《图神经网络》课程教学大纲

《图神经网络》教学大纲课程名称：图神经网络课程编号：F062091362英文名称：GraphicNeuralNetworks学时：32学时 学分：2学分开课学期：第4学期适用专业：数据科学与大数据技术课程类别：理论课程性质：专业方向与拓展先修课程：神经网络与深度学习、算法设计与分析、数据挖掘与机器学习一、课程的性质及任务《图神经网络》课程是数据科学与大数据专业学生的专业方向与拓展，依据河北工程大学数据科学与大数据专业培养计划，本课程需要培养学生的能力是：能够将数据科学与大数据技术相关知识用于大数据工程问题解决方案的比较与综合（毕业要求指标1.4）能够站在环境保护和社会可持续发展的角度思考大数据工程实践的可持续性，评价产品周期中可能对人类和环境造成的损害和隐患。（毕业要求指标7.2）能够主动与其他学科背景的成员合作开展工作（毕业要求指标9.2）二、课程目标与要求2.1课程目标1、本课程的目的是提高学生对如神经网络的发展、基本原理和基本概念的理解。2、培养学生计算思维和研究办法以及发现、辨析和解释科学计算与数据科学领域基本现象的能力。3、通过实验、课程设计和项目制作等环节，使学生理解并掌握神经网络与深度学习关键技术。4、以团队合作方式让学生了解目前常用图神经网络，了解学科发展前言，培养学生自我更新知识的能力。5、掌握信息数据分析的基本方法，培养学生数据分析能力。6、通过课程项目的实践应用，掌握图神经网络实现技术，培养学生问题发现与解决能力。7、培养学生书面表达与口头答辩能力。8、培养学生个人分工与团队合作能力。

神经网络与深度学习教学大纲PAGE16PAGE152.2课程目标与毕业要求对应关系课程目标毕业要求二级指标毕业要求12345678●●●1-4能够将数据科学与大数据技术相关知识用于大数据工程问题解决方案的比较与综合。1.工程知识应用能力：具有扎实的数学与自然科学知识和工程基础，系统地掌握数据科学与大数据技术领域的基本理论、基础知识，并综合运用所学知识解决复杂工程问题。●●7-2能够站在环境保护和社会可持续发展的角度思考大数据工程实践的可持续性，评价产品周期中可能对人类和环境造成的损害和隐患。7.环境和可持续发展：具有环境保护和可持续发展意识，能够理解和评价针对大数据应用领域的复杂工程问题的工程实践对环境、社会可持续发展的影响。●●●●9-2能够主动与其他学科背景的成员合作开展工作。9.个人和团队：具有健康的体魄和良好的综合素质，能够正确理解多学科背景下团队中个体、团队成员以及负责人的角色，并承担其责任与义务。2.3课程目标与培养环节对应矩阵序号课程目标理论教学课内实验课后作业1本课程的目的是提高学生对图神经网络与深度学习的发展、基本原理和基本概念的理解。HL2培养学生计算思维和研究办法以及发现、辨析和解释科学计算与数据科学领域基本现象的能力。HL3通过实验、课程设计和项目制作等环节，使学生理解并掌握图神经网络与深度学习关键技术。HL4以团队合作方式让学生了解目前常用图神经网络，了解学科发展前言，培养学生自我更新知识的能力。HL5掌握信息数据分析的基本方法，培养学生数据分析能力。MH6通过课程项目的实践应用，掌握图神经网络实现技术，培养学生问题发现与解决能力。MM7培养学生书面表达与口头答辩能力。MM8培养学生个人分工与团队合作能力。HL注：H表示该能力的在此环节重点培养；M表示该能力在此环节有应用要求；L表示该能力在此环节有所涉及。数据科学与大数据技术课程教学大纲PAGE2PAGE12.4目标达成度的评价1、课程目标1、2、3、4主要通过理论教学环节进行培养，在课后作业中有所涉及。主要通过课堂测试、课后作业和期末考试中概念性、原理性题目进行考核。目标达成综合以上内容进行评价。2、课程目标5主要通过理论教学环节、课后作业进行培养，在课内实验有应用要求。目标达成综合以上内容进行评价。3、课程目标6主要通过理论教学环节进行培养。目标达成综合以上内容进行评价。4、课程目标7主要通过理论教学环节进行培养，在课后作业、课内实验有应用要求。目标达成综合以上内容进行评价。5、课程目标8主要通过课内实验培养，在课后作业中有所涉及。目标达成综合以上内容进行评价。三、教学方法及手段理论教学以课堂讲授为主，面向基础知识的准确、扎实掌握，突出对原理的分析、对方法的总结以及理论体系的完整建立；课程强调学生的自主学习，强调通过自学的方式消化、吸收课程的庞大知识量，并在此基础上举一反三。