MATLAB深度学习工具箱——建议收藏!
原文链接:MATLAB深度学习工具箱https://mp.weixin.qq.com/s?__biz=MzUzNTczMDMxMg==&mid=2247582156&idx=7&sn=2f5b2b7922e5d42960c93c2615af0d7e&chksm=fa82c02bcdf5493de044e20d619662b6be2d8bbfd490cb4d4c0473e339192c2cbbe24e7791e2&token=1928664218&lang=zh_CN#rd
一:科研
MATLAB 2019b深度学习工具箱功能
1、MATLAB R2019b软件安装
2、MATLAB深度学习工具箱与Python Sci-kit Learn、Tensorflow、Keras等框架对比
3、MATLAB深度学习可视化工具简介
4、MATLAB深度学习工具箱帮助文档梳理与总结
二:BP神经网络(一)
1、BP神经网络的基本原理
2、BP神经网络的MATLAB代码实现)
三:BP神经网络(二)
1、BP神经网络参数的优化
四:卷积神经网络(一)
1、深度学习的发展历史、深度学习与传统机器学习的区别与联系
2、CNN的拓扑结构及工作原理
3、一:利用预训练好的模型预测
4、二:利用CNN抽取指定层的抽象特征
5、三:自定义卷积神经网络拓扑结构
五:卷积神经网络(二)
1、CNN的进化史
2、一:利用GPU实现加速计算
3、二:一维卷积神经网络(1D CNN)的MATLAB代码实现
六:循环神经网络与长短时记忆神经网络
1、循环神经网络(RNN)的基本原理
2、长短时记忆神经网络(LSTM)的基本原理
3、RNN与LSTM的区别与联系
4、一:时间序列预测(武汉2019-nCoV)
5、二:序列-序列(Sequence-to-Sequence)分类
七:迁移学习
1、迁移学习(Transfer Learning)的基本思想
2、基于实例的迁移学习算法:TrAdaBoost
3、基于模型的迁移学习算法
4. 一:基于TrAdaBoost算法的模型移植
5、二:基于AlexNet模型的模型迁移
八:MATLAB深度学习
1、深度神经网络在图像处理中的应用
2、深度神经网络在生物医学工程中的应用
3、深度神经网络在时间序列预测中的应用
九:群优化算法
1、群优化算法
2、遗传算法(Genetic Algorithm)的基本原理
3、GAOT工具箱的安装与使用
4. 一:一元/多元函数的极值点优化
5、二:特征选择
十:变量降维与特征选择
1、变量降维(Dimension reduction)与特征选择(Feature selection)
2、主成分分析(PCA)、偏最小二乘法(PLS)的基本原理
3、PCA的启发:训练集与测试集划分合理性的判断
4、经典特征选择方法(前向选择法与后向选择法、无信息变量消除法)的基本原理
5、一:PCA/PLS多元回归拟合
6、模型优化