Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Programa do Curso
Lição 1: MATLAB Noções Básicas de Iniciação 1, Uma breve introdução à instalação do MATLAB, histórico de versões e ambiente de programação 2, operações básicas do MATLAB (incluindo operações matriciais, lógica e controlo de processos, funções e ficheiros de script, desenho básico, etc.) 3, importação de ficheiros (mat, txt, xls, csv e outros formatos) Lição 2: MATLAB Avançado e Aperfeiçoamento 1、 MATLAB Hábitos e Estilo de Programação 2, MATLAB habilidades de depuração 3, Programação Vectorizada e Otimização de Memória 4, Objetos gráficos e alças Lição 3: Redes Neurais BP 1, Princípios básicos de redes neurais BP 2, Implementação da rede neural BP MATLAB 3, Caso prático 4, Otimização dos parâmetros da rede neural BP Lição 4: Redes Neurais RBF, GRNN e PNN 1, Princípios básicos da rede neural RBF 2, Princípio básico da rede neural GRNN 3, Fundamentos da rede neural PNN 4、 Caso prático Lição 5: Redes Neurais Competitivas e Redes Neurais SOM 1, Princípios básicos de redes neurais competitivas 2, Princípios básicos da rede neural de mapeamento de características auto-organizáveis (SOM) 3、 Caso prático Lição 6: Máquina de Vetor de Suporte (SVM) 1, Classificação SVM de princípios básicos 2, Princípios básicos de ajuste de regressão SVM 3, Algoritmos de treino comuns de SVM (chunking, SMO, aprendizagem incremental, etc.) 4, Caso prático Lição 7: Máquina de Aprendizagem Extrema (Extreme Learning Machine, ELM) 1, Princípios básicos da ELM 2, Diferença e conexão entre ELM e rede neural BP 3, Caso prático Lição 8: Árvore de Decisão e Floresta Aleatória 1, Princípios básicos da árvore de decisão 2, Os princípios básicos das florestas aleatórias 3, Caso prático Lição 9: Algoritmo Genético (GA) 1, Os princípios básicos do algoritmo genético 2, Introdução ao conjunto de ferramentas comuns de algoritmo genético 3, Prática de caso Lição 10: Algoritmo de Otimização por Enxame de Partículas (PSO) 1, Princípios básicos do algoritmo de Otimização por Enxame de Partículas 2、 Caso prático Lição 11: Algoritmo de Colónia de Formigas (ACA) 1, Fundamentos do Algoritmo de Otimização por Enxame de Partículas 2, Prática de caso Lição 12: Recozimento Simulado (SA) 1, Princípios básicos do algoritmo de recozimento simulado 2, Prática de caso Lição 13: Redução de Dimensionalidade e Seleção de Características 1, O princípio básico da análise de componentes principais 2, O princípio básico dos mínimos quadrados parciais 3, Métodos comuns de seleção de características (Optimal Search, Filter and Wrapper, etc.)
Requisitos
matemática avançada álgebra linear
21 horas
