|
|
课程简介:
# Y* V5 [' ~4 E2 K" t7 x) Q( A% M( r' 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。
9 `' v+ d0 Y' k. E* o, p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。$ g9 h0 a0 X/ y
. _( Z7 h+ W/ _9 i/ f
课程目录：
6 @$ t- V8 G' o3 d2 b
. }: {1 u' y; w- c7 Q第一课：MATLAB入门基础) P5 }( [7 `1 m5 ~
1、 简单介绍MATLAB的安装、版本历史与编程环境8 A8 Q4 a: t0 O1 B y! R) z7 ^
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）7 p0 h( i7 C- u; J) I3 P X
3、 文件导入（mat、txt、xls、csv等格式）0 o) L, P& {) m, v2 r
第二课：MATLAB进阶与提高
, s- Q. ^, z; i* c1 w# f1、 MATLAB编程习惯与风格
" H* Q1 I/ G* v! B5 U$ N+ s2、 MATLAB调试技巧" v8 Z% L/ e9 M+ s) i8 z2 u) i! b
3、 向量化编程与内存优化
- f2 o6 h* c/ u* P; ?6 ^1 O! X4、 图形对象和句柄7 c) @# v7 v& g- l2 ^& @6 S7 \7 ]
第三课：BP神经网络
5 o* A2 b+ |, k. o4 Z/ |1、 BP神经网络的基本原理7 G/ _" n; d2 O! ~/ O& V2 l( x
2、 BP神经网络的MATLAB实现
2 H2 N- k: h' J* s3、 案例实践
0 O2 G3 |' z2 ?. `4、 BP神经网络参数的优化
& J+ }# X M+ S- @第四课：RBF、GRNN和PNN神经网络8 m0 u& ]3 d r
1、 RBF神经网络的基本原理7 U( U9 V0 ~: L0 S3 ^ y
2、 GRNN神经网络的基本原理
7 b+ |0 O; o/ ~& s: e; S1 \9 @3、 PNN神经网络的基本原理/ ^! A I& l: D: b4 r2 h* z, r- M5 e
4、 案例实践9 f7 [; c8 s: `) K+ E0 ?3 i1 H
第五课：竞争神经网络与SOM神经网络3 `7 y! M0 g2 D- y) u# ^; Y; m
1、 竞争神经网络的基本原理
( M* E& t( ^1 g1 q2、 自组织特征映射（SOM）神经网络的基本原理
/ ^' V$ ^' e7 F1 q2 K: p& n8 X( f3、 案例实践
! ?: h0 u2 x+ O/ `1 n第六课：支持向量机（Support Vector Machine, SVM）
) k& a0 b6 O) c( F, Z) s1、 SVM分类的基本原理
0 c/ A5 r0 Y$ q2 t4 L2、 SVM回归拟合的基本原理
! H2 z3 |" K3 P8 q3、 SVM的常见训练算法（分块、SMO、增量学习等）" n, k& k! _. q: T; Y( y2 [% z
4、 案例实践4 L8 [& f- ?) h2 l6 G% [2 b, c
第七课：极限学习机（Extreme Learning Machine, ELM）
$ k/ @% x" B/ h& T2 J# A& J' r+ l1、 ELM的基本原理4 v4 r% z/ `) m3 n/ @3 ~. k f8 F
2、 ELM与BP神经网络的区别与联系: D/ ^4 z v$ q8 {$ \5 \1 y
3、 案例实践- }+ p+ E5 f$ b! O! y5 R
第八课：决策树与随机森林
5 u0 b! O7 V d8 O1 L( N1、 决策树的基本原理4 H8 L( c5 V/ d
2、 随机森林的基本原理
- ^9 v1 A7 t1 _2 ~3、 案例实践
) g+ \, Y, F5 `7 J4 n! |7 s第九课：遗传算法（Genetic Algorithm, GA）
) M% w# T8 K. E1、 遗传算法的基本原理) D6 x2 {+ _# S, o6 i) [$ Y
2、 常见遗传算法工具箱介绍
4 O5 A6 A7 L8 h- g3、 案例实践
/ Z: I" J' U& i$ S第十课：粒子群优化（Particle Swarm Optimization, PSO）算法0 m) Z2 e2 |# D' _
1、 粒子群优化算法的基本原理
- R$ l# Z4 Q7 q1 P$ F( V) K2、 案例实践
9 E8 U; H! q& C w* p3 U第十一课：蚁群算法（Ant Colony Algorithm, ACA）6 u# x$ }7 ~5 U/ b3 m
1、 粒子群优化算法的基本原理' y d" B1 g; H5 G
2、 案例实践9 }+ i# p4 w, j
第十二课：模拟退火算法（Simulated Annealing, SA）' J: d1 u& o" U/ ~$ f$ \% n
1、 模拟退火算法的基本原理
7 V* g- _0 k0 O0 R5 ~+ X6 ~- T# w2、 案例实践4 C) Q! B8 J' y: G+ Y6 v& Z
第十三课：降维与特征选择0 f8 W# y: ~2 K* K \) I
1、 主成分分析的基本原理
/ W0 [! ?$ L' ~: N" n# ?" h2、 偏最小二乘的基本原理
. n7 W+ E8 n5 B/ m1 F" u+ r3、 常见的特征选择方法（优化搜索、Filter和Wrapper等）
9 a4 I- H/ i% j2 o" p8 w
0 I; H2 ]5 D- A1 l9 |3 c# b
1 O9 ^2 M5 J: p# i# N* f7 a% M) P$ f# o6 f
~7 n F6 S3 l: E/ E7 w+ q7 l
! N+ ^9 J3 x2 i0 j' B5 E( X" Q, g0 t+ 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
: Q! l2 g0 r) o1 Y6 r
5 ]' t: q) N7 P7 D$ |& l- @$ J, p6 n0 ^9 n% _
: t. ~# h5 s8 @+ ?% H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
