快好知 kuaihz

研究生选修课《人工智能与地学应用》课件共享

        2020 年秋季学期我在中国农业大学开设了研究生选修课《人工智能与地学应用》,该课程以人工智能理论为基础,重点介绍机器学习、深度学习等方法模型在遥感、GIS 等地学领域内的应用。其中在人工智能理论部分,讲述朴素贝叶斯、决策树与随机森林、支持向量机、boosting 与 bagging等经典机器学习算法,以及卷积神经网络、循环神经网络、生成对抗网络等深度学习模型,使学生打下人工智能理论基础。在应用部分,讲述人工智能理论在遥感影像信息提取、地理信息建模、时序信号处理、多源数据融合等领域的应用,以提高学生理论联系实际的能力,并加强编程能力的培养。具体课程安排如下:

第一章:绪论 

    1、了解本课程的研究对象和目的,内容和方法等;

第二章:机器学习  

    1、掌握朴素贝叶斯算法基本原理;

    2、掌握决策树和随机森林基本原理;

    3、掌握支持向量机基本原理;

    4、掌握 boosting 和 bagging 系列算法;

第三章:深度学习  

    1、掌握卷积神经网络的基本原理;

    2、掌握循环神经网络的基本原理;

    3、掌握生成对抗网络的基本原理;

    4、掌握图神经网络的基本原理;

第四章:学习策略   

    1、掌握半监督学习的基本原理;

    2、掌握弱监督学习的基本原理;

    3、掌握主动学习的基本原理;

    4、掌握迁移学习的基本原理;

    5、掌握对抗学习的基本原理;

第五章:人工智能与遥感信息提取

    1、掌握基于卷积神经网络 CNN 的遥感场景分类方法;

    2、掌握基于全卷积神经网络 FCN 的遥感语义分割方法;

    3、掌握基于 Faster R-CNN 和 YOLO 的遥感目标检测方法;

第六章:人工智能与地理信息建模

    1、掌握街景综合分析方法;

    2、掌握 POI 数据建模方法;

    3、掌握社交媒体数据挖掘方法;

    4、掌握用户行为数据建模方法;

第七章:人工智能与序列信号处理

    1、掌握基于深度学习的高光谱数据处理模型;

    2、掌握基于深度学习的时间序列数据处理模型;

第八章:人工智能与多源数据融合

    1、掌握多源遥感数据融合模型;

    2、掌握 Remote Sensing + Social Sensing 的融合方法;

第九章:讨论

    1、讨论人工智能在遥感与 GIS 应用中的优缺点;

    2、讨论新的遥感与 GIS 应用问题和方向;

        在该课程的准备期间,受到了北京大学、清华大学、武汉大学、中国地质大学、西南交通大学、山东建筑大学等老师的启发和帮助,这里一并表示感谢。由于第一次开课,课程内容难免会存在这样那样的问题,尤其是课程题目,叫地学还是太大了,其实本课程主要集中在遥感和 GIS 领域。但是我还是想把课件共享出来,供各位老师同学批评指正,共同促进人工智能在遥感和 GIS 领域的应用。

        课程下载链接如下:

        链接: https://pan.baidu.com/s/1yqugT_bkh1_pQMdNlmkZIA  密码: fxpu

本站资源来自互联网,仅供学习,如有侵权,请通知删除,敬请谅解!
搜索建议:地学  地学词条  选修课  选修课词条  人工智能  人工智能词条  课件  课件词条  研究生  研究生词条