第一部份:MATLAB 入門基礎
1、簡單介紹 MATLAB 的安裝、版本歷史與編程環境
2、MATLAB 基礎操作(包括矩陣操作、邏輯與流程控制、函數與腳本文件、基本繪圖等)
3、文件導入(mat、txt、xls、csv 等格式)

第二部份:MATLAB 進階與提高
1、MATLAB 編程習慣與風格
2、MATLAB 調試技巧
3、向量化編程與內存優化
4、圖形對象和句柄

第三部份:BP 神經網絡
1、BP神經網絡的基本原理
2、BP神經網絡的 MATLAB 實現
3、案例實踐
4、BP神經網絡參數的優化

第四部份:RBF、GRNN 和 PNN 神經網絡
1、RBF 神經網絡的基本原理
2、GRNN 神經網絡的基本原理
3、PNN 神經網絡的基本原理
4、案例實踐

第五部份:競爭神經網絡與 SOM 神經網絡
1、競爭神經網絡的基本原理
2、自組織特征映射(SOM)神經網絡的基本原理
3、案例實踐

第六部份:支持向量機(Support Vector Machine, SVM)
1、SVM 分類的基本原理
2、SVM 回歸擬合的基本原理
3、SVM 的常見訓練算法(分塊、SMO、增量學習等)
4、案例實踐

第七部份:極限學習機(Extreme Learning Machine, ELM)
1、ELM 的基本原理
2、ELM 與 BP 神經網絡的區別與聯系
3、案例實踐

第八部份:決策樹與隨機森林
1、決策樹的基本原理
2、隨機森林的基本原理
3、案例實踐

第九部份:遺傳算法(Genetic Algorithm, GA)
1、遺傳算法的基本原理
 2、常見遺傳算法工具箱介紹
3、案例實踐

第十部份:粒子群優化(Particle Swarm Optimization, PSO)算法
1、粒子群優化算法的基本原理
2、案例實踐

第十一部份:蟻群算法(Ant Colony Algorithm, ACA)
1、粒子群優化算法的基本原理
2、案例實踐

第十二部份:模擬退火算法(Simulated Annealing, SA)
1、模擬退火算法的基本原理
2、案例實踐

第十三部份:降維與特征選擇
1、主成分分析的基本原理
2、偏最小二乘的基本原理
3、常見的特征選擇方法(優化搜索、Filter 和 Wrapper 等)