Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Course Outline
Pelajaran 1: MATLAB Dasar-dasar Memulai
1. Perkenalkan secara singkat instalasi, riwayat versi, dan lingkungan pemrograman MATLAB
2. MATLABOperasi dasar (termasuk operasi matriks, kontrol logika dan proses, file fungsi dan skrip, gambar dasar, dll.)
3. Impor file (mat, txt, xls, csv dan format lainnya)
Pelajaran 2: MATLAB Kemajuan dan Peningkatan
1. MATLAB Kebiasaan dan gaya pemrograman
2. MATLAB Keterampilan men-debug
3. Pemrograman vektor dan optimalisasi memori
4. Objek dan pegangan grafis
Pelajaran 3: Jaringan Syaraf BP
1. Prinsip dasar jaringan saraf BP
2. MATLAB Implementasi jaringan saraf BP
3. Praktek kasus
4. Optimalisasi parameter jaringan saraf BP
Pelajaran 4: Jaringan Neural RBF, GRNN dan PNN
1. Prinsip dasar jaringan saraf RBF
2. Prinsip dasar jaringan saraf GRNN
3. Prinsip dasar jaringan saraf PNN
4. Praktek kasus
Pelajaran 5: Jaringan Neural Kompetitif dan Jaringan Neural SOM
1. Prinsip dasar jaringan saraf kompetitif
2. Prinsip dasar jaringan saraf self-organizing feature map (SOM).
3. Praktek kasus
Pelajaran 6: Mendukung Mesin Vektor (SVM)
1. Prinsip dasar klasifikasi SVM
2. Prinsip dasar pemasangan regresi SVM
3. Algoritme pelatihan umum SVM (pemblokiran, SMO, pembelajaran tambahan, dll.)
4. Praktek kasus
Pelajaran 7: Mesin Pembelajaran Ekstrim (ELM)
1. Prinsip dasar ELM
2. Perbedaan dan hubungan antara jaringan saraf ELM dan BP
3. Praktek kasus
Pelajaran 8: Pohon Keputusan dan Hutan Acak
1. Prinsip dasar pohon keputusan
2. Prinsip dasar hutan acak
3. Praktek kasus
Pelajaran 9: Algoritma Genetika (GA)
1. Prinsip dasar algoritma genetika
2. Pengenalan kotak alat algoritma genetika yang umum
3. Praktek kasus
Pelajaran 10: Algoritma Particle Swarm Optimization (PSO).
1. Prinsip dasar algoritma optimasi gerombolan partikel
2. Praktek kasus
Pelajaran 11: Algoritma Koloni Semut (ACA)
1. Prinsip dasar algoritma optimasi gerombolan partikel
2. Praktek kasus
Pelajaran 12: Simulasi Annealing (Simulated Annealing, SA)
1. Prinsip dasar algoritma simulasi anil
2. Praktek kasus
Pelajaran 13: Pengurangan dimensi dan pemilihan fitur
1. Prinsip dasar analisis komponen utama
2. Prinsip dasar kuadrat terkecil parsial
3. Metode pemilihan fitur umum (pencarian yang dioptimalkan, Filter dan Pembungkus, dll.)
Requirements
Aljabar Linier Matematika Tingkat Lanjut
21 Hours
Testimonials (2)
Hands on building of the code from scratch.
Igor - Draka Comteq Fibre B.V.
Course - Introduction to Image Processing using Matlab
Trainer took the initiative to cover additional content outside our course materials to improve our learning.
