• 智能信息處理 主講教師 高雋   合肥工業大學 開課時間 2020-02-16 至 2020-04-16 學習總人數:34人 視頻時長:4:21:39


    • 課程簡介
    • 授課教師
    • 章節目錄
    • 課程討論
    • 課程公告

    現如今“信息”已融入我們生活,與我們形影不離。即使睡夢中智能手表也在幫我們記錄心率,分析睡眠質量,智能手機幫我們收集處理我們感興趣的資訊,智能的推送。我們的手機、我們的電腦時時刻刻在幫我們從浩瀚的網絡世界,獲取信息,處理信息,發送信息。
    當今社會,“智能”是個十分時髦的詞,原先許多名詞和動名詞之前均被加上了“智能”二字。智能空調、智能家居、智能建筑、智能小區等等。 “智能”不斷地產生新事物、新的研究熱點、新學科?!爸悄堋笔古f事物富有靈氣、傳統學科煥發新的活力?!爸悄堋睙o處不在,“智能信息處理”無處不在。
    以“協同形成結構,競爭促進發展”為宗旨的合肥工業大學“圖像信息處理研究室”于1998年開展“智能信息處理”研究,2003年以“智能信息處理”為第一研究方向,創建了“信號與信息處理”博士點。給出了“智能信息處理”的科學定義,在科學研究的基礎上,開設了《智能信息處理》課程,編著出版了《人工神經網絡原理與仿真實例》、《智能信息處理方法導論》、《圖像理解理論與方法》等多部教材?!吨悄苄畔⑻幚怼氛n程在“圖像信息處理研究室”多位老師、多屆碩博學生的共同努力下,已成為“精品”課程。

    • 高雋  合肥工業大學
    • 高雋,男,1963年10月生,中國科學技術大學博士?,F為合肥工業大學計算機與信息學院教授/博導(教授1999年, 博導2001年,二級教授2008年),“信息與通信工程”一級學科帶頭人,現任合肥工業大學學術委員會副主任、秘書長。&
    第1講 智能信息處理課程介紹
    > 第1講 智能信息處理課程介紹
    第2講 智能信息處理簡介
    > 第2講 智能信息處理簡介
    第3講 人工神經網絡起源和基本概念
    > 第3講 人工神經網絡起源和基本概念
    第4講 人工神經網絡特點和感知器模型
    > 第4講 人工神經網絡特點和感知器模型
    第5講 最小均方差學習算法
    > 第5講 最小均方差學習算法
    第6講 單層感知器缺點和多層感知器模型
    > 第6講 單層感知器缺點和多層感知器模型
    第7講 反向傳播算法
    > 第7講 反向傳播算法
    第8講 徑向基網絡
    > 第8講 徑向基網絡
    第9講 卷積神經網絡起源和基本結構
    > 第9講 卷積神經網絡起源和基本結構
    第10講 卷積神經網絡卷積層和池化層運算
    > 第10講 卷積神經網絡卷積層和池化層運算
    第11講 卷積神經網絡卷積層參數計算
    > 第11講 卷積神經網絡卷積層參數計算
    第12講 ReLU和Dropout
    > 第12講 ReLU和Dropout
    第13講 Hopfield網絡起源和基本結構
    > 第13講 Hopfield網絡起源和基本結構
    第14講 Hopfield網絡基于能量函數的演化
    > 第14講 Hopfield網絡基于能量函數的演化
    第15講 Hopfield網絡與聯想記憶
    > 第15講 Hopfield網絡與聯想記憶
    第16講 玻爾茲曼機的起源和基本概念
    > 第16講 玻爾茲曼機的起源和基本概念
    第17講 玻爾茲曼機和模擬退火算法
    > 第17講 玻爾茲曼機和模擬退火算法
    第18講 遺傳算法
    > 第18講 遺傳算法
    第19講 蟻群算法、粒子群算法和免疫算法
    > 第19講 蟻群算法、粒子群算法和免疫算法
    第20講 信息重構起源與基本概念
    > 第20講 信息重構起源與基本概念
    第21講 信息融合起源和基本概念
    > 第21講 信息融合起源和基本概念
    第22講 機器學習基本概念
    > 第22講 機器學習基本概念
    第23講 線性模型和邏輯回歸
    > 第23講 線性模型和邏輯回歸
    第24講 支持向量機
    > 第24講 支持向量機
    第25講 核方法,軟間隔和正則化
    > 第25講 核方法,軟間隔和正則化
    第26講 極大似然估計與樸素貝葉斯分類器
    > 第26講 極大似然估計與樸素貝葉斯分類器
    第27講 EM算法
    > 第27講 EM算法
    第28講 馬爾科夫蒙特卡洛方法與隱馬爾科夫模型
    > 第28講 馬爾科夫蒙特卡洛方法與隱馬爾科夫模型
    第29講 Adaboost與集成學習
    > 第29講 Adaboost與集成學習
    第30講 K均值聚類和混合高斯聚類
    > 第30講 K均值聚類和混合高斯聚類
    第31講 主成分分析和多維縮放
    > 第31講 主成分分析和多維縮放
    第32講 流形學習和局部線性嵌入
    > 第32講 流形學習和局部線性嵌入
    第33講 稀疏編碼與壓縮感知
    > 第33講 稀疏編碼與壓縮感知
    第34講 半監督學習
    > 第34講 半監督學習
    第35講 深度學習起源和基本概念
    > 第35講 深度學習起源和基本概念
    第36講 自動編碼器
    > 第36講 自動編碼器
    第37講 RNN和長短期記憶
    > 第37講 RNN和長短期記憶
    第38講 對抗生成網絡
    > 第38講 對抗生成網絡
    第39講 形狀識別
    > 第39講 形狀識別
    第40講 Hough變換及光電形狀識別系統
    > 第40講 Hough變換及光電形狀識別系統
    亚博竞猜