课程介绍

注意0：欲购买此课程，获取安全购买链接，索要正版授权学习平台账号，务必加咨询QQ：2536379620
注意1：由于编码原因，试听课程视频画面清晰度不如最终购买的视频。最终购买视频的画面清晰度可参见以下两张图。图1   图2
注意2：正版良心视频，购买后有机会和原作者直接短暂技术交流。

               

本课程价格是视频加师傅带徒弟保姆式答疑。只需视频 ，无需答疑者勿拍 。（纯视频不单卖，以此为理由不接受退款）答疑和视频分别付款。因为有人会单独购买答疑辅导部分。答 疑部分不允许单独退款。只有视频质量有问题时 视频和答疑同时退，不接受单独退款。

《2.5版卷积神经网络与应用和MATLAB程序详解视频》共12章158节视频，总学时1700分钟，合28.3小时。重点内容：卷积神经网络(CNN)基本概念、理论推导及算法步骤，人脸识别用CNN识别数字自带程序并作全面研究，增强数据及图像识别分类用自带函数程序，数字图像角度回归预测及校正。提供MATLAB程序和PPT课件。提供辅导答疑。

课程大纲

01
分销优惠办法及先看重点和预言先告必看
分销优惠办法及自己拍到优惠宝贝

先看9个关键重点问题说明(

预言先告必看
02
第一章  视频课程内容介绍及慎拍不拍说明与参考文献         免费试看
1_《算法程序视频》讲什么及能干什么

2_MATLAB程序提供及视频课程亮点特点

3_慎拍不拍建议与学习要求及参考文献

03
第二章  卷积神经网络()基本概念、理论推导及算法步骤
4_1卷积神经网络基本思想及其应用领域

5_1神经网络基本概念等9点内容

5_2激活函数作用及sigmoid优缺点分析

5_3激活函数tanh及ReLU和maxout详解

5_4常用4种学习率或优化器算法简介

5_5损失函数作用及3个常用损失函数

5_6卷积神经网络的5个常用层结构

5_7输入层与数据预处理及卷积层

5_8卷积核及卷积运算等8个问题

5_9卷积层10个重点知识点详解

04
扩展1 第二章  卷积神经网络()基本概念、理论推导及算法步骤
5_10激活层4点及池化层9点知识详解

5_11输入层5点及典型模型框架

5_12思考7个常见问题及重点总结

6_1工作过程11点及算法6个步骤

7_1全连接网络最后层误差导数公式

7_2全连接网络训练过程11步骤

7_3的导数公式含义解读

7_4的训练过程11步骤

7_5学习对策及思考理论证明等6个问题

7_6导数概念推广及其计算

05
扩展2 第二章  卷积神经网络()基本概念、理论推导及算法步骤
7_7函数对矩阵形式自变量求导记号及计算

7_8总结理论证明及学习对策建议

06
第三章  图像卷积与池化运算及MATLAB程序效果
8_1灰度及彩色图像数据结构及类型

8_2图像卷积核特点及卷积效果

8_3程序实现卷积运算及输出矩阵大小

8_4灰度图像用程序实现卷积效果

8_5彩色图像卷积程序及其效果

8_6池化问题及调入图像与整除问题

8_7池化3种滤波及其池化后图像显示

8_8思考与总结卷积及池化等问题

07
第四章  识别合成数字用卷积神经网络算法与MATLAB自带函数程序
9-1合成数字数据库说明及求解问题目的

9-2大数据处理imageDatastore语法

9_3显示数字图像及数据用途划分

9_4网络构建及其结构示意图

9_5网络训练参数含义及选择

9_6网络训练输入变量及进程图像解读

9_7net中输入层属性及help方法

9_8卷积层属性含义及L2与L1正则化问题

9_9Maxpool与FC等5层属性解读

9_10网络预测分类及其分类准确率分析

08
扩展1 第四章  识别合成数字用卷积神经网络算法与MATLAB自带函数
9_11程序9_1再分析总结

9_12数据调入及数据预处理结果查看

9_13数据用途划分比例与网络构建事项

9_14训练参数设置及论文常用二图

9_15输出scores含义及其显示分析

9_16错误分类标签及其出错原因分析

9_17应用算法的程序9_3讲解

9_18模型扩展之6个方面分析

9_19算法扩展之8个算法介绍

9_20思考如何使用模板程序等5个问题

09
扩展2 第四章  识别合成数字用卷积神经网络算法与MATLAB自带函数
9_21思考网络训练及数据处理等10个问题

9_22总结程序使用及扩展等5大方面问题

10
第五章  人脸识别用识别数字自带程序并作全面研究
10_1学习目的及人脸数据库介绍

10_2人脸图像路径设置及数据加载

10_3人像显示及数据归一化与用途划分

10_4网络训练及测试准确率和论文用图

10_5程序10-1运行结果及特点分析

10_6自己数据用途分类及实现4-D结构

10_7程序10-2运行结果及其特点分析

10_8程序10-3数据标准化及特点与优点

10_9图像大小整形关系及其程序改动

10_10程序10-4优点及4个结果对比分析

11
扩展1 第五章  人脸识别用识别数字自带程序并作全面研究
10_11思考如何使用程序和改进等6个问题(15)

10_12总结用对图像识别分类及研究(9)

12
第六章  GoogLeNet应用于识别狼狗，花朵及轿车等图像
11_1GoogLeNet网络说明及其加载(11)

11_2自学程序及加载网络与常用数据(12)

11_3甜椒图像识别标签及概率大小(7)

11_4识别7张图像及其标签分析(10)

