课程培训
机器学习及其 matlab 实现-从基础到实践2019

 

培训目标:

 

通过本次课程的学习,学员们将会:
  • 掌握各种常见机器学习算法的原理与思想,
  • 学会利用 MATLAB 等编程工具实现各种机器学习算法,并应用到实际的问题和案例中。
  • 将从讲师的授课中学习到大量的 MATLAB 编程经验与技巧,可以快速地从 MATLAB 新手编程 MATLAB 达人。
主题
课程安排
第一课:MATLAB 入门基础 1、简单介绍 MATLAB 的安装、版本历史与编程环境
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)
3、文件导入(mat、txt、xls、csv 等格式)
第二课:MATLAB 进阶与提高 1、MATLAB 编程习惯与风格
2、MATLAB 调试技巧
3、向量化编程与内存优化
4、图形对象和句柄
第三课:BP 神经网络 1. BP 神经网络的基本原理
2、BP 神经网络的 MATLAB 实现
3、案例实践
4、BP 神经网络参数的优化
第四课:RBF、GRNN 和 PNN 神经网络 1、RBF 神经网络的基本原理
2、GRNN 神经网络的基本原理
3、PNN 神经网络的基本原理
4、案例实践
第五课:竞争神经网络与 SOM 神经网络 1、竞争神经网络的基本原理
2、自组织特征映射(SOM)神经网络的基本原理
3、案例实践
第六课:支持向量机(Support Vector Machine, SVM) 1、SVM 分类的基本原理
2、SVM 回归拟合的基本原理
3、SVM 的常见训练算法(分块、SMO、增量学习等)
4、案例实践
第七课:极限学习机(Extreme Learning Machine, ELM) 1、ELM 的基本原理
2、ELM 与 BP 神经网络的区别与联系
3、案例实践
第八课:决策树与随机森林 1、决策树的基本原理
2、随机森林的基本原理
3、案例实践
第九课:遗传算法(Genetic Algorithm, GA) 1、遗传算法的基本原理
2、常见遗传算法工具箱介绍
3、案例实践
第十课:粒子群优化(Particle Swarm Optimization, PSO)算法 1、粒子群优化算法的基本原理
2、案例实践
第十一课:蚁群算法(Ant Colony Algorithm, ACA) 1、粒子群优化算法的基本原理
2、案例实践
第十二课:模拟退火算法(Simulated Annealing, SA) 1、模拟退火算法的基本原理
2、案例实践
第十三课:降维与特征选择 1、主成分分析的基本原理
2、偏最小二乘的基本原理
3、常见的特征选择方法(优化搜索、Filter 和 Wrapper 等) 



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
报名表下载
联系我们 更多>>

咨询电话010-62883247

                4007991916

咨询邮箱:soft@info-soft.cn  

 

微信号.jpg

  微信咨询

随时听讲课

聚焦技术实践

订制培训 更多>>