|
|
课程简介: 0 G/ m& A8 m# u% y8 D2 h
6 `9 G. g+ ~$ [ w7 l近年来，随着人工智能的发展，机器学习已经广泛应用于各行各业中，如语言识别、文本分类、智能推荐、网络安全、物联网等。然而，对于绝大部分非数学专业出身的人而言，谈到机器学习，就会被大量的数学公式吓到退避三舍。实际上，随着计算机与信息技术的快速发展，越来越多的人仅需要会使用机器学习这一工具即可，无需了解各种机器学习算法的细枝末节。正如，我们每天都在使用计算机，但是我们不需要了解CPU和内存在每一时刻的具体运行过程。因此，我们推出本课程，旨在帮助学员了解各种常见机器学习算法的原理与思想，同时，以具体案例的形式，引导学员自己动手实践编程。
8 r3 Z# c6 h& m' e4 q考虑到众多学员基础不一，本次课程将会分成三大部分：MATLAB入门基础与提高、机器学习基础和具体案例实践。
2 }6 [1 v% n2 O3 @4 A
9 @5 ~; a, ~& u5 B课程目录：9 G5 y4 n, w$ O
7 Q4 a% p2 q" y0 K0 Q1 i第一课：MATLAB入门基础
5 `/ D1 y4 y8 c% d9 y1、 简单介绍MATLAB的安装、版本历史与编程环境
- z- j+ r; p# `. a6 \/ d2、 MATLAB基础操作（包括矩阵操作、逻辑与流程控制、函数与脚本文件、基本绘图等）
7 |+ |+ M) w" a' ]5 u0 d' \3、 文件导入（mat、txt、xls、csv等格式）. E; C- X! [& l4 `( t9 E# p, o0 B5 o
第二课：MATLAB进阶与提高( [' H/ {9 z/ v: m
1、 MATLAB编程习惯与风格
* N/ A9 }- u' Y0 ]( O$ u! h1 r2、 MATLAB调试技巧
) o* i& D, S- v3、 向量化编程与内存优化
2 }" q6 e* q1 A6 z' d, v! R1 e4、 图形对象和句柄
& i* g! t" d- X第三课：BP神经网络' W; d. }, j" ?2 Z3 \ }
1、 BP神经网络的基本原理2 i& j! `3 N/ c9 p1 r. [
2、 BP神经网络的MATLAB实现0 Y `& q6 r' a! J2 o; @$ R
3、 案例实践( m# W. K0 W! n2 ], }/ b( \" @
4、 BP神经网络参数的优化
) Q5 h6 v! [3 d# B F第四课：RBF、GRNN和PNN神经网络3 ^: ]- p! }" \( Z3 E( I: G+ d
1、 RBF神经网络的基本原理' t6 S- U% ?& R( b
2、 GRNN神经网络的基本原理. y! L5 A7 K+ z
3、 PNN神经网络的基本原理; e! a. p# \; }+ a$ ]
4、 案例实践# q V) t8 S7 S6 z( v
第五课：竞争神经网络与SOM神经网络
7 Q! q4 s, c2 F+ o2 _; w4 a9 k1、 竞争神经网络的基本原理
) Y% P# J5 ]# \& ~3 |2、 自组织特征映射（SOM）神经网络的基本原理
! p/ N( I: e2 [5 X3、 案例实践 ~; h5 d" u. G f" [" r
第六课：支持向量机（Support Vector Machine, SVM）
0 R7 A* w1 A! Q \4 g# J- d7 @1、 SVM分类的基本原理3 u. s; Y- C$ M3 h
2、 SVM回归拟合的基本原理
5 n' ]2 O8 A/ N$ g4 S- O4 m$ R) } q, K3、 SVM的常见训练算法（分块、SMO、增量学习等）
7 I4 y+ l! V9 m& z: @# H1 l4、 案例实践
& x% J* [7 v1 O第七课：极限学习机（Extreme Learning Machine, ELM）
9 \4 C( H$ f* ~) y3 C: n1、 ELM的基本原理0 d* G+ b( s& g* V7 S
2、 ELM与BP神经网络的区别与联系: | s* `! ]* v4 p- o; p. W
3、 案例实践
) q. V& t% d1 \6 X' j/ a! z第八课：决策树与随机森林: y$ }# B' g! [9 F
1、 决策树的基本原理
$ B5 K0 C; U0 i- J2 k2、 随机森林的基本原理
9 i- s/ Y+ ^/ b; V/ a' F& }0 \3、 案例实践* v, q/ _! a) o
第九课：遗传算法（Genetic Algorithm, GA）
: r1 j; n3 I/ t5 L4 I) s* e0 v6 V& j1、 遗传算法的基本原理- p' z# f) L/ O2 Q
2、 常见遗传算法工具箱介绍
2 \0 J ^) ]* e& y: a4 ~- E3、 案例实践/ H! e2 F( H& J/ z$ ] E2 v7 Z& ^
第十课：粒子群优化（Particle Swarm Optimization, PSO）算法
) Z$ p. J$ X! n! E# a1、 粒子群优化算法的基本原理( X- `, H% g2 i: t
2、 案例实践
2 t, \( F3 q1 K. Z9 a第十一课：蚁群算法（Ant Colony Algorithm, ACA）- b" z4 k' h% @; l0 O9 k- \" V
1、 粒子群优化算法的基本原理& v0 g; \! O& @, c$ U2 }: |
2、 案例实践5 t4 v# w5 ]+ e& G1 i7 K
第十二课：模拟退火算法（Simulated Annealing, SA）7 o/ E$ P3 P2 R h: X# H$ c
1、 模拟退火算法的基本原理
, J+ c5 T6 [! d$ x# B. a2、 案例实践$ K8 Y: }6 p# M( t- [5 b
第十三课：降维与特征选择6 S, v9 h( y+ U* a( w' K
1、 主成分分析的基本原理
! S/ G" S9 @1 b; n* E0 C2 ^9 z |2、 偏最小二乘的基本原理
! {% _; T( X O) U$ \# Z% l, D3、 常见的特征选择方法（优化搜索、Filter和Wrapper等）5 ]1 C/ X' N- E
7 b% r- P% t( v: h# n1 r
; N! Y+ S+ @3 I
6 x5 _0 [0 e9 s7 _+ e0 A0 ?6 H1 F) Y' l4 @$ U U' T
# }. e+ k9 J+ S9 N1 D8 K/ j; W( t: ^9 Z' G: ^' i' x' {0 b
资源下载地址和密码（百度云盘）： [/hide] 百度网盘信息回帖可见% U5 V: y" K; ]* c' y
9 M* s( L2 i; A: k: g8 O
# H: h; [/ w4 u6 Q3 \& v; L; S6 Y; P( k, G) l! Z/ e
本资源由Java自学网收集整理【www.javazx.com】 |
|
发表于 2022-6-11 12:42:01
