コース概要

第一課:MATLAB入門基礎
1、 MATLABのインストール、バージョン履歴とプログラミング環境の簡単な紹介
2、 MATLABの基本操作(行列操作、論理とフローコントロール、関数とスクリプトファイル、基本的なプロットなど)
3、 ファイルのインポート(mat、txt、xls、csv形式など)
第二課:MATLABの上級機能と向上
1、 MATLABプログラミングの習熟とスタイル
2、 MATLABのデバッグテクニック
3、 ベクトル化プログラミングとメモリ最適化
4、 グラフィックスオブジェクトと文法
第三課:BPニューラルネットワーク
1、 BPニューラルネットワークの基本原理
2、 BPニューラルネットワークのMATLAB実装
3、 サンプル実習
4、 BPニューラルネットワークパラメータの最適化
第四課:RBF、GRNNとPNNニューラルネットワーク
1、 RBFニューラルネットワークの基本原理
2、 GRNNニューラルネットワークの基本原理
3、 PNNニューラルネットワークの基本原理
4、 サンプル実習
第五課:競争型ニューラルネットワークとSOMニューラルネットワーク
1、 競争型ニューラルネットワークの基本原理
2、 自己組織化特徴マッピング(SOM)ニューラルネットワークの基本原理
3、 サンプル実習
第六課:サポートベクターマシン(Support Vector Machine, SVM)
1、 SVM分類の基本原理
2、 SVM回帰推定の基本原理
3、 SVMの一般的な学習アルゴリズム(ブロック、SMO、増量学習など)
4、 サンプル実習
第七課:極限学習機(Extreme Learning Machine, ELM)
1、 ELMの基本原理
2、 ELMとBPニューラルネットワークの違いと関連性
3、 サンプル実習
第八課:決定木とランダムフォレスト
1、 決定木の基本原理
2、 ランダムフォレストの基本原理
3、 サンプル実習
第九課:遺伝的アルゴリズム(Genetic Algorithm, GA)
1、 遺伝的アルゴリズムの基本原理
2、 一般的な遺伝的アルゴリズムツール箱紹介
3、 サンプル実習
第十課:粒子群最適化(Particle Swarm Optimization, PSO)アルゴリズム
1、 粒子群最適化アルゴリズムの基本原理
2、 サンプル実習
第十一課:蟻群アルゴリズム(Ant Colony Algorithm, ACA)
1、 蟻群最適化アルゴリズムの基本原理
2、 サンプル実習
第十二課:模擬退火(Simulated Annealing, SA)アルゴリズム
1、 模擬退火アルゴリズムの基本原理
2、 サンプル実習
第十三課:次元削減と特徴選択
1、 主成分分析の基本原理
2、 偏最小二乗の基本原理
3、 一般的な特徴選択方法(最適化検索、Filter法とWrapper法など)

要求

高等数学
線形代数

 21 時間

参加者の人数


参加者1人あたりの価格

お客様の声 (2)

今後のコース

関連カテゴリー