Kurzusleírás
1. lecke: MATLAB Belépés alapjai 1. Rövid bevezetés a MATLAB telepítéshez, verzióelőzményekhez és programozási környezethez 2. MATLAB Alapműveletek (beleértve a mátrixműveleteket, logikai és folyamatvezérlést, függvény- és szkriptfájlokat, alaprajzot stb. .) 3. Fájl importálás (mat, txt, xls, csv stb. formátumok) 2. lecke: MATLAB Haladás és fejlesztés 1. MATLAB Programozási szokások és stílusok 2. MATLAB Hibakeresési készségek 3. Vektoros programozás és memória Optimalizálás 4. Grafikus objektumok és kezelők 3. lecke: BP neurális hálózat 1. BP neurális hálózat alapelvei 2. MATLAB BP neurális hálózat megvalósítása 3. Esettanalitikai gyakorlat 4. BP neurális hálózat paramétereinek optimalizálása 4. lecke: RBF, GRNN és PNN neurális hálózat 1. Az RBF neurális hálózat alapelvei 2. A GRNN neurális hálózat alapelvei 3. A PNN neurális hálózat alapelvei 4. Esettanulmány 5. lecke: Kompetitív neurális hálózat és SOM neurális hálózat 1. A kompetitív neurális hálózat alapjai 2. alapelv Az önszerveződő jellemzőtérkép (SOM) neurális hálózat alapelvei 3. Esetgyakorlat 6. lecke: Support Vector Machine (SVM) 1. Az SVM osztályozás alapelvei 2. Az SVM regressziós illesztés alapelvei 3, Az SVM gyakori tanító algoritmusai ( blokkolás, SMO, inkrementális tanulás stb.) 4. Esettanulmány 7. lecke: Extreme Learning Machine (ELM) 1. Az ELM alapelvei 2. Az ELM és a BP neurális hálózat közötti különbség 3. Esettanulmány 8. lecke: Döntési fa és véletlenszerű Erdő 1. A döntési fák alapelvei 2. A véletlenszerű erdő alapelvei 3. Esetgyakorlat 9. lecke: Genetikai algoritmus (GA) 1. Genetikai algoritmus Alapelvek 2. Bevezetés a gyakori genetikai algoritmusok eszköztáraiba 3. Esettanulmány 10. lecke: Részecskeraj Optimalizációs (PSO) algoritmus 1. A részecskeraj optimalizálási algoritmus alapelvei 2. Esettanulmány 11. lecke: Hangyatelep algoritmus (Ant Colony Algorithm, ACA) 1. A részecskeraj optimalizálási algoritmus alapelvei 2. Esetgyakorlat 12. lecke: Szimulációs lecke. (Simulated Annealing, SA) 1. A szimulált lágyítási algoritmus alapelvei 2. Esettanulmány 13. lecke: Dimenziócsökkentés és jellemzőválasztás 1. A főkomponens-elemzés alapelvei 2. A részleges legkisebb négyzetek alapelvei 3. Általános jellemző kiválasztási módszerek (optimalizált) keresés, szűrő és csomagoló stb.)
Követelmények
Haladó matematika Lineáris algebra