《bp》教案

第一篇：《bp》教案

教学目的

1.学习bp两个声母的音、形，能正确书写。

2.学习声韵相拼的拼音方法，为直呼音节打好基础。

3.学习bp与单韵母aoiu相拼的音节。

教学重点

学习、掌握拼音方法，能正确发音。

教学难点 *

声韵相拼能正确发音。

教学准备

1.教师用教学挂图

2.讲拼音方法用的活动教具或幻灯片

教学课时

2课时

第一课时

教师谈话：我们已经学会了单韵母ao ei u.今天我们来学习声母。学会了声母就可以自己去拼音，去读书了。

板书课题b p并读出字母的音。

一、学习字母b

(一)出挂图1，学习字母的音

问：图上的小朋友在做什么?

讲：听广播的播，声音读得轻短些就是b的音，发音时双唇紧闭，突然放开，就发出b的音。声母的音都不太响亮，要读得响亮就会带出bobo是呼读音的音来。

板书：bo

教师范读bbo

学生学读bbo

(本音要读得很轻很短，读得响亮了就是呼读音。)

(二)观察图与字母的联系，学习b的形

问：b与图中那一部分很像呢?

(半导体收音机的外形与b相似，抽出的天线很像b的一竖。)

(三)指导书写

讲：b的笔顺是，先从一线下面一点起笔，写|到三线停笔，再在中格写右半圆

学生在本上学写字母12个。

二、学习字母p

(一)出示挂图2，学习字母的音

问：图上的小朋友在做什么?

讲：泼水的泼读得轻短些就是p的音，发音时要把嘴里的气送出口外，读得声音响亮些就会带出o的音来。

板书：po

教师范读p popo

学生学读p po

(二)观察图与字母，学习p的形

问：p与图中哪部分很像呢?

(泼出的水与盆合起来很像p)

