Kursplan
Lektion 1: MATLAB Grundläggande grundläggande
1. Introducera kortfattat installationen, versionshistoriken och programmeringsmiljön för MATLAB.
2. MATLAB Grundläggande operationer (inklusive matrisoperationer, logik och processtyrning, funktioner och skriptfiler, grundläggande ritningar, etc.)
3. Filimport (MAT, TXT, XLS, CSV, etc.)
Lektion 2: MATLAB Avancemang och förbättring
1. MATLAB Programmeringsvanor och stilar
2. MATLAB Färdigheter i felsökning
3. Vektoriserad programmering och minnesoptimering
4. Grafiska objekt och handtag
Lektion 3: BP neurala nätverk
1. Den grundläggande principen för BP neuralt nätverk
2. MATLAB implementering av BP neuralt nätverk
3. Praxis i ärendet
4. Optimering av BP neurala nätverksparametrar
Lektion 4: RBF-, GRNN- och PNN-neurala nätverk
1. Den grundläggande principen för RBF neurala nätverk
2. De grundläggande principerna för GRNN neurala nätverk
3. Den grundläggande principen för PNN neurala nätverk
4. Praxis i caset
Lektion 5: Konkurrerande neurala nätverk kontra SOM-neurala nätverk
1. Grundläggande principer för konkurrenskraftiga neurala nätverk
2. Grundläggande principer för självorganiserande funktionsmappning (SOM) neurala nätverk
3. Praxis i ärendet
Lektion 6: Stöd vektormaskin (SVM)
1. Den grundläggande principen för SVM-klassificering
2. Den grundläggande principen för SVM-regressionsanpassning
3. Vanliga träningsalgoritmer för SVM (segmentering, SMO, inkrementell inlärning osv.)
4. Praxis i caset
Lektion 7: Extrem inlärningsmaskin (ELM)
1. Den grundläggande principen för det externa utlåningsmandatet
2. Skillnaden och kopplingen mellan ELM och BP neurala nätverk
3. Praxis i ärendet
Lektion 8: Beslutsträd och slumpmässiga skogar
1. De grundläggande principerna för beslutsträd
2. Grundprincipen för slumpmässig skog
3. Praxis i ärendet
Lektion 9: Genetisk algoritm (GA)
1. Grundläggande principer för genetiska algoritmer
2. Introduktion till vanliga verktygslådor för genetiska algoritmer
3. Praxis i ärendet
Lektion 10: Algoritmer för optimering av partikelsvärm (PSO)
1. Den grundläggande principen för optimeringsalgoritm för partikelsvärm
2. Praxis i ärendet
Lektion 11: Algoritm för myrkolonier (ACA)
1. Den grundläggande principen för optimeringsalgoritm för partikelsvärm
2. Praxis i ärendet
Lektion 12: Simulerad glödgning (SA)
1. Den grundläggande principen för simulerad glödgningsalgoritm
2. Praxis i ärendet
Lektion 13: Dimensionsreduktion och val av funktioner
1. Den grundläggande principen för principalkomponentanalys
2. Grundprincipen för partiella minstakvadratmetoden
3. Vanliga metoder för val av funktioner (optimeringssökning, filter, wrapper, etc.)
Krav
Vidare matematik
linjär algebra
Vittnesmål (2)
Praktiskt byggande av koden från grunden.
Igor - Draka Comteq Fibre B.V.
Kurs - Introduction to Image Processing using Matlab
Machine Translated
Trainer took the initiative to cover additional content outside our course materials to improve our learning.