|
|
课程简介:
$ n2 W0 [: m) L8 G C1 \: c' t6 F* K
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。
* h( V% L" M" S: y9 v3 S! T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。
$ u1 c' ?8 k& |' L$ U3 ~" V1 c# h. g2 M- j k9 j) V# k7 D
课程目录：, R8 h$ _' y% g- I6 }* @- m
# W- J( X0 c% H; a6 k" f! M; e第一课：MATLAB入门基础& s) ]7 o$ Q% k! L# Y3 r3 C
1、 简单介绍MATLAB的安装、版本历史与编程环境
2 Q3 ^/ K! B) B% R& E2、 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）
& G' q4 r$ k: T; T' S$ _3、 文件导入（mat、txt、xls、csv等格式）
! ]5 T4 x8 Z8 X3 Q. G5 _第二课：MATLAB进阶与提高! U; t5 o4 k, z" ^8 Q
1、 MATLAB编程习惯与风格
+ L @# s* ]% b2 z' \! `2、 MATLAB调试技巧& e: v3 E2 g4 F1 A
3、 向量化编程与内存优化9 W& I; l6 S; r5 X i+ T7 n- `
4、 图形对象和句柄$ V; [3 ^+ [; ~& X( }& ~
第三课：BP神经网络
/ r+ l+ U( [+ M: S: Q ]1、 BP神经网络的基本原理
4 p! |/ b6 h/ W+ N5 q% @5 K* Q2、 BP神经网络的MATLAB实现2 U4 b5 n0 ?+ `* ~
3、 案例实践$ F, a& M8 Z4 j3 N/ h
4、 BP神经网络参数的优化/ Q. v# Z7 V6 }$ V
第四课：RBF、GRNN和PNN神经网络
$ x0 @! m u# d/ }- j7 |1、 RBF神经网络的基本原理
# |3 G9 [. R! b& @; _4 E' ~3 m2、 GRNN神经网络的基本原理. K# t9 e" p- K. P: j P, @. M% X
3、 PNN神经网络的基本原理
! |7 |7 C( W7 V/ _) O4、 案例实践
7 ?3 e4 Y/ ^: Y3 @% f9 j* Z第五课：竞争神经网络与SOM神经网络
3 a; E* p7 B5 ~- R( N, \0 Z1、 竞争神经网络的基本原理
- @2 ~, P5 L6 A. r2、 自组织特征映射（SOM）神经网络的基本原理% g; [% t- P; o1 H5 y
3、 案例实践! N7 o# f/ @3 H. `) z6 X1 Q
第六课：支持向量机（Support Vector Machine, SVM）
. ?, e. ~% V/ w3 ~1、 SVM分类的基本原理4 {. c+ @" m4 p& D0 q3 D, E( |2 N
2、 SVM回归拟合的基本原理2 v/ Z7 L% \; R: ]& E5 B+ P
3、 SVM的常见训练算法（分块、SMO、增量学习等）
" ]! a2 B* l5 P4 J, J. m& g; y4、 案例实践
. v% l4 k* i! Y3 F1 H; A第七课：极限学习机（Extreme Learning Machine, ELM）
" P- D% K9 G9 i t) j' Y' |$ ^2 W) s1、 ELM的基本原理 T* ?$ @! c9 n$ V( V3 |8 s9 ?
2、 ELM与BP神经网络的区别与联系# u+ O g) m+ h: C% X {# K
3、 案例实践$ f/ v0 s5 N! ]8 Z2 D
第八课：决策树与随机森林
$ a. q% N' U1 C* @' ]! R1、 决策树的基本原理+ M7 }: j/ O6 z8 Q7 @
2、 随机森林的基本原理+ r0 E: |. f( h4 c( N# V
3、 案例实践
3 v, ?3 ~3 C5 S: w: P- H8 `9 l' a第九课：遗传算法（Genetic Algorithm, GA）
0 d/ J( [3 p, z# K4 @8 l/ V1、 遗传算法的基本原理& Z: i) I9 n- T N, P# g, |
2、 常见遗传算法工具箱介绍* @2 f/ O" [( M. k! ^* h0 M
3、 案例实践" p2 H' u! E4 w9 D6 q
第十课：粒子群优化（Particle Swarm Optimization, PSO）算法9 o% ]. t6 }5 N C: |% H
1、 粒子群优化算法的基本原理& L3 m, U, v3 Z- X b
2、 案例实践
$ P* a0 Q1 v( \( i- b* l9 o: ]第十一课：蚁群算法（Ant Colony Algorithm, ACA）
1 n! R& V. t- Z0 E: H* c1、 粒子群优化算法的基本原理& O9 n, H; v, }
2、 案例实践
& E% t" S3 t: b! E* g& w第十二课：模拟退火算法（Simulated Annealing, SA）
8 T1 A+ o8 W# S( j/ r w1、 模拟退火算法的基本原理, c. q( ^2 c% N8 W2 n1 b7 b& K, ?
2、 案例实践+ v6 x+ a0 J- w+ k: e4 U5 ^+ P
第十三课：降维与特征选择- a" u% z9 A( U1 y
1、 主成分分析的基本原理
9 G, T/ {. w$ b- c0 b" X2、 偏最小二乘的基本原理; k: S0 B m7 i6 S- u B
3、 常见的特征选择方法（优化搜索、Filter和Wrapper等）1 Q2 t3 d9 ]% @- e
2 `8 Z8 _6 v$ [
6 I' p T0 b! A
9 q$ L3 H+ {0 O' `
( [8 P6 i! B! q9 y9 ?9 A% k+ u8 o
4 I4 f8 r& o: T7 E3 g3 x
. R8 t9 d& Z/ i9 ~. `. j4 Q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 P+ m% ~7 y Y3 l, s. p- r
2 `" L7 ~; Y6 _. t
- K% i X! Q0 m3 x2 ~: k
% t( L: A9 @" z0 E+ R. j& H4 g本资源由Java自学网收集整理【www.javazx.com】 |
|
发表于 2022-6-11 12:42:01