(三)指导书写

讲：p的笔顺是从二线起笔写|到四线上面一点收笔，然后在中格写

学生在本上抄写12个。

课中休息：做小游戏，举左手说：举手是b，放下左手说：放手是p。

三、巩固练习

(一)用卡片检查学生bp的读音是否又准又快。1.集体齐读。

2.按行读，一人读完后一个人马上读。

3.打乱顺序加入单韵母练习读。

(二)练习写字母

板书设计：

第二课时

谈话：声母和韵母是可以做朋友的。今天这一节课我们就来学习一个声母和一个单韵母做朋友，我们把他叫做声韵相拼。

一、演示教具，讲拼音方法

(一)先出示，再出示，让两个字母快速地向中间碰撞成为音节ba。

讲：声母和韵母相拼时，一定要读声母的本音，读得又轻又短，然后很快地与韵母连读就会拼出音来。如：轻读b，重读a，一口气碰出ba。

教儿歌：前音轻短，后音重，两音相连猛一碰。

注意：韵母带调时要直接读出声调。

如：b2b2 2要直接读二声。

二、巩固拼音方法，练习拼读

(一)教师边出图，边出音，学生拼读练习

b1 b1八个

b2 b2拔萝卜

b3 b3打靶

b4 b4爸爸

课中休息：游戏，把声母和单韵母做成头饰，学生带在头上进行拼音练习。

(二)看板书，练习p与ao iu相拼

板书：

练习方法：

1.认清声母和韵母。

2.声韵相拼，出音要准。

3.拼读速度由慢到快。

(三)看图练习拼读，读准音

(图见课本)方法：主要靠学生自读音节来巩固拼音方法，提高读准音的质量。

三、直呼训练

板书：ba bo bi bu pa po pi pu 采用从口拼向心里拼过渡的方法，把拼的过程放在心里嘴里不出声，然后一下呼出音节。

第二篇：声母bp教案

教学目标：

1、学会 b p m f四个声母，读准音，认清形，正确书写。

2、学会声母b和单韵母a拼成音节的方法。

3、学会带声调拼读音节及b p m f与单韵母组成的音节。

4、初步学会读轻声。

5、认识“爸、妈、我”三个生字，能在一定的语境中运用。教学重点：b p m f的发音方法及音节的拼读方法。

教学难点：韵母带调拼音。课前准备：字母卡片、插图、投影片、学生每人准备一张小纸条。教学时间：3课时 第 一 课 时 课时目标：

1、能够根据书上bá、pá两幅挂图说一句完整的话。

2、初步学会b p两个声母，能认清形，读准音。

3、初步学会b p与单韵母的拼音。能够知道一口呼的拼法。教学过程：

（一）复习检查：

1、卡片认读带调单韵母。

2、指名认读声母y w。读后提问：它们叫什么？（声母）它读起来要又轻又短。

（二）新课导入。我们学习单韵母是为了跟声母拼音。一个声母和一个单韵母能拼出一个音节。如果我们学会了声母和韵母，掌握了拼音方法，自己就能认识很多很多的汉字。今天，我们要学会4个声母以及它们和单韵母拼音的方法。哪位小朋友还记得声母发音时要注意什么？（注意的声母时，要读得又轻又短。）

（三）教学声母b。

1、看投影说话，引出 b ：图上画了谁在干什么？ 学生练说：“小红正在认真地听广播”或“拉出天线听广播” 师小结引出，小红听得可认真啦！广播的“播”声母是b。板书：b2、教学b的发音，记清形。声母发音时，要注意：学声母，看口形，听清音，记住形。

（1）教师范读，讲解发音要领：双唇紧闭，然后突然张开，读得轻又短。（开火车）

（2）记字形：覆盖b在收音机上。“b”像什么？（b像一个大肚子。b像个6。）

教顺口溜：像个6字b b b，右下半圆b b b。

（3）书写：b是一笔写成，先竖再弯。结合四线三格的位置讲解。

（四）教学b和a的拼音。

1、看图引出bá：图上画的是谁？他在干什么？

2、仔细看图，小朋友拔了一只怎样的萝卜？（小朋友用力地拔出一只大大的红萝卜。）

3、卡片演示，两音相碰。b―á→bá 拼音的时候，前面的声母要念得轻短，后面的韵母要带调读，读得响亮。声母和韵母很快地连起来读，就成一个音节了。拼音的口诀是什么？小朋友一起说：前音轻短后音重，两音相连猛一碰。四声练习：b―ǎ→bǎ

（五）课中操。念儿歌：

小白兔，小白兔，两只耳朵高高竖，红红的眼睛三瓣嘴，来到地里拔（bá）萝卜，拔（bá）呀拔（bá），拔（bá）呀拔（bá），拔（bá）了一个大萝。（可边做动作边念。）

（六）教学声母p。

1、看图引入 ：图上画着谁在干什么？（丁丁在爬山。）爬山的“爬”声母是p，板书p。

2、教学p的发音，认清形。

（1）教师示范发音，要求学生仔细听，认真看。讲解发音要领：发音时，双唇紧闭，突然张开，把很强的气送出。发出p的声音，要轻而短。

（2）请学生读，开小火车。

（3）b p对比读。看老师读b p时有什么不一样？（教师用一张白纸放在嘴前，读 b 时，白纸不动，读 p时气流吹动白纸，让学生对比体会 b、p哪一个读起来有一股气送出。）（4）记住形：想象p像什么？（p像一只气球。p像停车的记号。p像个反写的“9”。）教口诀：“9”字反写p p p。

（5）指导书写，并抄写。p的笔顺是一笔写成。

（七）教学p和a 的拼音。

1、看图说话，引出pá。

2、教学音节，谁能说说声母是什么？韵母是什么？第几声？

3、半扶半放：pá发音时，我们应该先→摆好声母p的口形，然后→很快把韵母á连上去。一口气读出，就是pá。组词读：爬山的“爬”。

4、举一反三，拼读卡片。p―ā→pā趴着的趴 p―á→pá爬树的爬 p―à→pà害怕的怕

5、复习巩固。

（八）小结。这节课，我们又学会了2个声母b p。声母发音要注意轻、短。还学会了声母和单韵母a的拼音方法，并进行练习。小朋友学得很好，回去好好地复习。第 二 课时 课时目标：

