|
课程培训
|
人工智能-模式识别培训
培训对象：
高级程序员、资深开发人员、人工智能工程师、图像设计人员、机器学习工程师、程序员、模式识别工程师。 学员基础： 1，对IT系统设计有一定的理论与实践经验。 2，对模式识别有一定的兴趣。 培训目标：
1，全面了解模式识别领域相关知识。 2，能将模式识别领域的技术应用于实际项目。 3，能将模式识别领域的技术和人工智能的其他技术进行结合，做扩展应用 课程大纲：
第一讲 模式识别简介 1.1 什么是模式识别 1.2 为什么要模式识别 1.3 怎样来进行模式识别 1.4 模式识别的现实案例举例 第二讲 贝叶斯决策 2.1 最小错误率贝叶斯决策 2.2 最小风险错误率贝叶斯决策 2.3 ROC曲线 2.4 贝叶斯决策在语音识别中的应用案例 第三讲 朴素贝叶斯决策 3.1为什么要引入朴素贝叶斯决策 3.2 如何进行朴素贝叶斯决策 3.3 朴素贝叶斯在文本识别中的应用案例 第四讲 线性分类器 4.1 线性分类器是什么 4.2 Fisher线性判别的动机 4.3 Fisher线性判别的内涵是什么 4.4 Fisher线性判别在人脸检测中的应用案例 第五讲 人工神经网络 5.1 人工神经网络的设计动机是什么 5.2 单个神经元的功能 5.3人工神经网络的优化以及误差逆传播（BP）算法 5.4人工神经网络中需要注意的问题 5.5 人工神经网络在表情识别、流量预测中的应用案例 第六讲 最优分类面和支持向量机（SVM） 6.1 什么是最优分类面 6.2 SVM的本质是什么 6.3 SVM线性不可分时怎么办 6.4 SVM中核函数如何选择 6.5 SVM在车牌识别中的应用案例 第七讲 非线性分类器 7.1 什么时候使用非线性分类器 7.2 如何设计非线性分类器 7.3 非线性分类器在光学字符识别中的应用案例 第八讲 近邻法 8.1 近邻法的思想是什么 8.2 近邻法的缺点以及改进方案 8.3 近邻法中的过学习问题及解决方案 8.4 近邻法在相亲网站中的应用案例 第九讲 决策树 9.1 什么是非数值特征 9.2 为什么要引入决策树 9.3 如何设计决策树 9.4 如何构造随机森林 9.5 决策树在医疗系统中的应用案例 第十讲 Boosting 10.1 什么是Boosting算法 10.2 为什么要Boosting 10.3 如何Boosting 10.4 介绍Boosting算法典型代表Adaboost 10.5 Adaboost在人脸检测中的应用案例 第十一讲 特征选择 11.1 为什么要特征提取和特征选择 11.2 特征选择的最优算法 11.3 特征选择的次优算法 11.4 特征选择的遗传算法 11.5 特征选择在优化系统中的应用 第十二讲 特征提取 12.1 特征提取的一般性方法 12.2 主成分分析 12.3 主成分分析在扭曲指纹识别中的应用案例 12.4 K-L变换 12.5 K-L变换在人脸识别中的应用案例 第十三讲 非监督学习方法 13.1 什么是非监督学习？ 13.2 单峰子集法 13.3 C均值方法 13.4 模糊C均值方法和改进的模糊C均值方法 13.5 非监督学习方法在石油勘探中的应用案例 如果您想学习本课程，请预约报名
如果没找到合适的课程或有特殊培训需求，请订制培训 除培训外，同时提供相关技术咨询与技术支持服务，有需求请发需求表到邮箱soft@info-soft.cn,或致电4007991916 技术服务需求表下载请点击 服务优势： 丰富专家资源，精准匹配相关行业，相关项目技术精英，面向用户实际需求，针对性培训或咨询，互动式交流，案例教学，精品小班，实际工程项目经验分享，快捷高效，节省时间与金钱，少走弯路与错路。 专家力量： 中国科学院相关研究所高级研究人员 西门子，TI,vmware，MSC,Ansys，MDI，Mentor, candence,Altium,Atmel 、Freescale,达索，华为等 大型公司高级工程师，项目经理，技术支持专家 中科信软培训中心，资深专家或讲师 大多名牌大学，硕士以上学历，相关学历背景专业，理论素养高 多年实际项目实践，大型复杂项目实战案例分享，热情，乐于技术分享 针对客户实际需要，真实案例演示，互动式沟通，学有所值 |
|
