课程章节

主要内容

第一章

MATLAB 基础编程串讲

1、MATLAB 基础操作：包括矩阵操作、逻辑与流程控制、函数与脚本文件、基本绘图等

2、文件导入：mat、txt、xls、csv、jpg、wav、avi 等格式

3、MATLAB 编程习惯、编程风格与调试技巧

4、MATLAB 数字图像处理入门

5、案例讲解

6、实操练习

第二章BP 神经网络

1、人工智能基本概念辨析（回归拟合问题与分类识别问题；有监督（导师）学习与无监督（无导师）学习；训练集、验证集与测试集；过拟合与欠拟合）

2、BP 神经网络的工作原理

3、数据预处理（归一化、异常值剔除、数据扩增技术等）

4、交叉验证与模型参数优化

5、模型评价与指标的选择（回归拟合问题 vs. 分类识别问题）

6、案例讲解：（1）手写数字识别 （2）人脸朝向识别 （3）回归拟合预测

7、实操练习

第三章

支持向量机、决策树与随机森林

1、 支持向量机的基本原理（支持向量的本质、核函数的意义、新启示等）

2、 决策树的基本原理（微软小冰读心术的启示；什么是信息熵和信息增益？ID3 算法和 C4.5 算法的区别与联系）

3、随机森林的基本原理（为什么需要随机森林算法？广义与狭义意义下的“随机森林”分别指的是什么？“随机”提现在哪些地方？随机森林 的本质是什么？）

4、知识扩展：支持向量机、决策树除了建模型之外，还可以帮我们做什么事情？怎样解读随机森林的结果？

案例讲解-1：鸢尾花Iris 分类识别（SVM、决策树）

案例讲解-2：基于随机森林的乳腺癌良性/恶性肿瘤智能诊断模型

6、实操练习

第四章

变量降维与特征选择

1、变量降维(Dimension reduction)与特征选择(Feature selection) 在概念上的区别与联系

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 与 PLS 的代码实现

5、经典特征选择方法

5.1前向选择法与后向选择法

5.2基于二进制遗传算法的特征选择

第五章

卷积神经网络

1、深度学习与传统机器学习的区别与联系（神经网络的隐含层数越多越好吗？深度学习与传统机器学习的本质区别是什么？）

2、卷积神经网络的基本原理（什么是卷积核？CNN 的典型拓扑结构是怎样的？CNN 的权值共享机制是什么？CNN 提取的特征是怎样的？）

3、LeNet、AlexNet、Vgg-16/19、GoogLeNet、ResNet 等经典深度神经网络的区别与联系

4、MATLAB 2024b深度学习工具箱新功能与新特性简介

5、deepNetworkDesigner 交互式设计工具演示

6、预训练模型（Alexnet、Vgg-16/19、GoogLeNet、ResNet 等）的下载与安装

案例讲解-1：CNN 预训练模型实现物体识别

案例讲解-2：利用卷积神经网络抽取抽象特征

案例讲解-3：自定义卷积神经网络拓扑结构

案例讲解-4：1D CNN 模型解决回归拟合预测问题

7、实操练习

第六章

网络优化与调参技巧

1、网络拓扑结构优化

2、优化算法（梯度下降、随机梯度下降、小批量随机梯度下降、动量法、 Adam 等）

3、调参技巧（参数初始化、数据预处理、数据扩增、批量归一化、超参 数优化、网络正则化等）

案例讲解-1：卷积神经网络模型优化

4、实操练习

第七章

迁移学习算法

1、迁移学习算法的基本原理（为什么需要迁移学习？为什么可以迁移学习？迁移学习的基本思想是什么？）

2、基于深度神经网络模型的迁移学习算法

案例讲解-1：猫狗大战（Dogs vs. Cats）

3、实操练习

第八章

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

案例讲解-1：时间序列预测

案例讲解-2：序列-序列分类

4、实操练习

第九章

时间卷积网络

（Temporal 

Convolutional 

Network, TCN）

1、时间卷积网络（TCN）的基本原理

2、TCN 与 1D CNN、LSTM 的区别与联系

案例讲解-1：时间序列预测：新冠肺炎疫情预测

案例讲解-2：序列-序列分类：人体动作识别

3、实操练习

第十章

生成式对抗网络（GAN）

1、生成式对抗网络 GAN（什么是对抗生成网络？为什么需要对抗生成网络？对抗生成网络可以帮我们做什么？）

2、GAN 的基本原理

案例讲解-1：GAN 的 MATLAB 代码实现（向日葵花图像的自动生成）

3、实操练习

第十一章

目标检测YOLO 模型

1、什么是目标检测？目标检测与目标识别的区别与联系

2、YOLO 模型的工作原理

案例讲解-1：使用预训练模型实现图像、视频等实时目标检测

案例讲解-2：训练自己的数据集：新冠疫情佩戴口罩识别

3、实操练习

第十二章

自编码器AutoEncoder

1、自编码器的组成及基本工作原理

2、自编码器的变种（去噪自编码器、卷积自编码器、掩码自编码器等）

案例讲解-1：基于自编码器的图像分类

3、实操练习

第十三章

U-Net图像语义分割模型

1、语义分割（Semantic Segmentation）简介

2、U-Net模型的基本原理

案例讲解-1基于U-Net的多光谱图像语义分割

3、实操练习

第十四章

MATLAB接入ChatGPT/DeepSeek等大语言模型

1、Ollama下载与安装

2、Large Language Models (LLMs) with MATLAB下载与安装

3、ChatGPT API Key配置与MATLAB接入ChatGPT对话

4、本地部署DeepSeek大语言模型与MATLAB接入DeepSeek对话

5、案例讲解与实操练习

第十五章

讨论与答疑

1、如何查阅文献资料？（去哪些地方查找论文与配套的数据和代码？）

2、如何提炼与挖掘创新点？

3、相关学习资料分享与拷贝（图书推荐、在线课程推荐等）

4、建立微信群，便于后期的讨论与答疑

备注

学员需自备电脑一台，提前安装MATLAB2024b版本软件