1、学会m f两个声母，能记清形，读准音。

2、学会m f与单韵母的拼音。

3、初步使学生掌握直呼法。

4、能够根据插图，用“这是┄┄”的句式说一句意思完整的话。教学过程：

（一）复习检查，拼读音节。

1、卡片认读：b p

2、拼读：bā bá bǎ bà pā pá pǎ pà

3、指导用“前音轻短，后音重，两音相连猛一碰”的方法拼读。

（二）教学声母m。

1、看投影说话引出m：（1）图上画着谁和谁？

（2）冬冬在哪里干什么？丁丁在干什么？

（3）连起来说。（说图意：两个孩子在捉迷藏，冬冬躲在两扇门洞里，丁丁蒙着眼睛去摸。）“摸”的声母就是m，板书：m

2、教学m的发音，认清形。

（1）范读，同学们应该→看口形，仔细听。发音要领：嘴闭拢，声音从鼻子里出来。（教师范读，跟读，齐读。）

（2）领读，正音。

（3）记字形：图中藏着一个m，谁能找得到？谁能给m起个名？叫它“两个门”。教口诀：两个门洞m m m

（4）指导书写，一笔写成。学生书空。

（5）教学m和单韵母的拼音。（用活动卡片，让学生拼读。）

（三）教学声母f。

1、看投影说话引出f：图上画了什么？（说图意：图上画了一位老爷爷右手拄着拐杖，远远地在看一尊佛像。）“佛”的声母就是“f”，板书：f

2、课中操。念儿歌：

fó fó fó, 我有一尊大肚 fó，圆圆脑门圆肚皮，成天乐得笑呵呵。（边做动作边念。）

3、教学f的发音，认清形。

（1）听示范，发音要领：上牙轻轻地放在下唇上，摩擦一下发出音。讲解：一位小朋友手上扎了根小刺。妈妈把刺挑出来，吹着他的手说：“f f，不疼了！”f，f地吹就像声音f的读音。（2）读，学生跟读，教师正音。

（3）记忆形：谁能记住f的字形。（伞柄、拐杖）教口诀：伞柄朝上 f f f（4）指导书写。两笔写成，学生书空。

（四）巩固练习。

1、卡片认读b p m f。（指名读，开小火车）

2、听音取卡片，做摘星星的游戏。

3、用顺口溜帮助学生记住字母读音。

4、小结：今天我们又学会了两个声母m f，小朋友真能干，会拼读四个音节，还能用拼音认图。以后我们还要学更多的声母和音节。

第 三 课 时 课时目标：

1、巩固b p m f四个声母，继续练习拼读音节。

2、学会拼读5个音节词，初步学会轻声。

3、学会“爸、妈、我”3个生字，并能在一定的语境中进行运用。教学过程：

（一）复习检查

1、卡片读声母。

2、对比记： 右下半圆 b b b右上半圆 p p p（用手插腰和在肩膀上做一做，强化记忆。）

3、猜字母游戏。

（1）两扇门是什么字母？（m）（2）像根拐杖是什么字母？（f）（3）像个6字，是什么字母？（b）（4）脸盆泼水，是什么字母？（p）

（二）教学声母，拼读音节。

1、讲解拼读方法。我们直呼音节时，首先要摆好→声母的口形，然后→很快地把韵母连上去，一口气读出来。

2、摘花游戏。板画梅花，在每朵梅花上分别填上fū bà pí mù pō bǐ pà mǎ mā bō fó fā mó 等音节。板画的花上音节，谁读得对谁读得快就归谁，用 “pí bǐ mù mó”口头组词。

（三）导入新课。这节课，我们再来学习看图拼读音节，学习轻声的读法，看谁学得认真。

（四）看图拼读音节。

1、出示插图。图上有哪些人？谁能看图向老师来介绍一下？

2、谁能用上“……、……和……”的句式连起来说一说图上有哪些人？

3、拼读音节：bà ba、mā ma 老师讲解：当一个词中有重复的两个字，一般后面那个字读得轻短。范读→跟读→齐读。轻声的音节我们不标调。冬冬称自己为→我，wǒ，范写。

4、找找还有哪些词第二个音节也是读轻声的？

（五）教学生字。

1、初步认识生字。出示3个生字：爸、妈、我，你能猜猜它们读什么吗？为什么？

2、读读书上的词语：爸爸、妈妈、我

3、谁能用“爸、妈、我”三个生字组词。

4、谁能用上这些词语说一句话。

（六）巩固练习

1、翻式活动卡片拼读音节

2、齐读全课

第三篇：财务BP岗位

财务BP岗位

BP（business partner）——业务伙伴：连接财务部门与业务部门的关键纽带，这个岗位的人即要懂财务，又要懂业务，同时他了解财务工作的各个模块，做好桥梁、用财务专业帮助业务部门解决问题，才是其根本价值。

