MATLAB深度學(xué)習(xí)技術(shù)與應(yīng)用課程大綱

時(shí)間

課程

主要內(nèi)容

Day 1

08:30?– 12:00

一、MATLAB編程基礎(chǔ)復(fù)習(xí)

1.?復(fù)習(xí)MATLAB編程基礎(chǔ)知識(shí)

2.?復(fù)習(xí)MATLAB程序調(diào)試技巧及經(jīng)驗(yàn)等

3.?復(fù)習(xí)圖像處理入門知識(shí)

4.?復(fù)習(xí)MATLAB基本繪圖

5.?MATLAB編程習(xí)慣與風(fēng)格（Cell模式與Publish功能；Script與Live?Script的區(qū)別）

6.?MATLAB程序調(diào)試技巧（斷點(diǎn)的添加與刪除、進(jìn)入與退出調(diào)試模式、循環(huán)體的調(diào)試）

7.?MATLAB向量化編程與內(nèi)存優(yōu)化

13:30 – 17:00

二、人工神經(jīng)網(wǎng)絡(luò)

1.?人工智能的發(fā)展歷史回顧

2.?BP神經(jīng)網(wǎng)絡(luò)的基本原理（人工智能發(fā)展過(guò)程經(jīng)歷了哪些曲折？人工神經(jīng)網(wǎng)絡(luò)的分類有哪些？有導(dǎo)師學(xué)習(xí)和無(wú)導(dǎo)師學(xué)習(xí)的區(qū)別是什么？BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和訓(xùn)練過(guò)程是怎樣的？什么是梯度下降法？BP神經(jīng)網(wǎng)絡(luò)建模的本質(zhì)是什么？）

3.?BP神經(jīng)網(wǎng)絡(luò)的?MATLAB 實(shí)現(xiàn)（怎樣劃分訓(xùn)練集和測(cè)試集？為什么需要?dú)w一化？歸一化是必須的嗎？什么是梯度爆炸與梯度消失？）

4.?BP神經(jīng)網(wǎng)絡(luò)參數(shù)的優(yōu)化（隱含層神經(jīng)元個(gè)數(shù)、學(xué)習(xí)率、初始權(quán)值和閾值等如何設(shè)置？什么是交叉驗(yàn)證？）

5.?值得研究的若干問(wèn)題（欠擬合與過(guò)擬合、泛化性能評(píng)價(jià)指標(biāo)的設(shè)計(jì)、樣本不平衡問(wèn)題等）

6.?案例演示一：近紅外光譜汽油辛烷值預(yù)測(cè)（回歸擬合）

7.?案例演示二：MNIST手寫數(shù)字識(shí)別（分類識(shí)別）

8.?實(shí)操練習(xí)

9.?值得研究的若干問(wèn)題

???1）欠擬合與過(guò)擬合

???2）模型泛化性能評(píng)價(jià)（回歸擬合、分類識(shí)別）

???3）樣本不平衡

Day?2

08:30?– 09:00

三、深度學(xué)習(xí)簡(jiǎn)介

1. 深度學(xué)習(xí)的發(fā)展歷史

2.?深度學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)的區(qū)別與聯(lián)系

09:00?– 12:00

13:30?– 15:00

四、卷積神經(jīng)網(wǎng)絡(luò)

1.?CNN的拓?fù)浣Y(jié)構(gòu)

2.?CNN的卷積層、池化層、歸一化層等

3.?CNN的權(quán)值共享機(jī)制

4.?CNN的信號(hào)前向傳播過(guò)程

5.?CNN的誤差反向傳播（核心訓(xùn)練算法）

6.?CNN的進(jìn)化史（LeNet、AlexNet、VggNet、GoogLeNet、ResNet等）

7.?CNN的代碼實(shí)現(xiàn)

???1）利用預(yù)訓(xùn)練好的模型預(yù)測(cè)

???2）利用CNN抽取指定層的抽象特征

???3）自定義卷積神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

8.?CNN模型的調(diào)參技巧與經(jīng)驗(yàn)（ReLU、Normalization、Dropout等）

15:00 – 17:00

五、遷移學(xué)習(xí)

1. 遷移學(xué)習(xí)（Transfer?Learning）的基本思想

2.?基于實(shí)例的遷移學(xué)習(xí)算法：TrAdaBoost

3.?基于模型的遷移學(xué)習(xí)算法

4.?案例實(shí)戰(zhàn)

???1）基于TrAdaBoost算法的模型移植

???2）基于AlexNet模型的模型遷移

???3）基于Deep?Network Designer的模型遷移

Day 3

08:30?– 09:30

六、生成式對(duì)抗網(wǎng)絡(luò)

1. 生成式對(duì)抗網(wǎng)絡(luò)（GAN）的基本思想

2.?生成器（Generator）與判別器（Discriminator）的實(shí)現(xiàn)

3.?案例實(shí)戰(zhàn)

???1）基于GAN的圖片生成

09:30 – 12:00

七、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）與長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)（LSTM）

1.?循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）的基本原理

2.?長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)（LSTM）的基本原理

3.?RNN與LSTM的區(qū)別與聯(lián)系

4.?案例實(shí)戰(zhàn)

???1）時(shí)間序列預(yù)測(cè)

???2）序列-序列分類

13:30 – 15:00

八、群優(yōu)化算法

1.?群優(yōu)化算法的前世今生

2.?遺傳算法的基本原理

3.?GAOT工具箱的安裝與使用

4.?案例實(shí)戰(zhàn)

???1）連續(xù)優(yōu)化問(wèn)題：一元函數(shù)的極值點(diǎn)優(yōu)化

???2）離散優(yōu)化問(wèn)題：特征選擇

???3）深度神經(jīng)網(wǎng)絡(luò)模型的參數(shù)優(yōu)化

15:00?– 16:00

九、變量降維與特征選擇

1.?變量降維(Dimension?reduction)與特征選擇(Feature?selection)在概念上的區(qū)別與聯(lián)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與PLS的代碼實(shí)現(xiàn)

5.?PCA的啟發(fā)：訓(xùn)練集與測(cè)試集劃分合理性的判斷

6.?經(jīng)典特征選擇方法

???1）前向選擇法與后向選擇法

???2）無(wú)信息變量消除法

16:00 – 17:00

十、答疑與交流

1.?討論與答疑

2.?建立微信群、資料拷貝與書籍推薦

3.?Google?Scholar、ResearchGate、GitHub、SciHub等工具的使用方法