【MATLAB教程案例51~67总结】MATLAB人工智能类算法仿真经验和技巧总结

       MATLAB2022b版本，提供了大量的人工智能方面的工具箱，包括深度学习，强化学习等。通过51~67课程的学习，我们初步掌握了如何通过matlab实现一些基础的人工智能算法。那么在实际处理中，人工智能的处理我们可以按如下步骤进行：

      步骤一、建立目标训练库，通过图像处理的相关算法，建立统一大小的图像，比如对于alexnet，需要建立227*227大小的图片库。

      步骤二、读取训练库的样本，一般matlab语句如下：

digitDatasetPath = ['name\'];
imds = imageDatastore(digitDatasetPath,'IncludeSubfolders', true, 'LabelSource', 'foldernames');
%划分数据为训练集合验证集，训练集中每个类别包含1张图像，验证集包含其余图像的标签
numTrainFiles               = 2;%设置每个类别的训练个数
[imdsTrain, imdsValidation] = splitEachLabel(imds,0.5);

      步骤三、建立网络模型，这里，我们一共学习了三种方法：

       3.1 调用matlab自带的网络模型，比如调用alexnet网络，则通过如下语句进行：