岗位职责：

1.负责建立健全财务BP服务流程；

2.负责为业务部门提供多种财务解决方案，协助处理业务部门涉及财税相关工作；

3.负责梳理及处理业务部门涉及的财务相关流程问题，为业务部门流程优化提供财务支持；

4.建立财务收益管理模型，进行财务预测、提示风险；

5.对业务部门各项目进行事前，事中，事后跟踪管理，业务盈亏测算、活动测算；

6.品牌提出的其他合理需求、提供财务支持；

7.深入了解各品牌业务模式，对接业务与财务衔接工作。

第四篇：BP神经网络实验报告

BP神经网络实验报告

一、实验目的1、熟悉MATLAB中神经网络工具箱的使用方法；

2、通过在MATLAB下面编程实现BP网络逼近标准正弦函数，来加深对BP网络的了解和认识，理解信号的正向传播和误差的反向传递过程。

二、实验原理

由于传统的感知器和线性神经网络有自身无法克服的缺陷，它们都不能解决线性不可分问题，因此在实际应用过程中受到了限制。而BP网络却拥有良好的繁泛化能力、容错能力以及非线性映射能力。因此成为应用最为广泛的一种神经网络。

BP算法的基本思想是把学习过程分为两个阶段：第一阶段是信号的正向传播过程；输入信息通过输入层、隐层逐层处理并计算每个单元的实际输出值；第二阶段是误差的反向传递过程；若在输入层未能得到期望的输出值，则逐层递归的计算实际输出和期望输出的差值（即误差），以便根据此差值调节权值。这种过程不断迭代，最后使得信号误差达到允许或规定的范围之内。

基于BP算法的多层前馈型网络模型的拓扑结构如上图所示。

BP算法的数学描述：三层BP前馈网络的数学模型如上图所示。三层前馈网中，输入向量为：；隐层输入向量为：；输出层输出向量为：；期望输出向量为：。输入层到隐层之间的权值矩阵用V表示，其中列向量为隐层第j个神经元对应的权向量；隐层到输出层之间的权值矩阵用W表示，其中列向量为输出层第k个神经元对应的权向量。

下面分析各层信号之间的数学关系。

对于输出层，有

对于隐层，有

以上两式中，转移函数f(x)均为单极性Sigmoid函数：

f(x)具有连续、可导的特点，且有

以上共同构成了三层前馈网了的数学模型。

当网络输出和期望输出不相等时，存在输出误差E如下：

将以上误差定义式展开至隐层，有

进一步展开至输入层，有

由上式可以看出，网络输入误差是两层权值W和V的函数，因此调整权值可以改变误差E。

显然，调整权值的原则是使误差不断的减小，因此应使权值的调整量与误差的负梯度成正比，即：

式中负号表示梯度下降，常数表示比例系数，在训练中反映了学习速率。

容易看出，BP学习算法中，各层权值调整公式形式上都是一样的，均有3个因素决定，即：学习速率、本层误差信号和本层输入信号X/Y。其中输出层误差信号同网络的期望输出与实际输出之差有关，直接反映了输出误差，而各隐层的误差信号与前面各层的误差信号都有关，是从输出层开始逐层反传过来的。

三、程序

clc

clear

all

k=1;

n=10;

P=[-1:0.05:1];

T=sin(k*pi*P);

plot(P,T,＇-＇);

title(＇要逼近的非线性函数＇);

xlabel(＇输入向量＇);

ylabel(＇非线性函数目标输出向量＇);

net=newff(minmax(P),[n,1],{＇tansig＇,＇purelin＇},＇trainlm＇);

y1=sim(net,P);

net.trainParam.epochs=50;

net.trainParam.goal=0.01;

net=train(net,P,T);

y2=sim(net,P);

figure;

plot(P,T,＇-＇,P,y1,＇--＇,P,y2,＇*＇);

title(＇训练前后的网络仿真结果对比＇);

xlabel(＇输入向量＇);

ylabel(＇输出向量＇);

legend(＇目标函数输出向量＇,＇未训练BP网络输出＇,＇已训练BP网络输出＇);

