机器学习及其matlab实现—从基础到实践 Matlab入门基础到进阶视频教程【13课时】

冰点也疯狂

课程简介：
近年来,随着人工智能的发展,机器学习已经广泛应用于各行各业中,如语言识别、文 本分类、智能推荐、网络安全、物联网等。然而,对于绝大部分非数学专业出身的人而言, 谈到机器学习,就会被大量的数学公式吓到退避三舍。实际上,随着计算机与信息技术的快 速发展,越来越多的人仅需要会使用机器学习这一工具即可,无需了解各种机器学习算法的 细枝末节。正如,我们每天都在使用计算机,但是我们不需要了解 CPU 和内存在每一时刻 的具体运行过程。因此,我们推出本课程,旨在帮助学员了解各种常见机器学习算法的原理与思想,同时,以具体案例的形式,引导学员自己动手实践编程。
考虑到众多学员基础不一,本次课程将会分成三大部分:MATLAB 入门基础与提高、机器学习基础和具体案例实践。
' A8 p8 @& O/ i
课程目录：
第一课:MATLAB 入门基础
1、简单介绍 MATLAB 的安装、版本历史与编程环境
- y& x* c( Y5 g  ?) v2、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)
3、文件导入(mat、txt、xls、csv 等格式)

" M& w- g2 g* U% j; M9 p2 B9 e第二课:MATLAB 进阶与提高
* M4 q' Q/ N+ F3 ^# H1、MATLAB 编程习惯与风格
( U  o- q& s& u% F$ K2、MATLAB 调试技巧
3、向量化编程与内存优化
4、图形对象和句柄

2 X  g" o$ F7 J第三课:BP 神经网络
9 u) I/ n0 g$ E3 [1、BP神经网络的基本原理
# u0 W, N# B0 B* _# \2、BP神经网络的 MATLAB 实现
0 T; S' Q# g, i" g, A3、案例实践
4 F$ t3 l3 O  \5 K; S4、BP神经网络参数的优化

第四课:RBF、GRNN 和 PNN 神经网络
; a1 F8 S5 l/ G" t3 Z1、RBF 神经网络的基本原理
+ e7 I" b2 T) `* k! g( `0 h2、GRNN 神经网络的基本原理
3、PNN 神经网络的基本原理
4、案例实践

' G0 Y2 _' n' K& X+ ]* N4 ?& A4 E第五课:竞争神经网络与 SOM 神经网络
  p$ Z6 a" T  p1、竞争神经网络的基本原理
6 S8 M2 K4 }4 R# g2 n2、自组织特征映射(SOM)神经网络的基本原理
3、案例实践
, I7 Y6 H' t: s3 T7 l4 `* T3 ]0 R
第六课:支持向量机(Support Vector Machine, SVM)
& W8 s7 u' a& @( n1、SVM 分类的基本原理
2、SVM 回归拟合的基本原理
3、SVM 的常见训练算法(分块、SMO、增量学习等)
5 r7 l- P/ `' i$ S7 q- l2 R4、案例实践
, T- p: Q4 x' e" S) M& E
; Y6 i5 q( r7 h, @7 p第七课:极限学习机(Extreme Learning Machine, ELM)
1、ELM 的基本原理
* W2 e! S: R: K2、ELM 与 BP 神经网络的区别与联系
" v% |" Y  ?, k/ L$ y$ Q# D3、案例实践

( x9 K  Y1 A% T5 [$ A第八课:决策树与随机森林
- H7 c/ x! n% m  T/ {& H2 W1、决策树的基本原理
2、随机森林的基本原理
1 ]* `' x: c  }) G5 U3、案例实践
/ ~- r1 j: J$ k# J# W
4 {/ A' y$ m5 B* v& o5 @第九课:遗传算法(Genetic Algorithm, GA)
1、遗传算法的基本原理
2、常见遗传算法工具箱介绍
3、案例实践

- j7 R: z7 f0 ^. h4 R第十课:粒子群优化(Particle Swarm Optimization, PSO)算法
! j2 `! [" G% Q7 S% j2 V& s" z( S6 b1、粒子群优化算法的基本原理
2、案例实践
0 a/ d5 I. E: ^& _
# v$ {* s/ u9 P- S& e8 X2 [第十一课:蚁群算法(Ant Colony Algorithm, ACA)
' g& h9 E! z8 x  e: H1、粒子群优化算法的基本原理
4 O7 n5 u6 x% F: ~; P; p0 U' n, L: \2、案例实践
7 t* _- ~' K5 c+ l' S4 W
: r) s! {( l# C4 l4 I$ g第十二课:模拟退火算法(Simulated Annealing, SA)
8 N) d# p0 i1 x4 C5 H4 N* t1、模拟退火算法的基本原理
( X  P; g) R8 r4 R2、案例实践
  ^8 B! ~: i+ i6 V
1 i1 [+ _/ i3 x9 {. t) B第十三课:降维与特征选择
1、主成分分析的基本原理
2、偏最小二乘的基本原理
/ B+ i; n* x2 |$ ]: c# m3、常见的特征选择方法(优化搜索、Filter 和 Wrapper 等)