課程章節(jié)

主要內(nèi)容

第一章

MATLAB 基礎編程串講

1、MATLAB 基礎操作：包括矩陣操作、邏輯與流程控制、函數(shù)與腳本文件、基本繪圖等

2、文件導入：mat、txt、xls、csv、jpg、wav、avi 等格式

3、MATLAB 編程習慣、編程風格與調(diào)試技巧

4、MATLAB 數(shù)字圖像處理入門

5、案例講解

6、實操練習

第二章BP 神經(jīng)網(wǎng)絡

1、人工智能基本概念辨析（回歸擬合問題與分類識別問題；有監(jiān)督（導師）學習與無監(jiān)督（無導師）學習；訓練集、驗證集與測試集；過擬合與欠擬合）

2、BP 神經(jīng)網(wǎng)絡的工作原理

3、數(shù)據(jù)預處理（歸一化、異常值剔除、數(shù)據(jù)擴增技術等）

4、交叉驗證與模型參數(shù)優(yōu)化

5、模型評價與指標的選擇（回歸擬合問題 vs. 分類識別問題）

6、案例講解：（1）手寫數(shù)字識別 （2）人臉朝向識別 （3）回歸擬合預測

7、實操練習

第三章

支持向量機、決策樹與隨機森林

1、?支持向量機的基本原理（支持向量的本質(zhì)、核函數(shù)的意義、新啟示等）

2、?決策樹的基本原理（微軟小冰讀心術的啟示；什么是信息熵和信息增益？ID3 算法和 C4.5 算法的區(qū)別與聯(lián)系）

3、隨機森林的基本原理（為什么需要隨機森林算法？廣義與狹義意義下的“隨機森林”分別指的是什么？“隨機”提現(xiàn)在哪些地方？隨機森林 的本質(zhì)是什么？）

4、知識擴展：支持向量機、決策樹除了建模型之外，還可以幫我們做什么事情？怎樣解讀隨機森林的結果？

案例講解-1：鳶尾花Iris 分類識別（SVM、決策樹）

案例講解-2：基于隨機森林的乳腺癌良性/惡性腫瘤智能診斷模型

6、實操練習

第四章

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 的代碼實現(xiàn)

5、經(jīng)典特征選擇方法

5.1前向選擇法與后向選擇法

5.2基于二進制遺傳算法的特征選擇

第五章

卷積神經(jīng)網(wǎng)絡

1、深度學習與傳統(tǒng)機器學習的區(qū)別與聯(lián)系（神經(jīng)網(wǎng)絡的隱含層數(shù)越多越好嗎？深度學習與傳統(tǒng)機器學習的本質(zhì)區(qū)別是什么？）

2、卷積神經(jīng)網(wǎng)絡的基本原理（什么是卷積核？CNN 的典型拓撲結構是怎樣的？CNN 的權值共享機制是什么？CNN 提取的特征是怎樣的？）

3、LeNet、AlexNet、Vgg-16/19、GoogLeNet、ResNet 等經(jīng)典深度神經(jīng)網(wǎng)絡的區(qū)別與聯(lián)系

4、MATLAB 2024b深度學習工具箱新功能與新特性簡介

5、deepNetworkDesigner 交互式設計工具演示

6、預訓練模型（Alexnet、Vgg-16/19、GoogLeNet、ResNet 等）的下載與安裝

案例講解-1：CNN 預訓練模型實現(xiàn)物體識別

案例講解-2：利用卷積神經(jīng)網(wǎng)絡抽取抽象特征

案例講解-3：自定義卷積神經(jīng)網(wǎng)絡拓撲結構

案例講解-4：1D CNN 模型解決回歸擬合預測問題

7、實操練習

第六章

網(wǎng)絡優(yōu)化與調(diào)參技巧

1、網(wǎng)絡拓撲結構優(yōu)化

2、優(yōu)化算法（梯度下降、隨機梯度下降、小批量隨機梯度下降、動量法、 Adam 等）

3、調(diào)參技巧（參數(shù)初始化、數(shù)據(jù)預處理、數(shù)據(jù)擴增、批量歸一化、超參 數(shù)優(yōu)化、網(wǎng)絡正則化等）

案例講解-1：卷積神經(jīng)網(wǎng)絡模型優(yōu)化

4、實操練習

第七章

遷移學習算法

1、遷移學習算法的基本原理（為什么需要遷移學習？為什么可以遷移學習？遷移學習的基本思想是什么？）

2、基于深度神經(jīng)網(wǎng)絡模型的遷移學習算法

案例講解-1：貓狗大戰(zhàn)（Dogs vs. Cats）

3、實操練習

第八章

循環(huán)神經(jīng)網(wǎng)絡與長短時記憶神經(jīng)網(wǎng)絡

1、循環(huán)神經(jīng)網(wǎng)絡（RNN）的基本原理

2、長短時記憶神經(jīng)網(wǎng)絡（LSTM）的基本原理

3、RNN 與 LSTM 的區(qū)別與聯(lián)系

案例講解-1：時間序列預測

案例講解-2：序列-序列分類

4、實操練習

第九章

時間卷積網(wǎng)絡

（Temporal?

Convolutional?

Network, TCN）

1、時間卷積網(wǎng)絡（TCN）的基本原理

2、TCN 與 1D CNN、LSTM 的區(qū)別與聯(lián)系

案例講解-1：時間序列預測：新冠肺炎疫情預測

案例講解-2：序列-序列分類：人體動作識別

3、實操練習

第十章

生成式對抗網(wǎng)絡（GAN）

1、生成式對抗網(wǎng)絡 GAN（什么是對抗生成網(wǎng)絡？為什么需要對抗生成網(wǎng)絡？對抗生成網(wǎng)絡可以幫我們做什么？）

2、GAN 的基本原理

案例講解-1：GAN 的 MATLAB 代碼實現(xiàn)（向日葵花圖像的自動生成）

3、實操練習

第十一章

目標檢測YOLO 模型

1、什么是目標檢測？目標檢測與目標識別的區(qū)別與聯(lián)系

2、YOLO 模型的工作原理

案例講解-1：使用預訓練模型實現(xiàn)圖像、視頻等實時目標檢測

案例講解-2：訓練自己的數(shù)據(jù)集：新冠疫情佩戴口罩識別

3、實操練習

第十二章

自編碼器AutoEncoder

1、自編碼器的組成及基本工作原理

2、自編碼器的變種（去噪自編碼器、卷積自編碼器、掩碼自編碼器等）

案例講解-1：基于自編碼器的圖像分類

3、實操練習

第十三章

U-Net圖像語義分割模型

1、語義分割（Semantic Segmentation）簡介

2、U-Net模型的基本原理

案例講解-1基于U-Net的多光譜圖像語義分割

3、實操練習

第十四章

MATLAB接入ChatGPT/DeepSeek等大語言模型

1、Ollama下載與安裝

2、Large Language Models (LLMs) with MATLAB下載與安裝

3、ChatGPT API Key配置與MATLAB接入ChatGPT對話

4、本地部署DeepSeek大語言模型與MATLAB接入DeepSeek對話

5、案例講解與實操練習

第十五章

討論與答疑

1、如何查閱文獻資料？（去哪些地方查找論文與配套的數(shù)據(jù)和代碼？）

2、如何提煉與挖掘創(chuàng)新點？

3、相關學習資料分享與拷貝（圖書推薦、在線課程推薦等）

4、建立微信群，便于后期的討論與答疑

備注

學員需自備電腦一臺，提前安裝MATLAB2024b版本軟件