9.13智能预测出行方式（课件）-信息技术九年级全册同步备课（浙教版）

第13课 智能预测出行方式 学习目标 通过项目化学习，能设计一个智能预测出行方案；通过预测实践， 能制作出满足预测出行要求的作品。 探究 1.智能预测出行方式需要考虑哪些条件或要素？ 2.如何利用机器为我们的出行提供合理的建议？ 建构 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一 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 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入大量数据，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 日积月累 尽管人工神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。 深度学习模型的结构，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。 三、神经网络实现出行预测 解神经网络进行出行预测的步骤包括数据收集、数据预处理、模型设计、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 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) 随堂练习 请简述人工神经网络的基本结构和工作原理。 谢谢聆听！ INTERNET OF THINGS $$