仿真结果如下图：

由仿真结果图可以看出，未经训练的BP网络输出与目标函数差距很大，逼近效果不理想，而对BP网络训练之后的输出可以较精确的逼近目标函数，并且BP网络的训练迭代次数仅约1.2次，网络的输出目标误差就达到了精度要求，收敛速度很快。函数逼近效果、网络训练的收敛速度与原始非线性函数的频率、BP网络隐含层单元神经元的数目以及BP网络训练函数有关。

四、实验结论

通过编程实现使用BP网络对函数进行逼近，对BP网络的信号和误差传递的原理以及隐层、输出层权值调整的规则有了充分的理解和认识。

BP网络是一个强大的工具，它是应用最为广泛的网络。用于文字识别、模式分类、文字到声音的转换、图像压缩、决策支持等。

但是，通过实验看出，它还是存在一定的不足。由于本实验中采用的学习率是固定不变的，从而使得在函数逼近的时候在有些地方出现了偏离，如果能自适应的调整学习率，使网络在学习初期具有较大的学习率，以快速逼近函数，当已经逼近理想输出时再使用较小的学习率，来更加精准的去逼近函数，这样会得到更好的逼近效果和更小的错误率。

另外，BP网络还具有收敛速度慢、容易陷入局部极小值的问题。这些问题通过对标准BP算法的改进能得到一定程度的解决。

第五篇：BP神经网络优缺点

多层前向BP网络是目前应用最多的一种神经网络形式, 但它也不是非常完美的, 为了更好的理解应用神经网络进行问题求解, 这里对它的优缺点展开讨论: 多层前向BP网络的优点：

①网络实质上实现了一个从输入到输出的映射功能，而数学理论已证明它具有实现任何复杂非线性映射的功能。这使得它特别适合于求解内部机制复杂的问题；

②网络能通过学习带正确答案的实例集自动提取“合理的”求解规则，即具有自学习能力； ③网络具有一定的推广、概括能力。多层前向BP网络的问题：

①BP算法的学习速度很慢，其原因主要有：

a 由于BP算法本质上为梯度下降法，而它所要优化的目标函数又非常复杂，因此，必然会出现“锯齿形现象”，这使得BP算法低效；

b 存在麻痹现象，由于优化的目标函数很复杂，它必然会在神经元输出接近0或1的情况下，出现一些平坦区，在这些区域内，权值误差改变很小，使训练过程几乎停顿；

c 为了使网络执行BP算法，不能用传统的一维搜索法求每次迭代的步长，而必须把步长的更新规则预先赋予网络，这种方法将引起算法低效。

②网络训练失败的可能性较大，其原因有：

a 从数学角度看，BP算法为一种局部搜索的优化方法，但它要解决的问题为求解复杂非线性函数的全局极值，因此，算法很有可能陷入局部极值，使训练失败；

b 网络的逼近、推广能力同学习样本的典型性密切相关，而从问题中选取典型样本实例组成训练集是一个很困难的问题。

③难以解决应用问题的实例规模和网络规模间的矛盾。这涉及到网络容量的可能性与可行性的关系问题，即学习复杂性问题；

④网络结构的选择尚无一种统一而完整的理论指导，一般只能由经验选定。为此，有人称神经网络的结构选择为一种艺术。而网络的结构直接影响网络的逼近能力及推广性质。因此，应用中如何选择合适的网络结构是一个重要的问题；

⑤新加入的样本要影响已学习成功的网络，而且刻画每个输入样本的特征的数目也必须相同； ⑥网络的预测能力（也称泛化能力、推广能力）与训练能力（也称逼近能力、学习能力）的矛盾。一般情况下，训练能力差时，预测能力也差，并且一定程度上，随训练能力地提高，预测能力也提高。但这种趋势有一个极限，当达到此极限时，随训练能力的提高，预测能力反而下降，即出现所谓“过拟合”现象。此时，网络学习了过多的样本细节，而不能反映样本内含的规律。优点——

神经网络有很强的非线性拟合能力，可映射任意复杂的非线性关系，而且学习规则简单，便于计算机实现。具有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力，因此有很大的应用市场。

缺点——

（1）最严重的问题是没能力来解释自己的推理过程和推理依据。

（2）不能向用户提出必要的询问，而且当数据不充分的时候，神经网络就无法进行工作。

（3）把一切问题的特征都变为数字，把一切推理都变为数值计算，其结果势必是丢失信息。

（4）理论和学习算法还有待于进一步完善和提高。