陈豪 吴健

摘  要：针对在人工智能教学当中，学生掌握线性回归之后对其他的初等函数的拟合实现产生的疑问，进行简单的教学研究。主要采用TensorFlow开源软件库，利用Python语言来编写神经网络程序。对于已有的呈现正弦波样态分布的点的集合进行训练，并通过调整训练参数最终得到拟合成功的正弦波模型，可以为其他的初等函数的拟合及以后基于训练模型的预测研究提供一些见解。

关键词：TensorFlow;Python;神经网络;正弦波;拟合

中图分类号：TP183;O174      文献标识码：A 文章编号：2096-4706（2019）21-0004-03

Abstract：We mainly focus on the questions of the fitting of other primary functions after students master linear regression in AI teaching，and then carries out some simple teaching research. It mainly uses TensorFlow open source software library and uses Python language to write neural network program. By training the existing set of points which present the distribution of sinusoidal wave patterns and adjusting the training parameters，the sinusoidal wave model can be successfully fitted，which can provide some insights for the fitting of other elementary functions and the prediction research based on the training model in the future.

Keywords：TensorFlow;Python;neural network;sine wave;fitting

0  引  言

在人工智能基础课程的教学中，对于线性回归的理解是掌握其他各种复杂的算法规律的第一步，紧接之后要学习的就是根据线性方程进行数据归类的预测。在各类基础的人工智能教学材料中，都将线性回归放在最前面予以讲授。在实际的教学过程中，因为学生对于線性方程在中学阶段已有掌握，对于线性回归的知识理解起来也并无大的障碍。但是掌握了线性回归之后，会自然而然地引向非线性的情况，应该如何进行回归计算并得出判断结论。提炼后，得到学生提出的具体问题是：在已知的初等函数中，除了线性方程外，是否其他的函数，如幂函数、对数函数、三角函数等的方程式皆可以成为回归的判断结论？本文就这个疑问，从初等函数中选取正弦波函数进行针对性的初步研究。

1  搭建环境与建立数据集

在人工智能的教学中主要采用主流的TensorFlow开源软件库，Google作为其开发者已经推广多年，各种开发环境与插件较为完善。……