机器学习(机械工程)

课程编码：480139080201P3001 英文名称：Machine Learning (Mechnical Engineering) 课时：40 学分：2.00 课程属性：专业课 主讲教师：韩霄松

机器学习涵盖了数据挖掘、机器推理、时间序列预测和图像处理等应用领域的相关知识，为传统方法难以处理的问题提供了新颖的解决思路和具有潜力的方法。随着研究的不断深入发展，机器学习已经逐渐从以往单纯的理论研究走向研究与应用的共同发展阶段。作为研究所硕士生的一门选修课，该课程除了注重基本方法的讲授外，还将介绍相关领域的应用实例，旨在开阔学生视野，让学生了解机器学习领域中较新颖的、前沿性的知识，培养学生分析问题、解决问题的能力，激发学生的科研兴趣。

无

第一章 绪论 2.0学时 韩霄松
第1节 绪论
第二章 分类与回归的线性方法 6.0学时 韩霄松
第1节 线性判别分析
第2节 分离超平面
第3节 线性回归模型和最小二乘法
第4节 从简单的一元回归到多元回归
第三章 神经网络 8.0学时 韩霄松
第1节 多层感知器神经网络
第2节 自组织映射神经网络
第3节 径向基函数神经网络
第4节 Hopfield神经网络与联想记忆
第5节 神经网络应用举例
第四章 群智能优化方法 8.0学时 韩霄松
第1节 群智能优化方法的基本原理
第2节 遗传算法的实现原理与步骤
第3节 粒子群算法的实现原理与步骤
第4节 遗传算法与粒子群算法的比较
第5节 群智能优化方法的共同特征
第五章 聚类分析及其应用 4.0学时 韩霄松
第1节 聚类分析的概况
第2节 聚类分析的基本概念
第3节 聚类分析的数学模型
第4节 几种典型的聚类方法
第六章 决策树学习 4.0学时 韩霄松
第1节 决策树表示法
第2节 决策树学习的适用问题
第3节 基本的决策树学习算法
第4节 决策树学习中的假想空间搜索
第七章 深度学习 4.0学时 韩霄松
第1节 深度神经网络
第2节 卷积神经网络
第3节 循环神经网络
第4节 图神经网络
第八章 强化学习 4.0学时 韩霄松
第1节 强化学习基本概念
第2节 Q-learning和Sarsa
第3节 深度强化学习

韩霄松教授，博导，2012博士毕业于吉林大学计算机科学与技术学院并留校任教，现为机器学习教研室主任，主要从事机器学习领域理论研究、应用和教学，研究方向为优化计算，智能钻井，生物信息学。