教学背景

高中学生初次接触人工智能，兴趣浓厚、积极性高，但缺乏人工智能基础知识，不能与当前所学学科内容结合，所以教学中应从如何注重基础知识，如何与高中学生现有阶段的知识水平相结合2个维度推动人工智能的普及，不断激发学生的学习兴趣。　　

教学主题

本节课基于感知器教学，它是一种训练线性分类器的算法，它的主要想法是利用被误分类的训练数据调整现有分类器的参数，使得调整后的分类器判断得更加准确。感知器是机器学习的一种训练算法，采用监督学习方法，在其中融入迭代算法思想。此外，感知器也被指为单层的人工神经网络，掌握了感知器相关知识，可为以后学习神经网络打下扎实基础。

本节主要内容是如何能够合理设计感知器初始参数及学习率，训练感知器分类器。感知机主要的本质缺陷是它不能处理线性不可分问题。作为一种线性分类器，（单层）感知机可说是最简单的前馈人工神经网络形式。感知器属于监督学习，给定了分类的数据和标签，尽管结构简单，却能够学习并解决相当复杂的问题。

实施步骤

什么是感知器

感知器是Frank Rosenblatt在1957年时所发明的一种人工神经网络，它可以被视为一种最简单形式的前馈式人工神经网络，是一种二元线性分类器。感知器模型可以对简单的数据节点进行分类，这个发现引起了第一波的AI浪潮。因为人们认为简单的感知器可以实现分类功能，那通过组合可以实现更复杂的功能，但后面发现感知器无法模拟异或运算，无法处理非线性问题，第一波浪潮就这样沉入了低谷。

感知器学习算法，这种算法包括感知器学习、最小二乘法和梯度下降法。可将训练数据进行线性划分的分离超平面，从而求得感知器模型。

设计意图：通过学习感知器的历史，能让学生进一步认识感知器，对其优点和缺点进一步了解，为后来学习深度神经网络作好铺垫。