Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
1. lecke: MATLAB Az első lépések alapjai
1. Röviden mutassa be a MATLAB telepítési, verzióelőzményét és programozási környezetét
2. MATLABAlapműveletek (beleértve a mátrixműveleteket, a logikai és folyamatvezérlést, a függvény- és parancsfájlokat, az alaprajzot stb.)
3. Fájlimportálás (mat, txt, xls, csv és egyéb formátumok)
2. lecke: MATLAB Haladás és fejlesztés
1. MATLAB Programozási szokások és stílusok
2. MATLABHibakeresési készségek
3. Vektorizált programozás és memória optimalizálás
4. Grafikus objektumok és fogantyúk
3. lecke: BP Neurális Hálózat
1. A BP neurális hálózat alapelvei
2. MATLAB BP neurális hálózat megvalósítása
3. Esetgyakorlat
4. BP neurális hálózat paramétereinek optimalizálása
4. lecke: RBF, GRNN és PNN neurális hálózatok
1. Az RBF neurális hálózat alapelvei
2. A GRNN neurális hálózat alapelvei
3. A PNN neurális hálózat alapelvei
4. Esetgyakorlat
5. lecke: Versenyképes neurális hálózat és SOM neurális hálózat
1. A kompetitív neurális hálózatok alapelvei
2. Az önszerveződő jellemzőtérkép (SOM) neurális hálózat alapelvei
3. Esetgyakorlat
6. lecke: A Vector Machine (SVM) támogatása
1. Az SVM osztályozás alapelvei
2. Az SVM regressziós illesztés alapelvei
3. Az SVM gyakori betanítási algoritmusai (blokkolás, SMO, inkrementális tanulás stb.)
4. Esetgyakorlat
7. lecke: Extreme Learning Machine (ELM)
1. Az ELM alapelvei
2. Az ELM és a BP neurális hálózat közötti különbség és kapcsolat
3. Esetgyakorlat
8. lecke: Döntési fák és véletlenszerű erdők
1. A döntési fák alapelvei
2. A véletlenszerű erdő alapelvei
3. Esetgyakorlat
9. lecke: Genetikai algoritmus (GA)
1. A genetikai algoritmus alapelvei
2. Bevezetés a gyakori genetikai algoritmusok eszköztáraiba
3. Esetgyakorlat
10. lecke: Részecskeraj-optimalizálási (PSO) algoritmus
1. A részecskeraj optimalizálási algoritmus alapelvei
2. Esetgyakorlat
11. lecke: Hangyatelep-algoritmus (ACA)
1. A részecskeraj optimalizálási algoritmus alapelvei
2. Esetgyakorlat
12. lecke: Szimulált lágyítás (szimulált lágyítás, SA)
1. A szimulált lágyító algoritmus alapelvei
2. Esetgyakorlat
13. lecke: A méretcsökkentés és a jellemzők kiválasztása
1. A főkomponens-elemzés alapelvei
2. A részleges legkisebb négyzetek alapelvei
3. Általános jellemzők kiválasztásának módszerei (optimalizált keresés, szűrő és burkoló stb.)
Követelmények
Haladó matematika Lineáris algebra
21 Órák
Vélemények (2)
A kód felépítése a semmiből.
Igor - Draka Comteq Fibre B.V.
Kurzus - Introduction to Image Processing using Matlab
Gépi fordítás
Trainer took the initiative to cover additional content outside our course materials to improve our learning.
