MATLAB近红外光谱教程

详情点击链接:MATLAB近红外光谱教程

一,MATLAB编程(一)
1、MATLAB 安装与编程环境

2、MATLAB 基础(矩阵操作、逻辑与流程控制、函数与脚本文件)

3、MATLAB文件读写(mat、txt、xls、csv、jpg、wav、avi等格式)
二,MATLAB编程(二)
1、MATLAB基本绘图与高级绘图、图片导出与保存、生成SCI期刊要求的图片

2、MATLAB 调试技巧(为什么会给出各种各样的错误信息?常见的错误信息有哪些?如何正确面对错误信息?如何使用断点调试工具?应该去哪些网站寻找答案?)
三,BP神经网络及其在近红外光谱分析(一)
1、BP神经网络原理
2、案例:BP神经网络的 MATLAB 实现(近红外光谱回归拟合建模)
四,BP神经网络及其在近红外光谱分析(二)
1、怎样划分训练集和测试集?为什么需要归一化?归一化是必须的吗? BP神经网络的常用激活函数有哪些?如何使用?)

2、BP神经网络参数的优化(隐含层神经元个数、学习率、初始权值和阈值等如何设置?什么是交叉验证?)

3、值得研究的若干问题(欠拟合与过拟合、泛化性能评价指标的设计、样本不平衡问题等)

4、案例演示:BP神经网络的 MATLAB 实现(近红外光谱分类识别建模)
·五,支持向量机(SVM)及其在近红外光谱分析
1、SVM的基本原理(什么是经验误差最小和结构误差最小?SVM的本质是解决什么问题?SVM的四种典型结构是什么?核函数的作用是什么?什么是支持向量?)

2、SVM扩展知识(如何解决多分类问题?SVM除了建模型之外,还可以帮助我们做哪些事情?SVM的启发:样本重要性的排序及样本筛选)

3、LibSVM工具箱的安装与使用

4、案例:SVM的MATLAB实现(近红外光谱回归拟合建模)
六,决策树与随机森林及其在近红外光谱分析
1、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)

2、决策树的启发:变量重要性的排序及变量筛选

3、随机森林的基本原理与集成学习框架(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、案例:决策树与随机森林的MATLAB实现(近红外光谱回归拟合建模)
七,遗传算法及其在近红外光谱分析
1、群优化算法的前世今生

2、遗传算法(Genetic Algorithm)的基本原理

3、案例:基于二进制遗传算法的近红外光谱波长筛选
八,变量降维算法及其在近红外光谱分析
1、主成分分析(PCA)、偏最小二乘(PLS)的基本原理(PCA与PLS的区别与联系;PCA除了降维之外,还可以帮助我们做什么?)

2、近红外光谱波长选择方法拓展(Filter和Wrapper;前向与后向选择法;区间法;无信息变量消除法等)

3、案例演示:PCA/PLS近红外光谱降维MATLAB实现
九,卷积神经网络及其在近红外光谱分析
1、深度学习与传统机器学习的区别与联系

2、卷积神经网络的原理

3、卷积神经网络参数调试技巧

4、案例:一维卷积神经网络的MATLAB实现(基于卷积神经网络的近红外光谱建模)
————————————————
 

你可能感兴趣的:(人工智能,matlab,开发语言,机器学习)