課程簡介

第一課:MATLAB入門基礎
1、  簡單介紹MATLAB的安裝、版本曆史與編程環境
2、  MATLAB基礎操作(包括矩陣操作、邏輯與流程控制、函數與腳本文件、基本繪圖等)
3、  文件導入(mat、txt、xls、csv等格式)
第二課:MATLAB進階與提高
1、  MATLAB編程習慣與風格
2、  MATLAB調試技巧
3、  向量化編程與內存優化
4、  圖形對象和句柄
第三課:BP神經網絡
1、  BP神經網絡的基本原理
2、  BP神經網絡的MATLAB實現
3、  案例實踐
4、  BP神經網絡參數的優化
第四課:RBF、GRNN和PNN神經網絡
1、  RBF神經網絡的基本原理
2、  GRNN神經網絡的基本原理
3、  PNN神經網絡的基本原理
4、  案例實踐
第五課:競爭神經網絡與SOM神經網絡
1、  競爭神經網絡的基本原理
2、  自組織特征映射(SOM)神經網絡的基本原理
3、  案例實踐
第六課:支持向量機(Support Vector Machine, SVM)
1、  SVM分類的基本原理
2、  SVM回歸擬合的基本原理
3、  SVM的常見訓練算法(分塊、SMO、增量學習等)
4、  案例實踐
第七課:極限學習機(Extreme Learning Machine, ELM)
1、  ELM的基本原理
2、  ELM與BP神經網絡的區別與聯系
3、  案例實踐
第八課:決策樹與隨機森林
1、  決策樹的基本原理
2、  隨機森林的基本原理
3、  案例實踐
第九課:遺傳算法(Genetic Algorithm, GA)
1、  遺傳算法的基本原理
2、  常見遺傳算法工具箱介紹
3、  案例實踐
第十課:粒子群優化(Particle Swarm Optimization, PSO)算法
1、  粒子群優化算法的基本原理
2、  案例實踐
第十一課:蟻群算法(Ant Colony Algorithm, ACA)
1、  粒子群優化算法的基本原理
2、  案例實踐
第十二課:模擬退火算法(Simulated Annealing, SA)
1、  模擬退火算法的基本原理
2、  案例實踐
第十三課:降維與特征選擇
1、  主成分分析的基本原理
2、  偏最小二乘的基本原理
3、  常見的特征選擇方法(優化搜索、Filter和Wrapper等)

最低要求

高等數學
線性代數

  21 時間:
 

人數


開始於

結束於


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

相關課程

MATLAB Fundamentals

  21 時間:

課程分類