|
|
课程简介:
$ S: g/ s: G; A2 h! a% I9 @6 }* M
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 r: O* g8 H. h& b. a" r& I5 }
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。
/ J5 d5 w9 ~( S3 p4 k9 J% [+ ]1 v+ m c
课程目录：
. q) o- R, h' I# ]& o1 `4 Q) ^3 o5 L K8 j9 v
第一课：MATLAB入门基础
# V: ^$ w! h. M: R5 j) H/ B1、 简单介绍MATLAB的安装、版本历史与编程环境% ?( O! F3 O. l# R* v; g+ |
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 n: Q; {9 B$ `$ `$ B0 _9 u5 K% _3、 文件导入（mat、txt、xls、csv等格式）4 u9 s$ Z! A- P9 |4 ]# X4 }; [
第二课：MATLAB进阶与提高6 `$ E$ O3 O5 o* Y+ I# ?& U
1、 MATLAB编程习惯与风格: }2 T* q1 A: M ?3 n
2、 MATLAB调试技巧- {3 ~& p- [% f- _: C
3、 向量化编程与内存优化" D2 u8 h% p1 _7 s" b% |
4、 图形对象和句柄0 n, ?* @4 B0 p& K+ W" d2 S5 a
第三课：BP神经网络1 R7 I2 Y. H7 _4 [1 |
1、 BP神经网络的基本原理
i; j) j, J8 f2、 BP神经网络的MATLAB实现9 P7 ~- i9 W7 f: N0 W' o+ e
3、 案例实践/ U9 z: K0 \% K3 ~5 Y
4、 BP神经网络参数的优化
6 ]. y& E& F) L$ Z$ B1 r第四课：RBF、GRNN和PNN神经网络' w; R3 K$ y M) w5 }; U
1、 RBF神经网络的基本原理! L& r# K, d* ~% l2 J8 X2 @' e
2、 GRNN神经网络的基本原理; U3 W, i" c, L1 a
3、 PNN神经网络的基本原理$ x8 p4 `/ D& M5 V9 T
4、 案例实践2 L p2 I' Y4 Q( p7 ^5 C( |" \
第五课：竞争神经网络与SOM神经网络% P# M' {9 V$ W$ D9 @" I. w' V
1、 竞争神经网络的基本原理
. f, ?$ ]2 W* a7 R2、 自组织特征映射（SOM）神经网络的基本原理
$ N9 u3 U3 e/ a: D$ Z, ]* U3、 案例实践: I9 y( ^ W9 ?( ?7 K
第六课：支持向量机（Support Vector Machine, SVM）
N/ ^2 d7 d" w" E) M( `. o( G1、 SVM分类的基本原理' C4 V- k4 E* h- K! F
2、 SVM回归拟合的基本原理/ c/ F3 L' l; U2 w2 ?! J, T- k; @
3、 SVM的常见训练算法（分块、SMO、增量学习等）& a* E5 m, A9 j$ P" ?6 G
4、 案例实践
- [/ m/ v8 E t- [第七课：极限学习机（Extreme Learning Machine, ELM）3 p6 F* Q3 i8 [8 B3 w) `0 u) C- {
1、 ELM的基本原理
4 _2 }1 D _/ u5 J* ?2、 ELM与BP神经网络的区别与联系
/ }& j$ R9 i; d! J' U3、 案例实践# e7 r' U1 C0 K3 J' v0 D
第八课：决策树与随机森林
6 h* e& G+ |* Z' @ Q1、 决策树的基本原理" W' b0 J. d# c: z1 L
2、 随机森林的基本原理6 _. W: R% B& S1 Y8 M
3、 案例实践
9 W9 [' }( c. j+ j/ j4 l) ^第九课：遗传算法（Genetic Algorithm, GA）
8 b; l' t" Y( B7 V" A2 q1、 遗传算法的基本原理2 k' {, ]" b0 b" v8 Y: q0 J
2、 常见遗传算法工具箱介绍7 ]; B. D) W4 D. K+ u( ?* f6 r4 U; B
3、 案例实践
b$ T7 c/ ?0 O% P7 S' M第十课：粒子群优化（Particle Swarm Optimization, PSO）算法
* e( k0 f' b' B) ?+ {6 h1 P1、 粒子群优化算法的基本原理
# S4 ^9 [# z3 `% x2、 案例实践! x! [- n/ y' c
第十一课：蚁群算法（Ant Colony Algorithm, ACA）
+ [0 x1 ?0 P7 R2 m1 c) K1、 粒子群优化算法的基本原理' r1 q" h, w4 T3 c
2、 案例实践; G6 X+ }7 P* _; f' \! u( C7 O: M
第十二课：模拟退火算法（Simulated Annealing, SA）& }% E1 j. c6 }, K
1、 模拟退火算法的基本原理. K, Y Q. G" v, C" C
2、 案例实践
2 I9 _# q3 J) R& j第十三课：降维与特征选择
( Q d0 {0 e# G0 p$ R2 L; r1、 主成分分析的基本原理
% ]1 c- @* V( k2、 偏最小二乘的基本原理
; H4 Z( C5 D$ G& q% c( C; r3、 常见的特征选择方法（优化搜索、Filter和Wrapper等）
, c) j5 B+ [8 k4 X8 P2 u( Q( P9 [
& K$ S+ y$ ^5 [6 X8 s7 }7 k- x1 b
/ f. b$ R0 L( ^# ^" R* t
8 g: c& ]. |! L# t' h$ m7 l( G: y+ u, A5 X
; D5 h: R( k m3 K8 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
& F% U! X+ ?6 D6 |& @0 S" R- | c) n1 f; M
5 | u) i9 V! @2 o3 N8 F1 |7 I3 r
9 u! X$ C ?' Q, A# G
本资源由Java自学网收集整理【www.javazx.com】 |
|
[复制链接]
发表于 2023-7-17 23:42:01
