基于MATLAB的深度学习

2天中的第一天

基于迁移学习的图像分类

摘要目的:使用预训练的网络进行图像分类。使用迁移学习训练定制的分类网络。

• Pretrained网络
• 图像数据存储
• 转移学习
• 网络评价

解释网络行为

摘要目的:当图像数据通过网络时，通过可视化图像数据来深入了解网络是如何运行的。将此技术应用于不同类型的图像。

• 激活
• 用于机器学习的特征提取

创建网络

摘要目的:从头开始构建卷积网络。了解信息如何在网络层之间传递，以及不同类型的层是如何工作的。

• 从零开始培训
• 神经网络
• 卷积层和滤波器

网络培训

摘要目的:理解训练算法是如何工作的。设置培训选项，监控和控制培训。

• 网络训练
• 训练进度图
• 验证

2天中的第二天

提高网络性能

摘要目的:选择并实施对训练算法选项、网络架构或训练数据的修改，以提高网络性能。

• 培训方案
• 有向无环图
• 增强数据存储

执行图像回归

摘要目的:创建可以预测连续数字响应的卷积网络。

• 回归迁移学习
• 回归网络的评估指标

将深度学习用于计算机视觉

摘要目的:训练网络在图像中定位和标记特定对象。

• 图像应用流程
• 对象检测

序列数据分类

摘要目的:构建和训练网络，以对有序的数据序列(如时间序列或传感器数据)进行分类。

• 长短期记忆网络
• 序列的分类
• 序列预处理
• 分类序列

生成输出序列

摘要目的:使用循环网络来创建预测序列。

• 序列间分类
• 序列预测