Schița de curs

Lecția 1: MATLAB Noțiuni de bază pentru început
1, o scurtă introducere în instalarea MATLAB, istoricul versiunilor și mediul de programare
2, MATLAB operații de bază (inclusiv operații matriciale, control logic și de proces, funcții și fișiere script, desen de bază etc.)
3, importul de fișiere (mat, txt, xls, csv și alte formate)
Lecția 2: MATLAB avansate și de îmbunătățire
1、 MATLAB obiceiuri și stiluri de programare
2, MATLAB abilități de depanare
3、 Programare vectorizată și optimizarea memoriei
4、 Obiecte grafice și mânere
Lecția 3: Rețeaua neuronală BP
1、 Principiul de bază al rețelei neuronale BP
2, MATLAB implementarea rețelei neuronale BP
3、 Practică de caz
4、 Optimizarea parametrilor rețelei neuronale BP
Lecția 4: Rețele neuronale RBF, GRNN și PNN
1、 Principiul de bază al rețelei neuronale RBF
2、 Principiul de bază al rețelei neuronale GRNN
3、 Principiul de bază al rețelei neuronale PNN
4、 Practică de caz
Lecția 5: Rețele neuronale competitive și rețele neuronale SOM
1、 Principiul de bază al rețelei neuronale competitive
2、 Principiile de bază ale rețelei neuronale de cartografiere a caracteristicilor auto-organizate (SOM)
3、 Practică de caz
Lecția 6: Mașina vectorială de suport (SVM )
1、 Principiul de bază al clasificării SVM
2、 Principiul de bază al ajustării regresiei SVM
3, Algoritmii de formare SVM obișnuiți (chunking, SMO, învățare incrementală etc.)
4、 Practică de caz
Lecția 7: Mașina de învățare extremă (ELM )
1、 Principiul de bază al ELM
2, Diferența și conexiunea dintre ELM și rețeaua neuronală BP
3、 Practică de caz
Lecția 8: Arborele de decizie și pădurea aleatorie
1、 Principiul de bază al arborelui de decizie
2、 Principiul de bază al pădurii aleatoare
3、 Practică de caz
Lecția 9: Algoritmul genetic (GA )
1, principiul de bază al algoritmului genetic
2. Introducere în setul de instrumente comune ale algoritmului genetic
3、 Practică de caz
Lecția 10: Algoritmul de optimizare a roiului de particule (PSO )
1、 Principiul de bază al algoritmului de optimizare a roiului de particule
2、 Practică de caz
Lecția 11: Algoritmul coloniei de furnici (ACA )
1. Principiul de bază al algoritmului de optimizare a roiului de particule
2. Studiu de caz
Lecția 12: Simulated Annealing (SA )
1. Principiile de bază ale algoritmului Simulated Annealing (SA)
2. Studiu de caz
Lecția 13: Reducerea dimensionalității și selectarea caracteristicilor
1、 Principiul de bază al analizei componentelor principale
2、 Principiul de bază al celor mai mici pătrate parțiale
3、 Metode comune de selecție a caracteristicilor (căutare prin optimizare, filtru și înveliș etc.)

Cerințe

matematică avansată
algebră liniară

 21 ore

Numărul de participanți


Pret per participant

Mărturii (2)

Upcoming Courses

Categorii înrudite