11_5DAGNetwork层与连接表解读(9)

11_6思考如何使用程序等问题及总结(9)

13
第七章  增强数据及图像识别分类用自带函数程序解决
12_1数据库来源及增强图像数据目的(11)

12_2自学程序及随机划分数据用途(10)

12_3imageDataAugmenter语法解读(12)

12_4augImDatastore语法分析(8)

12_5网络架构及训练与所得结果(11)

12_6批规范化BN产生及其算法公式(13)

12_7BN输入变量与层位置及函数语法(13)

12_8增强数据变化及其程序12-2运行结果(12)

12_9程序12-3运行结果与泛化能力分析(9)

12_10模型扩展与算法扩展之新问题(7)

14
扩展1 第七章  增强数据及图像识别分类用自带函数程序解决
12_11思考如何使用程序等5个问题(8)

12_12总结数据增强与泛化指标建立等问题(10)

15
第八章  合成数字图像角度回归预测及校正问题用自带函数程序求解
13_1数据库说明及回归预测与校正文本(11)

13_2自学建议及导入数据解读分析(16)

13_3批规范化BN产生及其算法步骤(15)

13_4BN输入变量及其BN层位置与语法(13)

13_5丢弃层与全连接层及回归层解读分析(8)

13_6训练参数设置及随机洗牌作用(10)

13_7网络训练及18层主要信息解读(11)

13_8网络预测及均方根误差与箱型图(13)

13_9旋转角度校正字形及其结果对比(10)

13_10可改参数及增加查看结构类型(16)

16
扩展1 第八章  合成数字图像角度回归预测及校正问题用自带函数
13_11增加预测结果对比分析及论文用图(12)

13_12网络应用3张图像预测校正结果对比(15)

13_13预训练网络net18各层属性解读分析(9)

13_14模型扩展之6个相关问题讲解(5)

13_15算法扩展之7个相关算法讲解(5)

13_16思考过拟合及随机洗牌等8个问题(12)

13_17思考如何使用程序等2问题及总结(9)

17
第九章  中文汉字识别用算法与自带程序作深入研究问题
14_1中文汉字库来源及解压与结构(14)

14_2路径设置及图像与标签和数据预处理(12)

14_3图像与标签结构认识及深夜录屏(10)

14_4训练用图调整大小及其改写标签(18)

14_5测试数据路径与图像随机显示(10)

14_6测试图像及标签改动及加解压文件(11)

14_7程序14_2来源及数据用途划分(9)

14_8网络架构及其训练结果与问题分析(15)

14_9错误分类标签及对应图像与出错原因(17)

14_10程序14_3数据预处理及数据增强(15)

18
扩展1 第九章  中文汉字识别用算法与自带程序作深入研究问题
14_11运行结果分析及不同增强结果对比(15)

14_12程序14_4取各自优势与问题对策(14)

14_13思考如何使用程序等4个深刻问题(14)

14_14总结汉字识别算法及其算法结合思路(9)

19
第十章  手写体数字识别用网络流行的算法程序
15_1学习目的及手写体数字库说明(10)

15_2自学程序及函数语法学习安排(4)

15_3自己数据整形及归一化等预处理(10)

15_4随机显示数字图像及对应标签(11)

15_5网络结构示意图及程序实现语法(18)

15_6setup功能及语法(11)

15_7卷积层权值与偏置值初始化(12)

15_8池化层与全连接层权值偏置值初始化(11)

15_9train功能及参数设置问题(12)

15_10ff卷积层计算及网络几何示意(11)

20
扩展1 第十章  手写体数字识别用网络流行的算法程序
15_11ff池化层及网络最后输出计算(14)

15_12网络训练过程分析及证明记号说明(10)

15_13bp中误差及损失函数分析(9)

15_14最后3层残差delta证明与传递关系(20)

15_15全连接层到池化2层delta关系(6)

15_16池化2层到卷积2层delta证明(13)

15_17池化1层delta获得及残差反传(12)

15_18正向计算权值与偏置值的偏导数(15)

15_19applygrads更新权值与阈值(15)

15_20train及test功能及语法(13)

21
扩展2 第十章  手写体数字识别用网络流行的算法程序
15_21程序实际运行及显示识别准确率(9)

15_22可改层结构与初始权值及训练参数(13)

15_23可改激活函数与损失函数及准确率(11)

15_24可改损失函数图像及单独测试网络(12)

15_25可改识别错误数字图像及原因分析(10)

15_26思考如何使用程序等4个问题(9)

15_27思考模板程序及权值阈值等7个问题(15)

15_28总结函数学习及程序改进等6个问题(7)

22
第十一章  识别问题方案选择及自己数据处理模板程序
16_1中文汉字图像及标签处理复习(9)

16_2英文字母图像认识及处理方案设计(11)

16_3读取文件夹名与标签hot-one设计(11)

16_4图像整形并显示与数据文件保存(11)

16_5图像4类显示对比及标签对应分析(6)

16_6思考如何使用程序模板处理自己数据(7)

23
第十二章  英文字母识别问题研究用网络流行识别手写体数字程序
17_1学习目的及模板程序选择问题(8)

17_2自己数据导入及几个预处理问题(10)

17_3程序17_1原始方案及其结果分析(10)

17_4程序17_1改轮数迭代总数方案及结果(10)

17_5程序17_2改变网络结构及结果分析(13)

17_6程序17_2改层结构及参数及结果对比(12)

17_7研究问题经验及教训等10个问题介绍(18)

17_8思考如何使用程序等问题及总结(10)