• 参会报名
  • 会议通知
  • 会议日程
  • 会议嘉宾
  • 参会指南
  • 邀请函下载

首页 > 商务会议 > IT互联网会议 > 2019 MATLAB深度学习技术及应用培训班(12月北京班) 更新时间:2019-12-10T11:59:49

2019 MATLAB深度学习技术及应用培训班(12月北京班)
收藏人
分享到

2019 MATLAB深度学习技术及应用培训班(12月北京班) 已过期

会议时间:2019-12-26 09:00至 2019-12-29 18:00结束

会议地点: 北京  北京科技大学会议中心  北四环中路251号

会议规模:50人

主办单位: 北京软数信息技术研究院

发票类型:增值税普通发票
领取方式:现场领取 
发票内容: 会议费 会务费 会议服务费 培训费 资料费 
参会凭证:邮件/短信发送参会通知

行业热销热门关注看了又看 换一换

        会议通知

        会议内容 主办方介绍


        2019 MATLAB深度学习技术及应用培训班(12月北京班)

        2019 MATLAB深度学习技术及应用培训班(12月北京班)宣传图

        近年来,随着人工智能的飞速发展,各行各业都面临着新的“风口”和机遇。尤其是在计算视觉和图像处理领域,伴随着深度学习的新一轮崛起,各种颠覆式的成果应运而生。譬如:以ImageNet竞赛为代表的图像识别准确率不断被刷新、利用对抗生成网络模仿艺术家风格作画等。因此,为了帮助广大科研人员更加系统地学习人工智能、图像处理的基础理论知识及代码实现方法,北京软数信息技术研究院特举办“MATLAB深度学习技术与应用”培训班,旨在帮助学员了解各种传统机器学习算法的基本原理及其MATLAB编程实现方法,以及最新的深度神经网络、迁移学习、对抗生成网络等算法的原理及实现方法等内容。本次培训班采用“实际案例讲解、动手编程实践”相结合的方式进行授课。

        培训目标

        1、通过学习帮助学员了解各种传统机器学习算法的基本原理及其MATLAB编程实现方法,以及最新的深度神经网络、迁移学习、对抗生成网络等算法的原理及实现方法等;

        2、解决学员实际工作中的疑难问题。

        时间地点

        2019年 12月26日——2019年12月29日    北京

        (时间安排:第一天报到,授课三天)

        培训对象

         各省市、自治区从事图像处理、视频处理,人工智能、机器学习等领域相关的企事业单位技术骨干、科研院所研究人员和大专院校相关专业教学人员及在校研究生等相关人员,以及对机器学习、图像处理广大爱好者。

        培训方式                                                                            

            (一)课程讲座;     (二)专题小组研讨与案例讲解分析结合;        (三)上机操作;           

        (欢迎学员带着在工作中遇到的实际问题与老师一起探讨)

        查看更多

        会议日程

        (最终日程以会议现场为准)


        MATLAB深度学习技术与应用课程大纲

        时间

        课程

        主要内容

        Day 1

        08:30 – 12:00

        一、MATLAB编程基础复习

        1. 复习MATLAB编程基础知识

        2. 复习MATLAB程序调试技巧及经验等

        3. 复习图像处理入门知识

        4. 复习MATLAB基本绘图

        5. MATLAB编程习惯与风格(Cell模式与Publish功能;Script与Live Script的区别)

        6. MATLAB程序调试技巧(断点的添加与删除、进入与退出调试模式、循环体的调试)

        7. MATLAB向量化编程与内存优化

        13:30 – 17:00

        二、人工神经网络

        1. 人工智能的发展历史回顾

        2. BP神经网络的基本原理(人工智能发展过程经历了哪些曲折?人工神经网络的分类有哪些?有导师学习和无导师学习的区别是什么?BP神经网络的拓扑结构和训练过程是怎样的?什么是梯度下降法?BP神经网络建模的本质是什么?)

        3. BP神经网络的 MATLAB 实现(怎样划分训练集和测试集?为什么需要归一化?归一化是必须的吗?什么是梯度爆炸与梯度消失?)

        4. BP神经网络参数的优化(隐含层神经元个数、学习率、初始权值和阈值等如何设置?什么是交叉验证?)

        5. 值得研究的若干问题(欠拟合与过拟合、泛化性能评价指标的设计、样本不平衡问题等)

        6. 案例演示一:近红外光谱汽油辛烷值预测(回归拟合)

        7. 案例演示二:MNIST手写数字识别(分类识别)

