|
课程简介:
* d5 l' N# X* o7 K3 E% h& W
, r5 [) g) n$ k2 G3 c* r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。
4 u" N' T+ _5 ]' e' Z! 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。/ u% B3 t- i/ `5 j. |) t6 ?) L
( E2 u( ?- w3 L3 P) M, H, X课程目录:
) \( B6 ~6 s [* L0 v" I+ w3 P5 X" Y j/ k& H
第一课:MATLAB入门基础9 r+ W+ ~3 g4 ~2 V2 E9 p5 H8 E
1、 简单介绍MATLAB的安装、版本历史与编程环境/ R" r) t, A& D* z+ I4 A0 ?
2、 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)
1 t% P0 D& J: x5 b; s, q3、 文件导入(mat、txt、xls、csv等格式)* H6 T! z+ f. R, z
第二课:MATLAB进阶与提高
5 B7 a& P" l- R- h i1、 MATLAB编程习惯与风格1 ~* r: I' S0 E
2、 MATLAB调试技巧
C( X, V* m6 @, k3、 向量化编程与内存优化, C3 T6 `8 O4 `2 m. a
4、 图形对象和句柄; Y; }8 \ g5 }; `8 t- C( u$ c
第三课:BP神经网络
* s/ z% r }1 S6 k& y7 Q1、 BP神经网络的基本原理
! r B' M& \: D2 x6 t/ k/ [; P2、 BP神经网络的MATLAB实现* v- m! `; a% I1 W3 N
3、 案例实践
, y5 w7 `( K' M4、 BP神经网络参数的优化
' Z+ v" K6 u# m* C0 B8 i第四课:RBF、GRNN和PNN神经网络' W9 l2 f. J: v4 _( e- E
1、 RBF神经网络的基本原理
5 ^$ E; r0 }8 y. @0 P2、 GRNN神经网络的基本原理# h1 }5 u$ Z! t: F
3、 PNN神经网络的基本原理
8 i+ v3 o. g* S! f4、 案例实践
$ K+ d8 X7 c# E, L# G6 R第五课:竞争神经网络与SOM神经网络) Y4 T4 C& D6 F/ M8 L R& n; k1 T
1、 竞争神经网络的基本原理0 o& q T9 ~, P0 u3 [
2、 自组织特征映射(SOM)神经网络的基本原理- U- b0 l; ?/ C1 D
3、 案例实践
; C; x% r4 `( h4 S第六课:支持向量机(Support Vector Machine, SVM)
, Q) Q# y' N6 l \1、 SVM分类的基本原理
: ]6 H- J) c A8 R" E, j( B2、 SVM回归拟合的基本原理
$ F8 j* }& n3 j3、 SVM的常见训练算法(分块、SMO、增量学习等)
O; J* U2 N- s% D4、 案例实践
" g+ S& P* G5 @8 H0 _; m" f( C; F* b第七课:极限学习机(Extreme Learning Machine, ELM)1 z' g, n6 h1 B' n& t
1、 ELM的基本原理. e* M3 E# h$ v+ Q6 _/ s
2、 ELM与BP神经网络的区别与联系$ }* |, S7 W/ Q" i, d: C5 d
3、 案例实践 B; i: U2 R/ C, T4 ?
第八课:决策树与随机森林
* B+ b( U. [; V& x8 Z1、 决策树的基本原理2 n- b0 m; i* Y" M: b
2、 随机森林的基本原理
) ~) z3 v% L4 D$ [7 Z5 ?3、 案例实践3 ?5 p% [8 x9 I; u' e
第九课:遗传算法(Genetic Algorithm, GA)9 R! N0 X$ @$ e$ }1 w ^
1、 遗传算法的基本原理
* `! ]& K9 w9 m3 L% J9 w4 g2、 常见遗传算法工具箱介绍
: p# M' d: z& |, j) N/ g3、 案例实践
6 l. M- M6 [0 Y$ x: h第十课:粒子群优化(Particle Swarm Optimization, PSO)算法
+ s- r) @6 a! K, Q5 M* w4 u1、 粒子群优化算法的基本原理! W! c% ~9 C8 }) Y1 \4 C( u
2、 案例实践
( S+ b; ~2 V2 t7 ?6 ^第十一课:蚁群算法(Ant Colony Algorithm, ACA)
9 k I P' O. e& [4 p! x1、 粒子群优化算法的基本原理6 ], ?) \" }7 D
2、 案例实践: d3 \$ I7 t# G' r6 J) w. I
第十二课:模拟退火算法(Simulated Annealing, SA)
6 i: g6 G7 J+ @1 c. p9 Q% Z1、 模拟退火算法的基本原理
7 y) C% L' n4 U, o. B+ ]2、 案例实践
- a' ^" M7 u* {8 l T第十三课:降维与特征选择
, ^4 T8 i1 Z2 P& g; e1、 主成分分析的基本原理
* G. H4 S3 J9 T- a- J2、 偏最小二乘的基本原理; W& V* w' M- z7 w0 y* X( v
3、 常见的特征选择方法(优化搜索、Filter和Wrapper等)1 t( {, f( Q4 N6 X* c: r6 @
) w6 j* u+ A' f: l
+ b% r8 K2 @3 y9 |" W, j
2 o1 v! D+ Z/ g3 E: @; q; I2 y8 O7 j; ~3 |1 x2 ~4 k9 ^
8 b% N" q! B( E" T
4 s2 X) z/ b6 H+ }5 d资源下载地址和密码(百度云盘): [/hide] 百度网盘信息回帖可见2 ]% D1 A+ Y) t3 \4 k! a, F
# h# ~! Z: a4 w8 K8 w1 h9 I8 O
2 ?! G! \* d3 h: H" I# O. q2 d7 a! u7 }1 Q' p
本资源由Java自学网收集整理【www.javazx.com】 |
|