MATLAB 2021b的机器学习、深度学习

近年来,随着无人驾驶汽车、医学影像智慧辅助诊疗、ImageNet竞赛等热点事件的发生,人工智能迎来了新一轮的发展浪潮。尤其是在计算机视觉和图像处理领域,各种颠覆性的成果应运而生。

阅读全文点击:《MATLAB 2021b的机器学习、深度学习》

一、MATLAB基础编程

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

二、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

三、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

四、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

五、卷积神经网络

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、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

六、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

七、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)

八、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

九、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

十、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

十一、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)

十二、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

十三、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

十四、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

你可能感兴趣的:(机器学习,深度学习,python,matlab,深度学习,开源软件,人工智能)