操作指南"/>
MATLAB 2021b的机器学习、深度学习操作指南
第一章 MATLAB基础编程串讲 | 1、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 2、文件导入:mat、txt、xls、csv、jpg、wav、avi等格式 3、MATLAB编程习惯、编程风格与调试技巧 4、MATLAB数字图像处理入门 5、案例讲解:基于手机摄像头的心率计算 6、实操练习 |
第二章 BP神经网络 | 1、人工智能基本概念辨析(回归拟合问题与分类识别问题;有监督(导师)学习与无监督(无导师)学习;训练集、验证集与测试集;过拟合与欠拟合) 2、BP神经网络的工作原理 3、数据预处理(归一化、异常值剔除、数据扩增技术等) 4、交叉验证与模型参数优化 5、模型评价与指标的选择(回归拟合问题 vs. 分类识别问题) 6、案例讲解:(1)手写数字识别 (2)人脸朝向识别 (3)回归拟合预测 7、实操练习 |
第三章 支持向量机、决策树与随机森林 | 1. 支持向量机的基本原理(支持向量的本质、核函数的意义、SVM的启示等) 2. 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) 3. 随机森林的基本原理(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. 知识扩展:支持向量机、决策树除了建模型之外,还可以帮我们做什么事情?怎样解读随机森林的结果? 5. 案例讲解:(1)鸢尾花Iris分类识别(SVM、决策树) (2)基于随机森林的乳腺癌良性/恶性肿瘤智能诊断模型 6. 实操练习 |
第四章 变量降维与特征选择 | 1. 变量降维(Dimension reduction)与特征选择(Feature selection)在概念上的区别与联系 2. 主成分分析(PCA)的基本原理 3. 偏最小二乘法(PLS)的基本原理 4. PCA与PLS的代码实现 5. PCA的启发:训练集与测试集划分合理性的判断 6. 经典特征选择方法 1)前向选择法与后向选择法 2)无信息变量消除法 3)基于二进制遗传算法的特征选择 |
第五章 卷积神经网络 |
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、LeNet、AlexNet、Vgg-16/19、GoogLeNet、ResNet等经典深度神经网络的区别与联系 4、MATLAB深度学习工具箱简介 5、deepNetworkDesigner交互式设计工具演示 6、预训练模型(Alexnet、Vgg-16/19、GoogLeNet、ResNet等)的下载与安装 7、案例讲解: (1)CNN预训练模型实现物体识别 (2)利用卷积神经网络抽取抽象特征 (3)自定义卷积神经网络拓扑结构 (4)1D CNN模型解决回归拟合预测问题 8、实操练习 |
第六章 网络优化与调参技巧 | 1、网络拓扑结构优化 2、优化算法(梯度下降、随机梯度下降、小批量随机梯度下降、动量法、Adam等) 3、调参技巧(参数初始化、数据预处理、数据扩增、批量归一化、超参数优化、网络正则化等) 4、案例讲解:卷积神经网络模型优化 5、实操练习 |
第七章 迁移学习算法 | 1、迁移学习算法的基本原理(为什么需要迁移学习?为什么可以迁移学习?迁移学习的基本思想是什么?) 2、基于深度神经网络模型的迁移学习算法 3、案例讲解:猫狗大战(Dogs vs. Cats) 4、实操练习 |
第八章 循环神经网络与长短时记忆神经网络 | 1. 循环神经网络(RNN)的基本原理 2. 长短时记忆神经网络(LSTM)的基本原理 3. RNN与LSTM的区别与联系 4. 案例讲解: 1)时间序列预测 2)序列-序列分类 5. 实操练习 |
第九章 时间卷积网络(Temporal Convolutional Network, TCN) | 1. 时间卷积网络(TCN)的基本原理 2. TCN与1D CNN、LSTM的区别与联系 3. 案例讲解: 1)时间序列预测:新冠肺炎疫情预测 2)序列-序列分类:人体动作识别 4. 实操练习 |
第十章 基于深度学习的视频分类案例实战 | 1、基于深度学习的视频分类基本原理 2、读取视频流文件并抽取图像帧 3、利用预训练CNN模型提取指定层的特征图 4、自定义构建LSTM神经网络模型 5、案例讲解:HMDB51数据集视频分类 6、实操练习 |
第十一章 生成式对抗网络(GAN) | 1、生成式对抗网络GAN(什么是对抗生成网络?为什么需要对抗生成网络?对抗生成网络可以帮我们做什么?GAN给我们带来的启示) 2、GAN的基本原理及GAN进化史 3、案例讲解:GAN的MATLAB代码实现(向日葵花图像的自动生成) 4、实操练习 |
第十二章 目标检测YOLO模型 | 1、什么是目标检测?目标检测与目标识别的区别与联系 2、YOLO模型的工作原理 3、从YOLO v1到v5的进化之路 4、案例讲解: (1)使用预训练模型实现图像、视频等实时目标检测 (2)训练自己的数据集:新冠疫情佩戴口罩识别 5、实操练习 |
第十三章 U-Net模型 | 1、语义分割(Semantic Segmentation)简介 2、U-Net模型的基本原理 3、案例讲解:基于U-Net的多光谱图像语义分割 4、实操练习 |
第十四章 自编码器(AutoEncoder) | 1、自编码器的组成及基本工作原理 2、自编码器的变种(栈式自编码器、稀疏自编码器、去噪自编码器、卷积自编码器、掩码自编码器等)及其工作原理 3、案例讲解:基于自编码器的图像分类 4、实操练习 |
第十五章 讨论与答疑 | 1、如何查阅文献资料?(你会使用Google Scholar、Sci-Hub、ResearchGate吗?应该去哪些地方查找与论文配套的数据和代码?) 2、如何提炼与挖掘创新点?(如果在算法层面上难以做出原创性的工作,如何结合自己的实际问题提炼与挖掘创新点?) 3、相关学习资料分享与拷贝(图书推荐、在线课程推荐等) 4、建立微信群,便于后期的讨论与答疑 |
更多推荐
MATLAB 2021b的机器学习、深度学习操作指南
发布评论