郁磊副教授,主要从事MATLAB编程、机器学习与数据挖掘、数据可视化和软件开发、生理系统建模与仿真、生物医学信号处理,具有丰富的实战应用经验,主编《MATLAB智能算法30个案例分析》、《MATLAB神经网络43个案例分析》相关著作。已发表多篇高水平的国际学术研究论文。
专题一 MATLAB编程基础与进阶(一) | 1、MATLAB 安装、版本历史与编程环境 2、MATLAB 基础操作(矩阵操作、逻辑与流程控制、函数与脚本文件) 3、MATLAB文件读写(mat、txt、xls、csv、jpg、wav、avi等格式) |
专题二 MATLAB编程基础与进阶(二) | 1、MATLAB基本绘图与高级绘图、图片导出与保存、生成SCI期刊要求的图片 2、MATLAB 调试技巧(为什么会给出各种各样的错误信息?常见的错误信息有哪些?如何正确面对错误信息?如何使用断点调试工具?应该去哪些网站寻找答案?) |
专题三 BP神经网络及其在近红外光谱分析中的应用(一) | 1、BP神经网络的基本原理(人工智能发展过程经历了哪些曲折?人工神经网络的分类有哪些?BP神经网络的拓扑结构和训练过程是怎样的?什么是梯度下降法?BP神经网络建模的本质是什么?) 2、案例演示:BP神经网络的 MATLAB 实现(近红外光谱回归拟合建模) |
专题四 BP神经网络及其在近红外光谱分析中的应用(二) | 1、怎样划分训练集和测试集?为什么需要归一化?归一化是必须的吗? BP神经网络的常用激活函数有哪些?如何使用?) 2、BP神经网络参数的优化(隐含层神经元个数、学习率、初始权值和阈值等如何设置?什么是交叉验证?) 3、值得研究的若干问题(欠拟合与过拟合、泛化性能评价指标的设计、样本不平衡问题等) 4、案例演示:BP神经网络的 MATLAB 实现(近红外光谱分类识别建模) |
专题五 支持向量机(SVM)及其在近红外光谱分析中的应用 | 1、SVM的基本原理(什么是经验误差最小和结构误差最小?SVM的本质是解决什么问题?SVM的四种典型结构是什么?核函数的作用是什么?什么是支持向量?) 2、SVM扩展知识(如何解决多分类问题?SVM除了建模型之外,还可以帮助我们做哪些事情?SVM的启发:样本重要性的排序及样本筛选) 3、LibSVM工具箱的安装与使用 4、案例演示:SVM的MATLAB实现(近红外光谱回归拟合建模) |
专题六 决策树与随机森林及其在近红外光谱分析中的应用 | 1、决策树的基本原理(微软小冰读心术的启示;什么是信息熵和信息增益?ID3算法和C4.5算法的区别与联系) 2、决策树的启发:变量重要性的排序及变量筛选 3、随机森林的基本原理与集成学习框架(为什么需要随机森林算法?广义与狭义意义下的“随机森林”分别指的是什么?“随机”提现在哪些地方?随机森林的本质是什么?) 4、案例演示:决策树与随机森林的MATLAB实现(近红外光谱回归拟合建模) |
专题七 遗传算法及其在近红外光谱分析中的应用 | 1、群优化算法的前世今生 2、遗传算法(Genetic Algorithm)的基本原理 3、案例演示:基于二进制遗传算法的近红外光谱波长筛选 |
专题八 变量降维算法及其在近红外光谱分析中的应用 | 1、主成分分析(PCA)、偏最小二乘(PLS)的基本原理(PCA与PLS的区别与联系;PCA除了降维之外,还可以帮助我们做什么?) 2、近红外光谱波长选择方法拓展(Filter和Wrapper;前向与后向选择法;区间法;无信息变量消除法等) 3、案例演示:PCA/PLS近红外光谱降维MATLAB实现 |
专题九 卷积神经网络及其在近红外光谱分析中的应用 | 1、深度学习与传统机器学习的区别与联系(神经网络的隐含层数越多越好吗?深度学习与传统机器学习的本质区别是什么?) 2、卷积神经网络的基本原理(什么是卷积核?CNN的典型拓扑结构是怎样的?CNN的权值共享机制是什么?CNN提取的特征是怎样的?) 3、卷积神经网络参数调试技巧 4、案例演示:一维卷积神经网络的MATLAB实现(基于卷积神经网络的近红外光谱建模) |
专题十 | 1、复习与总结(知识点梳理) 2、资料分享(图书、在线课程资源、源代码等) |
原文链接https://mp.weixin.qq.com/s?__biz=MzUyNzczMTI4Mg==&mid=2247557589&idx=4&sn=bb11bfd5c9e63df928731c6870d39738&scene=21&token=1882046877&lang=zh_CN&scene=21#wechat_redirect