        8. 实操练习

        9. 值得研究的若干问题

           1)欠拟合与过拟合

           2)模型泛化性能评价(回归拟合、分类识别)

           3)样本不平衡

        Day 2

        08:30 – 09:00

        三、深度学习简介

        1. 深度学习的发展历史

        2. 深度学习与传统机器学习的区别与联系

        09:00 – 12:00

        13:30 – 15:00

        四、卷积神经网络

        1. CNN的拓扑结构

        2. CNN的卷积层、池化层、归一化层等

        3. CNN的权值共享机制

        4. CNN的信号前向传播过程

        5. CNN的误差反向传播(核心训练算法)

        6. CNN的进化史(LeNet、AlexNet、VggNet、GoogLeNet、ResNet等)

        7. CNN的代码实现

           1)利用预训练好的模型预测

           2)利用CNN抽取指定层的抽象特征

           3)自定义卷积神经网络拓扑结构

        8. CNN模型的调参技巧与经验(ReLU、Normalization、Dropout等)

        15:00 – 17:00

        五、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. 案例实战

           1)基于TrAdaBoost算法的模型移植

           2)基于AlexNet模型的模型迁移

           3)基于Deep Network Designer的模型迁移

        Day 3

        08:30 – 09:30

        六、生成式对抗网络

        1. 生成式对抗网络(GAN)的基本思想

        2. 生成器(Generator)与判别器(Discriminator)的实现

        3. 案例实战

           1)基于GAN的图片生成

        09:30 – 12:00

        七、循环神经网络(RNN)与长短时记忆神经网络(LSTM)

        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. 案例实战

           1)时间序列预测

           2)序列-序列分类

        13:30 – 15:00

        八、群优化算法

        1. 群优化算法的前世今生

        2. 遗传算法的基本原理

        3. GAOT工具箱的安装与使用

        4. 案例实战

           1)连续优化问题:一元函数的极值点优化

           2)离散优化问题:特征选择

           3)深度神经网络模型的参数优化

        15:00 – 16:00

        九、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. PCA的启发:训练集与测试集划分合理性的判断

        6. 经典特征选择方法

           1)前向选择法与后向选择法

           2)无信息变量消除法

        16:00 – 17:00

        十、答疑与交流

        1. 讨论与答疑

        2. 建立微信群、资料拷贝与书籍推荐

        3. Google Scholar、ResearchGate、GitHub、SciHub等工具的使用方法

        查看更多

        会议嘉宾

        (最终出席嘉宾以会议现场为准)


        主讲专家

        郁磊老师:北京软数信息技术研究院特邀专家、大学副教授,具备十余年的MATLAB编程开发经验,同时在机器学习与数据挖掘领域积累了大量的实际应用案例。发布多篇论文并著有《MATLAB 神经网络 43 个案例分析》和《MATLAB 智能算法 30 个案例分析(第二版)》。

        查看更多

        参会指南

        会议门票 场馆介绍


        A类:¥RMB:3900/人(含报名费、培训费、教材资料费、场地费、午餐费、证书费等)

        B类:¥RMB:3500/人(含报名费、培训费、教材资料费、场地费、午餐费、证书费等)

        此费用为学生优惠价,需签到时出示学生证;

        食宿可统一安排,费用自理。   

        颁发证书: 参加相关培训并通过考试的学员可获得由工业和信息化部通信和信息技术创新人才培养工程颁发《深度学习技术与应用》职业水平证书。

        注:请学员带两寸照片(背面注明姓名)、身份证复印各1张

        查看更多

        温馨提示
        酒店与住宿: 为防止极端情况下活动延期或取消,建议“异地客户”与活动家客服确认参会信息后,再安排出行与住宿。
        退款规则: 活动各项资源需提前采购,购票后不支持退款,可以换人参加。

        活动家为本会议官方合作
        报名平台,您可在线购票

        会议支持:

        • 会员折扣
          该会议支持会员折扣
          具体折扣标准请参见plus会员页面
        • 会员返积分
          每消费1元累积1个会员积分。
          仅PC站支持。
        • 会员积分抵现
          根据会员等级的不同,每抵用1元可使用的积分也不一样,具体可参见PLUS会员页面。 仅PC站支持。

        部分参会单位

        主办方没有公开参会单位

        邮件提醒通知

        分享到微信 ×

        打开微信,点击底部的“发现”,
        使用“扫一扫”即可将网页分享至朋友圈。

        录入信息

        请录入信息,方便生成邀请函