首页 课程主页
  • 累计开课期数
  • 4 学期
  • 累计选课人次
  • 2345 人次
  • 累计访问量
  • 41025 次
课程分享  
智能信息处理
主讲教师 高欣健/合肥工业大学
学习人数 992
开课周期 2020年10月09日 ~ 2021年01月09日
教学进度
预报名
进行中
已结课
课程期次 共 14 周
  • 课程详情
  • 教辅教材
  • 课程评价
  • 常见问题

现如今“信息”已融入我们生活,与我们形影不离。即使睡梦中智能手表也在帮我们记录心率,分析睡眠质量,智能手机帮我们收集处理我们感兴趣的资讯,智能的推送。我们的手机、我们的电脑时时刻刻在帮我们从浩瀚的网络世界,获取信息,处理信息,发送信息。
当今社会,“智能”是个十分时髦的词,原先许多名词和动名词之前均被加上了“智能”二字。智能空调、智能家居、智能建筑、智能小区等等。 “智能”不断地产生新事物、新的研究热点、新学科。“智能”使旧事物富有灵气、传统学科焕发新的活力。“智能”无处不在,“智能信息处理”无处不在。
以“协同形成结构,竞争促进发展”为宗旨的合肥工业大学“图像信息处理研究室”于1998年开展“智能信息处理”研究,2003年以“智能信息处理”为第一研究方向,创建了“信号与信息处理”博士点。给出了“智能信息处理”的科学定义,在科学研究的基础上,开设了《智能信息处理》课程,编著出版了《人工神经网络原理与仿真实例》、《智能信息处理方法导论》、《图像理解理论与方法》等多部教材。《智能信息处理》课程在“图像信息处理研究室”多位老师、多届硕博学生的共同努力下,已成为“精品”课程。

课程概述
课程大纲
  • 第1讲 智能信息处理课程介绍
    • 第1讲 智能信息处理课程介绍
  • 第2讲 智能信息处理简介
    • 第2讲 智能信息处理简介
  • 第3讲 人工神经网络起源和基本概念
    • 第3讲 人工神经网络起源和基本概念
  • 第4讲 人工神经网络特点和感知器模型
    • 第4讲 人工神经网络特点和感知器模型
  • 第5讲 最小均方差学习算法
    • 第5讲 最小均方差学习算法
  • 第6讲 单层感知器缺点和多层感知器模型
    • 第6讲 单层感知器缺点和多层感知器模型
  • 第7讲 反向传播算法
    • 第7讲 反向传播算法
  • 第8讲 径向基网络
    • 第8讲 径向基网络
  • 第9讲 卷积神经网络起源和基本结构
    • 第9讲 卷积神经网络起源和基本结构
  • 第10讲 卷积神经网络卷积层和池化层运算
    • 第10讲 卷积神经网络卷积层和池化层运算
  • 第11讲 卷积神经网络卷积层参数计算
    • 第11讲 卷积神经网络卷积层参数计算
  • 第12讲 ReLU和Dropout
    • 第12讲 ReLU和Dropout
  • 第13讲 Hopfield网络起源和基本结构
    • 第13讲 Hopfield网络起源和基本结构
  • 第14讲 Hopfield网络基于能量函数的演化
    • 第14讲 Hopfield网络基于能量函数的演化
  • 第15讲 Hopfield网络与联想记忆
    • 第15讲 Hopfield网络与联想记忆
  • 第16讲 玻尔兹曼机的起源和基本概念
    • 第16讲 玻尔兹曼机的起源和基本概念
  • 第17讲 玻尔兹曼机和模拟退火算法
    • 第17讲 玻尔兹曼机和模拟退火算法
  • 第18讲 遗传算法
    • 第18讲 遗传算法
  • 第19讲 蚁群算法、粒子群算法和免疫算法
    • 第19讲 蚁群算法、粒子群算法和免疫算法
  • 第20讲 信息重构起源与基本概念
    • 第20讲 信息重构起源与基本概念
  • 第21讲 信息融合起源和基本概念
    • 第21讲 信息融合起源和基本概念
  • 第22讲 机器学习基本概念
    • 第22讲 机器学习基本概念
  • 第23讲 线性模型和逻辑回归
    • 第23讲 线性模型和逻辑回归
  • 第24讲 支持向量机
    • 第24讲 支持向量机
  • 第25讲 核方法,软间隔和正则化
    • 第25讲 核方法,软间隔和正则化
  • 第26讲 极大似然估计与朴素贝叶斯分类器
    • 第26讲 极大似然估计与朴素贝叶斯分类器
  • 第27讲 EM算法
    • 第27讲 EM算法
  • 第28讲 马尔科夫蒙特卡洛方法与隐马尔科夫模型
    • 第28讲 马尔科夫蒙特卡洛方法与隐马尔科夫模型
  • 第29讲 Adaboost与集成学习
    • 第29讲 Adaboost与集成学习
  • 第30讲 K均值聚类和混合高斯聚类
    • 第30讲 K均值聚类和混合高斯聚类
  • 第31讲 主成分分析和多维缩放
    • 第31讲 主成分分析和多维缩放
  • 第32讲 流形学习和局部线性嵌入
    • 第32讲 流形学习和局部线性嵌入
  • 第33讲 稀疏编码与压缩感知
    • 第33讲 稀疏编码与压缩感知
  • 第34讲 半监督学习
    • 第34讲 半监督学习
  • 第35讲 深度学习起源和基本概念
    • 第35讲 深度学习起源和基本概念
  • 第36讲 自动编码器
    • 第36讲 自动编码器
  • 第37讲 RNN和长短期记忆
    • 第37讲 RNN和长短期记忆
  • 第38讲 对抗生成网络
    • 第38讲 对抗生成网络
  • 第39讲 形状识别
    • 第39讲 形状识别
  • 第40讲 Hough变换及光电形状识别系统
    • 第40讲 Hough变换及光电形状识别系统
授课目标
预备知识
配套教材
参考教材
0.0

0 条评价

本次开课 查看全部
0.0

0 条评价

本次开课 查看全部
授课教师
合肥工业大学
2024 e会学 皖ICP备05002528号-14 皖公网安备 34010402700145号 Copyright 安徽省网络课程学习中心版权所有