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.
Course Outline
Μάθημα 1: MATLAB Βασικά στοιχεία για το ξεκίνημα
1. Παρουσιάστε συνοπτικά την εγκατάσταση, το ιστορικό εκδόσεων και το περιβάλλον προγραμματισμού του MATLAB
2. MATLABΒασικές λειτουργίες (συμπεριλαμβανομένων λειτουργιών μήτρας, ελέγχου λογικής και διεργασίας, αρχείων συναρτήσεων και σεναρίων, βασικού σχεδίου κ.λπ.)
3. Εισαγωγή αρχείων (mat, txt, xls, csv και άλλες μορφές)
Μάθημα 2: MATLAB Πρόοδος και Βελτίωση
1. MATLAB Προγραμματιστικές συνήθειες και στυλ
2. MATLABΙκανότητες εντοπισμού σφαλμάτων
3. Διανυσματικός προγραμματισμός και βελτιστοποίηση μνήμης
4. Γραφικά αντικείμενα και λαβές
Μάθημα 3: Νευρωνικό Δίκτυο BP
1. Βασικές αρχές νευρωνικού δικτύου BP
2. MATLAB Υλοποίηση νευρωνικού δικτύου BP
3. Πρακτική υπόθεσης
4. Βελτιστοποίηση παραμέτρων νευρωνικού δικτύου BP
Μάθημα 4: Νευρωνικά Δίκτυα RBF, GRNN και PNN
1. Βασικές αρχές νευρωνικού δικτύου RBF
2. Βασικές αρχές νευρωνικού δικτύου GRNN
3. Βασικές αρχές νευρωνικού δικτύου PNN
4. Πρακτική υπόθεσης
Μάθημα 5: Ανταγωνιστικό νευρωνικό δίκτυο και νευρωνικό δίκτυο SOM
1. Βασικές αρχές ανταγωνιστικών νευρωνικών δικτύων
2. Βασικές αρχές νευρωνικού δικτύου αυτοοργάνωσης χαρτών χαρακτηριστικών (SOM).
3. Πρακτική υπόθεσης
Μάθημα 6: Υποστήριξη διανυσματικής μηχανής (SVM)
1. Βασικές αρχές ταξινόμησης SVM
2. Βασικές αρχές προσαρμογής παλινδρόμησης SVM
3. Κοινοί αλγόριθμοι εκπαίδευσης του SVM (μπλοκάρισμα, SMO, αυξητική μάθηση κ.λπ.)
4. Πρακτική υπόθεσης
Μάθημα 7: Extreme Learning Machine (ELM)
1. Βασικές αρχές ELM
2. Η διαφορά και η σύνδεση μεταξύ νευρωνικού δικτύου ELM και BP
3. Πρακτική υπόθεσης
Μάθημα 8: Δέντρα απόφασης και τυχαία δάση
1. Βασικές αρχές των δέντρων αποφάσεων
2. Βασικές αρχές του τυχαίου δάσους
3. Πρακτική υπόθεσης
Μάθημα 9: Γενετικός Αλγόριθμος (GA)
1. Βασικές αρχές γενετικού αλγορίθμου
2. Εισαγωγή στις εργαλειοθήκες κοινών γενετικών αλγορίθμων
3. Πρακτική υπόθεσης
Μάθημα 10: Αλγόριθμος βελτιστοποίησης σμήνους σωματιδίων (PSO).
1. Βασικές αρχές αλγόριθμου βελτιστοποίησης σμήνος σωματιδίων
2. Πρακτική υπόθεσης
Μάθημα 11: Αλγόριθμος αποικίας μυρμηγκιών (ACA)
1. Βασικές αρχές αλγόριθμου βελτιστοποίησης σμήνος σωματιδίων
2. Πρακτική υπόθεσης
Μάθημα 12: Προσομοίωση ανόπτησης (Simulation Annealing, SA)
1. Βασικές αρχές αλγορίθμου προσομοίωσης ανόπτησης
2. Πρακτική υπόθεσης
Μάθημα 13: Μείωση διαστάσεων και επιλογή χαρακτηριστικών
1. Βασικές αρχές ανάλυσης κύριων συστατικών
2. Βασικές αρχές μερικών ελαχίστων τετραγώνων
3. Κοινές μέθοδοι επιλογής χαρακτηριστικών (βελτιστοποιημένη αναζήτηση, φίλτρο και περιτύλιγμα, κ.λπ.)
Requirements
Προχωρημένα Μαθηματικά Γραμμική Άλγεβρα
21 Hours
Testimonials (2)
Χέρια στην κατασκευή του κώδικα από την αρχή.
Igor - Draka Comteq Fibre B.V.
Course - Introduction to Image Processing using Matlab
Machine Translated
Trainer took the initiative to cover additional content outside our course materials to improve our learning.
