、问答法、讨论法、讲授法
教学用具
电脑、投影仪、多媒体课件、教材
教学过程
主要教学内容及步骤
考勤
【教师】使用APP进行签到
【学生】班干部报请假人员及原因
问题导入
【教师】播放“人工神经网络”视频（详见教材），并提出以下问题：
（1）什么是人工神经网络？
（2）人工神经网络如何模拟人脑对信息进行处理？
【学生】聆听、思考、举手回答
传授新知
【教师】通过学生的回答引入要讲的知识，讲解深度神经网络的基本原理、常见结构，深度神经网络—隐马尔可夫模型的工作原理，构建深度神经网络相关函数的使用方法，以及深度神经网络—隐马尔可夫模型的训练等知识
4.1深度神经网络
传统的语音建模工具（如GMM-HMM）无法准确地描述语音内部复杂的结构，且建模和表征能力不强，因此在应用过程中仍然存在着鲁棒性差（鲁棒性指的是一个模型对于数据中的噪声、异常值或其他干扰因素的抵抗能力）、识别率低等突出问题。随着深度学习技术的崛起，特别是深度神经网络（deepneural_network,DNN）成功应用于计算机视觉和自然语言处理等领域之后，人们开始尝试将深度神经网络引入语音识别领域以改进性能。……（详见教材）
4.1.1深度神经网络的基本原理
1．生物神经元
?【教师】利用多媒体展示“生物神经元结构”图片（详见教材），并进行讲解
生物神经元是生物神经网络结构和功能的基本单位，由细胞体和细胞突起组成，如图所示。
细胞体是神经元的核心，由细胞核和细胞质等组成。细胞突起由树突和轴突组成，树突是神经元的输入，可以接收刺激并将兴奋传递给细胞体；轴突是神经元的输出，可以将自身的兴奋状态从细胞体传送到另一个神经元或其他组织。神经元之间通过树突和轴突的连接点（即突触）连接。通过突触，神经元可以接收其他神经元的刺激，并且发送信号给其他神经元。
……（详见教材）
2．M-P神经元模型
?【教师】利用多媒体展示“M-P神经元模型”图片（详见教材），并进行讲解
人们通过对生物神经元进行研究，提出了人工神经元模型，人工神经元是神经网络的基本单元。1943年，神经生理学家沃伦·麦卡洛克和数学家沃尔特·皮兹提出了M-P神经元模型，模拟实现了一个多输入单输出的信息处理单元，如图所示。
对于M-P神经元模型，它可能同时接收许多个输入信号，用表示，用于模拟生物神经元的树突，接收来自其他神经元的信号，这些信号的来源不同，对神经元的影响也不同，因此给它们分配了不同的权重。计算单元模拟生物神经元中的细胞核，对接收到的输入信号加权求和后，与产生神经兴奋的阈值θ相减，得到中间值z，通过激活函数f（激活函数采用阶跃函数）模拟神经兴奋。例如，当z的值小于0时，神经元处于抑制状态，输出为0；当z的值大于或等于0时，神经元被激活，处于兴奋状态，输出为1。输出y模拟生物神经元中的轴突，将神经元的输出信号传递给其他神经元。M-P神经元模型可用如下公式表示。
……（详见教材）
3．感知机
感知机是由弗兰克·罗森布拉特于?1957?年提出的。它是最简单的人工神经网络，是一种广泛使用的线性分类器。
?【教师】利用多媒体展示“单层感知机模型”图片（详见教材），并进行讲解
感知机由输入层和输出层两层神经元组成，输入层接收外界输入的多个信号后，会传输给输出层（输出层是M-P神经元），由输出层进行数据处理，然后输出分类结果，如图所示。其中，，，，为输入信号，y为输出信号，，，，为权重，b为神经元的阈值θ，由于神经元的阈值也是一个可学习的参数，并且是一个常数，因此将其转化为偏置项，显然。
当输入信号被送往输出层时，输出层神经元对数据进行处理的过程为，输入信号乘以各自的权重后求和，加上偏置b，再由激活函数处理得到输出y，可用如下公式表示。
……（详见教材）
4．多层感知机
?【教