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.
Návrh Školení
Lekce 1: MATLAB Základy Začínáme
1. Stručně představte instalaci, historii verzí a programovací prostředí MATLAB
2. MATLABZákladní operace (včetně maticových operací, logického a procesního řízení, souborů funkcí a skriptů, základního kreslení atd.)
3. Import souborů (mat, txt, xls, csv a další formáty)
Lekce 2: MATLAB Pokrok a zlepšování
1. MATLAB Zvyky a styly programování
2. MATLABSchopnosti ladění
3. Vektorizované programování a optimalizace paměti
4. Grafické objekty a úchyty
Lekce 3: Neuronová síť BP
1. Základní principy BP neuronové sítě
2. MATLAB Implementace BP neuronové sítě
3. Případová praxe
4. Optimalizace parametrů BP neuronové sítě
Lekce 4: Neuronové sítě RBF, GRNN a PNN
1. Základní principy neuronové sítě RBF
2. Základní principy neuronové sítě GRNN
3. Základní principy neuronové sítě PNN
4. Případová praxe
Lekce 5: Konkurenční neuronová síť a SOM neuronová síť
1. Základní principy konkurenčních neuronových sítí
2. Základní principy neuronové sítě SOM (self-organizing feature map).
3. Případová praxe
Lekce 6: Support Vector Machine (SVM)
1. Základní principy klasifikace SVM
2. Základní principy regresního přizpůsobení SVM
3. Společné tréninkové algoritmy SVM (blokování, SMO, inkrementální učení atd.)
4. Případová praxe
Lekce 7: Extreme Learning Machine (ELM)
1. Základní principy ELM
2. Rozdíl a souvislost mezi ELM a BP neuronovou sítí
3. Případová praxe
Lekce 8: Rozhodovací stromy a náhodné lesy
1. Základní principy rozhodovacích stromů
2. Základní principy náhodného lesa
3. Případová praxe
Lekce 9: Genetický algoritmus (GA)
1. Základní principy genetického algoritmu
2. Úvod do běžných sad nástrojů genetických algoritmů
3. Případová praxe
Lekce 10: Algoritmus Particle Swarm Optimization (PSO).
1. Základní principy algoritmu optimalizace roje částic
2. Případová praxe
Lekce 11: Algoritmus mravenčí kolonie (ACA)
1. Základní principy algoritmu optimalizace roje částic
2. Případová praxe
Lekce 12: Simulované žíhání (Simulated Annealing, SA)
1. Základní principy algoritmu simulovaného žíhání
2. Případová praxe
Lekce 13: Redukce rozměrů a výběr prvků
1. Základní principy analýzy hlavních komponent
2. Základní principy parciálních nejmenších čtverců
3. Společné metody výběru funkcí (optimalizované vyhledávání, filtr a obal atd.)
Požadavky
Pokročilá matematika lineární algebra
21 hodiny
Reference (2)
Ruce na vytváření kódu od nuly.
Igor - Draka Comteq Fibre B.V.
Kurz - Introduction to Image Processing using Matlab
Machine Translated
Trainer took the initiative to cover additional content outside our course materials to improve our learning.
