|
课程简介:
/ c5 J1 T: F- g s8 ]2 {0 Y, r1 \3 g: r+ G. y/ i( H
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。
2 f* I. b, f4 \# N2 D! p0 Y1 s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。
3 V4 V- Q; c* e& A+ H
8 D! O9 l8 U; @课程目录:
^# @$ U5 T. G% }/ _3 ~2 a
$ B! o- k# C5 C3 F4 z第一课:MATLAB入门基础5 q m3 Q Q8 L& d
1、 简单介绍MATLAB的安装、版本历史与编程环境
/ R8 i) j$ p: e' e0 s! O2、 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)
6 z9 z P4 H: a: @6 ?3、 文件导入(mat、txt、xls、csv等格式)
5 }2 s0 D2 \ t第二课:MATLAB进阶与提高
& I4 Y; J1 Q3 N" k* b* J- H1、 MATLAB编程习惯与风格
8 r& N' I/ [- ]! m/ d. c2、 MATLAB调试技巧
# m: M. s3 ^) H w5 S5 s3、 向量化编程与内存优化/ D2 H0 T4 W, K9 L
4、 图形对象和句柄+ E6 a/ j* G- y
第三课:BP神经网络 K& V l. G7 s# r
1、 BP神经网络的基本原理
6 ^" a2 ?+ c& ~4 { G2、 BP神经网络的MATLAB实现
9 ?" O+ r! D# r4 Q1 q. F, F3、 案例实践4 d: j% @8 i9 C6 d- V" R. f
4、 BP神经网络参数的优化2 B5 D5 u8 U5 ^6 d. o
第四课:RBF、GRNN和PNN神经网络& J1 a0 h$ K" z$ L" w# `/ C0 j
1、 RBF神经网络的基本原理. p& y" j$ e3 ^ G, z& Y
2、 GRNN神经网络的基本原理# n! n3 t; G' X+ @4 l* a; L8 q. t
3、 PNN神经网络的基本原理
8 Z) u( T2 {7 G: q$ i4、 案例实践7 B+ S5 o) z+ E# z3 M) X6 S- e
第五课:竞争神经网络与SOM神经网络
* F: q# N7 W0 W0 W- e' c1、 竞争神经网络的基本原理; K s, k/ q: O& z
2、 自组织特征映射(SOM)神经网络的基本原理* U2 ]4 }* O p
3、 案例实践
# ^$ F# k7 q$ n7 S, ? B S" t第六课:支持向量机(Support Vector Machine, SVM)/ A( }7 O) i2 c9 D" a" B
1、 SVM分类的基本原理2 l9 a1 t8 _' I" z# I0 A; ^* U
2、 SVM回归拟合的基本原理
4 ^& M& K3 d4 L: j0 C3、 SVM的常见训练算法(分块、SMO、增量学习等)
6 b& I) U) a$ e) L/ n4、 案例实践9 ]: n/ g# P9 v0 y4 l, P3 V/ N
第七课:极限学习机(Extreme Learning Machine, ELM)' Q; F. L3 N0 K E K
1、 ELM的基本原理
! ^ P1 P7 W! ~4 O2、 ELM与BP神经网络的区别与联系$ f) `. t/ \6 W! Z; B. M/ h. E
3、 案例实践- n. j- T1 u# C; K; e- M' e( S
第八课:决策树与随机森林2 l6 ~4 T: H1 y4 K
1、 决策树的基本原理
4 h. h3 @' T* b- C- B2、 随机森林的基本原理
* u" |: B0 t) r: }' F- ~: l! H3、 案例实践
/ [ _5 z1 D' \ R第九课:遗传算法(Genetic Algorithm, GA)
% S5 u9 f7 Y. _ K0 {1、 遗传算法的基本原理
, C5 Y" t4 \0 C: l5 s( S/ ~2、 常见遗传算法工具箱介绍
( p9 ~! I$ K. I. V- l ]2 {, z3、 案例实践, g( I% q" i7 U5 u% H7 O
第十课:粒子群优化(Particle Swarm Optimization, PSO)算法1 l2 z4 j6 G; T0 T5 Q# l9 ?5 s
1、 粒子群优化算法的基本原理
! u* g( `, P( S1 ^* W6 T2、 案例实践) N. S1 T/ d8 m4 Q+ c1 ~
第十一课:蚁群算法(Ant Colony Algorithm, ACA)# ~7 `/ v9 u; w! p
1、 粒子群优化算法的基本原理$ q% Z# n8 C3 b; x/ }
2、 案例实践; ~5 u( J6 E/ x+ V& ]
第十二课:模拟退火算法(Simulated Annealing, SA)& s5 ^; n) @5 K$ p; U5 X
1、 模拟退火算法的基本原理
. Q! _ U8 P! t3 T2、 案例实践$ N# [4 f- c- M) Y" g
第十三课:降维与特征选择
' h# @' S. ?4 y5 U3 |* S8 Z- ^1、 主成分分析的基本原理
* l0 q% m( t* J9 b2、 偏最小二乘的基本原理
$ K. j z# m- Y: u' F3、 常见的特征选择方法(优化搜索、Filter和Wrapper等)
+ {- i4 C% t, _# e# N- R
9 I0 p5 {6 `- h) f
# H+ P1 l& |4 F* J) v) W/ V' T( c1 M& ^, A" b" ` j' |
& P% D: _. z6 V( d. a# ^( }* i( m# b' x: v4 T r; [
: j$ L1 G4 E9 J. I, A, Z
资源下载地址和密码(百度云盘): [/hide] 百度网盘信息回帖可见9 d: n2 g W8 ~, B* [$ g
+ ^: Q' F( |# [/ }' l" \; `" n* H$ v+ x# y% W) c0 x- ]0 x% d
7 c. t0 {0 \+ E+ x. D
本资源由Java自学网收集整理【www.javazx.com】 |
|