Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Programa del Curso
Lección 1: MATLAB Conceptos básicos introductorios
1. Presente brevemente la instalación, el historial de versiones y el entorno de programación de MATLAB.
2. MATLAB Operaciones básicas (incluidas operaciones matriciales, lógica y control de procesos, funciones y archivos de scripts, dibujos básicos, etc.)
3. Importación de archivos (MAT, TXT, XLS, CSV, etc.)
Lección 2: MATLAB Avance y mejora
1. MATLAB Hábitos y estilos de programación
2. MATLAB Habilidades de depuración
3. Programación vectorizada y optimización de memoria
4. Objetos gráficos y tiradores
Lección 3: Redes neuronales BP
1. El principio básico de la red neuronal BP
2. MATLAB implementación de la red neuronal BP
3. Jurisprudencia
4. Optimización de los parámetros de la red neuronal BP
Lección 4: Redes neuronales RBF, GRNN y PNN
1. El principio básico de la red neuronal RBF
2. Los principios básicos de la red neuronal GRNN
3. El principio básico de la red neuronal PNN
4. Jurisprudencia
Lección 5: Redes neuronales que compiten entre sí frente a redes neuronales SOM
1. Principios básicos de las redes neuronales competitivas
2. Principios básicos de las redes neuronales de mapeo de características autoorganizadas (SOM)
3. Jurisprudencia
Lección 6: Máquina de vectores de soporte (SVM)
1. El principio básico de la clasificación SVM
2. El principio básico del ajuste de regresión de SVM
3. Algoritmos de entrenamiento comunes para SVM (fragmentación, SMO, aprendizaje incremental, etc.)
4. Jurisprudencia
Lección 7: Máquina de Aprendizaje Extremo (ELM)
1. El principio básico del ELM
2. La diferencia y la conexión entre ELM y la red neuronal BP
3. Jurisprudencia
Lección 8: Árboles de decisión y bosques aleatorios
1. Los principios básicos de los árboles de decisión
2. El principio básico del bosque aleatorio
3. Jurisprudencia
Lección 9: Algoritmo Genético (GA)
1. Principios básicos de los algoritmos genéticos
2. Introducción a las cajas de herramientas comunes de algoritmos genéticos
3. Jurisprudencia
Lección 10: Algoritmos de optimización de enjambres de partículas (PSO)
1. El principio básico del algoritmo de optimización de enjambre de partículas.
2. Jurisprudencia
Lección 11: Algoritmo de colonias de hormigas (ACA)
1. El principio básico del algoritmo de optimización de enjambre de partículas.
2. Jurisprudencia
Lección 12: Recocido simulado (SA)
1. El principio básico del algoritmo de recocido simulado
2. Jurisprudencia
Lección 13: Reducción de dimensionalidad y selección de características
1. El principio básico del análisis de componentes principales
2. El principio básico de los mínimos cuadrados parciales
3. Métodos comunes de selección de características (búsqueda de optimización, filtro, envoltura, etc.)
Requerimientos
Matemáticas Adicionales
álgebra lineal
21 Horas
Testimonios (1)
Construcción práctica del código desde cero.
Igor - Draka Comteq Fibre B.V.
Curso - Introduction to Image Processing using Matlab
Traducción Automática