四、课程的基本内容与教学要求（一）图论基础（4课时）图的基本概念和表示方法无向图、有向图、加权图邻接矩阵、邻接表图的遍历算法深度优先搜索、广度优先搜索图的基本性质和度量度、连通性、最短路径（二）神经网络基础（6课时）神经元模型输入、输出、激活函数多层感知机前向传播、反向传播常见的神经网络架构卷积神经网络、循环神经网络（三）图神经网络基础（6课时）图卷积神经网络（GCN）原理和公式推导频谱域和空域的GCN对比图注意力网络（GAT）注意力机制在图中的应用模型结构和训练方法图采样和池化操作随机采样、重要性采样图池化方法介绍（四）图神经网络的训练和优化（4课时）损失函数和优化算法交叉熵损失、均方误差损失随机梯度下降、Adagrad、Adadelta等过拟合和欠拟合的处理正则化方法（L1、L2正则化）早停法、Dropout模型评估指标准确率、召回率、F1值平均精度均值（mAP）（五）图神经网络的应用（8课时）1、社交网络分析好友推荐、社区发现案例：Facebook社交网络分析2、生物信息学蛋白质相互作用网络分析基因调控网络预测3、推荐系统基于图的推荐算法案例：淘宝商品推荐系统4、交通网络预测交通流量预测路径规划优化（六）前沿研究与拓展（2课时）最新的图神经网络研究进展图生成网络、异构图神经网络图神经网络与其他技术的结合与强化学习的结合、与自然语言处理的结合（七）课程总结与复习（2课时）课程内容总结重点和难点回顾五、课程学时分配讲次授课章节内容学时分配讲课实验上机设计其他1图论基础22图论基础23神经网络基础24神经网络基础25神经网络基础26图神经网络基础27图神经网络基础28图神经网络基础29图神经网络的训练和优化210图神经网络的训练和优化211图神经网络的应用212图神经网络的应用213图神经网络的应用14图神经网络的应用15前沿研究与拓展16课程总结与复习注：实验课由实验教师负责协调安排时间，原则上安排在课堂教学结束后、考试之前一周以上完成。七、课程考核与成绩评定7.1考核方式考核环节包括课程学习过程考核和期末考试，其中课程过程考核占总成绩的40%，分别由课堂表现、课后作业、实验情况进行评定；期末考试成绩占总成绩的60%。各环节的比重如下。考核环节比重合计过程考核（平时成绩）课堂表现20%40%作业20%期末成绩期末测试60%60%总计100%100%7.2考核内容及要求本课程为考试课。考核内容及分值分配如下。考核方式考核内容分值课程目标总分值期末考核60%对神经网络基础概念的理解2～4目标1100分对图神经网络的理解2～5目标2、7图神经网络如何应用在各行各业中5～15目标5、6、7图神经网络的经典算法5～15目标3选题完成情况5～10目标5、6团队协作10～20目标4、5、6个人表现5～15目标4、5、6文档整体写作情况15～30目标4、5、6过程考核40%课堂表现课堂测试、出勤情况15目标1、2、3、4、5、6、715分课后作业作业完成情况15目标2、3、4、6、715分7.3成绩评定1.课堂表现课堂表现总分15分，由课堂测试与课堂出勤情况评定。其中，课堂测试满分10分，以客观题（填空、选择、判断）为主，每学期随堂测试15~20次，每次测试1~2道题目，每答错一道题目扣0.5分（直到扣满10分为止）；课堂出勤满分5分，缺勤一次扣1分，迟到或请假扣0.5分。2.课后作业课后作业总分15分，由作业完成情况评定。每学期布置作业5次，每次作业占3分，评分标准如下；评分标准分值标准描述课后作业3能够按时认真完成作业、作业态度认真、书写清楚、分析计算正确。2能够按时完成作业、作业态度较好、书写较清楚、分析计算基本正确1能够按时完成作业、作业态度一般、书写不清楚、分析计算错误较多0不交作业或作业态度不认真、抄袭他人作业3.期末考试采用闭卷考试形式进行，期末成绩为百分制，计入总成绩时乘以60%，由教务处安排考试流程，考试内容须覆盖支撑全部毕业要求指标的授课内容，考试完成后在综合教务系统中按照设定的占比系数录入成绩。八、课程评价与持续改进8.1课程评价课程评价周期定为每1年评价一次。设置达成情况目标值，采用成绩分析法进行评价。课程达成评价根据专业课程达成评价方法进行计算，评价结果用于持续改进。负责人组织教师实施课程评价，制定持续改进措施，监督持续改进过程。课程负责人负责撰写课程考核总结报告，实施课程评价持续改进。8.2持续