|
|
课程简介: 7 w$ ~5 U0 m+ K% l+ D$ i# J- i
) O$ n9 y8 a- Q2 B
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。) D5 v0 K& _/ L$ a. |& Y
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。: H) W7 [& m' D& C* H. W- n
6 M/ g5 p' ]9 [0 z) N课程目录：/ W( Z! E! a+ h& a8 \! T. t
+ f. y7 l( V; w+ ]# C3 n9 R第一课：MATLAB入门基础( ?. x- [: m/ z# S: [
1、 简单介绍MATLAB的安装、版本历史与编程环境+ W' W+ @+ Y# F# S3 V' {' Q0 |! Z
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）
$ Z7 N- L& w4 u: B' y/ p% A9 f! E0 `3、 文件导入（mat、txt、xls、csv等格式）& m1 v; v/ v3 N, T2 \, e b
第二课：MATLAB进阶与提高
4 p2 @0 l, j z e' s1、 MATLAB编程习惯与风格
4 ` l" m- ~1 ~# E( {' j* k. c/ i2、 MATLAB调试技巧7 k( }) l) w. j# K% m$ X
3、 向量化编程与内存优化
" r* g1 ?/ Y, V& H4 \4、 图形对象和句柄$ u1 \; T' S% N1 j( A& B* ]+ V
第三课：BP神经网络# L2 J3 Z5 Q- {% f/ d7 G
1、 BP神经网络的基本原理
& d9 u Y/ K6 y8 G4 m3 A2、 BP神经网络的MATLAB实现
' U& S' I$ G( F0 T( v+ u3、 案例实践8 v9 b+ I/ V; W( e, C/ W- M. q6 @
4、 BP神经网络参数的优化
. | U3 _- R J1 l2 k第四课：RBF、GRNN和PNN神经网络# e' |, A' v3 Y# w
1、 RBF神经网络的基本原理
1 m+ W# l3 y$ U! t; f5 i2、 GRNN神经网络的基本原理( x# U/ Y1 A, T, D4 M9 I9 o
3、 PNN神经网络的基本原理
& G7 z! K0 M, H7 A0 L4、 案例实践
7 ?1 h7 [; r+ c$ B( u+ k第五课：竞争神经网络与SOM神经网络3 |& s3 ^; i, N) [. A- l
1、 竞争神经网络的基本原理
9 @0 A# z% c2 n: A: c2、 自组织特征映射（SOM）神经网络的基本原理
, x8 I W1 d4 B- Z4 K7 q3、 案例实践0 o, A5 l' ~$ a0 J
第六课：支持向量机（Support Vector Machine, SVM）
, h$ W9 C/ e* ]0 }9 }5 A1、 SVM分类的基本原理
0 @' Z7 x" J2 p; W3 `2 v; W- s2、 SVM回归拟合的基本原理& S$ [. s( i6 {( Z& C1 D; Z
3、 SVM的常见训练算法（分块、SMO、增量学习等）- u8 s: x8 f$ |2 S& b0 ~) ~
4、 案例实践
5 M" f/ D. d( {" D5 r# ^第七课：极限学习机（Extreme Learning Machine, ELM）& d6 R- [; e+ I0 {4 `/ m3 D- D( v
1、 ELM的基本原理
- O( m7 a2 s7 _) N, [( p! w# l2、 ELM与BP神经网络的区别与联系- o: g5 e1 R3 b8 b p- \
3、 案例实践
4 w1 v( F) X2 a: b* W4 o% V第八课：决策树与随机森林
9 b8 g7 k! Q' x, V$ e1、 决策树的基本原理 K! U, Q$ P: ~0 j Y
2、 随机森林的基本原理
; R9 v) p4 \, h7 D3、 案例实践
# M7 v0 A N9 P+ F* O A5 l; B第九课：遗传算法（Genetic Algorithm, GA）
9 i! I* X: Q5 M b1 P1、 遗传算法的基本原理
$ O% V! n: ^7 W# W; y+ `2、 常见遗传算法工具箱介绍
( q) {0 |$ V# P" l6 ^) k3、 案例实践
; T0 o6 b1 J' d, O第十课：粒子群优化（Particle Swarm Optimization, PSO）算法5 z2 G8 g1 O b) m: J! j
1、 粒子群优化算法的基本原理& v; k$ C D7 P6 Q
2、 案例实践
/ i. y; d, ^2 \$ \第十一课：蚁群算法（Ant Colony Algorithm, ACA）7 k7 J, S, j# D1 Q+ V+ E% }
1、 粒子群优化算法的基本原理9 q; D4 d3 v* G5 ~- `
2、 案例实践
' k; `8 R# e2 Y. {第十二课：模拟退火算法（Simulated Annealing, SA）8 a2 |' l! ]0 k8 P* F
1、 模拟退火算法的基本原理( i% Y" y% L" z$ i
2、 案例实践; o: p2 U, @7 M' {
第十三课：降维与特征选择% W, z1 g' l( d$ Q, O: W* u
1、 主成分分析的基本原理
: G+ `- c! V: D) R' k1 i: M2、 偏最小二乘的基本原理
' f3 K3 I: e5 n2 m3、 常见的特征选择方法（优化搜索、Filter和Wrapper等）
# h6 |. f( X% E3 D6 d
7 O9 g* p* j/ T# M5 m2 w
W/ T- F9 g+ i8 w6 y+ |
, F7 X& z4 K1 w; x
+ X7 g8 w. O6 N; r
) {# [( H+ `+ `5 s, J0 f6 J( p0 [
资源下载地址和密码（百度云盘）： [/hide] 百度网盘信息回帖可见
/ S6 `$ t7 d+ o7 M6 R( _/ W
' W7 O5 c0 t8 g: Q& ~% R/ x
5 M; a5 J* x8 |4 ^" c* p( s$ `
# ?1 z. n" @& W本资源由Java自学网收集整理【www.javazx.com】 |
|
发表于 2022-6-11 12:42:01
