MATLAB機器學習：人工智能工程實踐（原書第2版）

定　價：￥89.00

作　者：	[美] 邁克爾·帕拉斯?jié)煽?，斯蒂芬妮·托馬斯著，陳建平譯
出版社：	機械工業(yè)出版社
叢編項：	智能系統(tǒng)與技術叢書
標　簽：	暫缺

購買這本書可以去

京東 (￥89.00)

ISBN：	9787111646778	出版時間：	2020-03-01	包裝：	平裝
開本：	16開	頁數(shù)：	301	字數(shù)：

內(nèi)容簡介

　　本書是關于在MATLAB中使用實例進行機器學習的綜合指南。書中概述了人工智能與自動控制的歷史；回顧了用于機器學習的商用軟件包，并展示了它們?nèi)绾螒糜谠擃I域；接著展示了如何使用MATLAB來解決機器學習問題，以及如何利用MATLAB圖形技術來增強程序員對機器學習結果的理解。本書隨書提供了機器學習中若干重要問題的MATLAB完整解決方案，包括飛行控制、人臉識別、自動駕駛。書中所有的示例和應用程序都提供了完整的源代碼。機器學習包含大量的數(shù)學概念與理論解釋。書中以清晰簡潔的方式介紹了其中每個領域的數(shù)學知識，即使是并不經(jīng)常接觸數(shù)學理論的讀者也可以輕松理解。工程領域的讀者會看到這些數(shù)學知識與他們已經(jīng)了解的領域技術之間的密切聯(lián)系，并將學習到新的技術。本書主要內(nèi)容： l如何使用MATLAB構建機器學習應用 l適用于機器學習的MATLAB可視化技術 l面向工程的機器學習應用案例

作者簡介

　　邁克爾·帕拉斯?jié)煽?普林斯頓衛(wèi)星系統(tǒng)公司（PSS）總裁，為美國宇航局和軍方提供航空航天咨詢服務和MATLAB航天器控制工具箱。他在航空航天領域具有20多年的工作經(jīng)歷，之前作為GE公司宇航部門專家曾參與多個美國航空航天項目。他擁有麻省理工學院電氣工程學士學位、航空航天學碩士學位，曾發(fā)表了很多論文，擁有十多項美國專利。他是Apress出版社出版的《MATLAB與機器學習》的合著者。斯蒂芬妮·托馬斯普林斯頓衛(wèi)星系統(tǒng)公司副總裁。她擁有麻省理工學院航空航天學士學位和碩士學位。她一直從事航空航天項目分析和咨詢工作，曾參與了普林斯頓衛(wèi)星系統(tǒng)公司公司MATLAB航天器控制工具箱研發(fā)項目。她曾因“核聚動力冥王星軌道探測和登陸器”入選美國太空總署創(chuàng)新資助項目，被任命為美國太空總署NIAC研究員。她也是Apress出版的《MATLAB與機器學習》的合著者。 ◆ 譯者簡介 ◆ 陳建平 MathWorks公司中國區(qū)的技術咨詢專家，專注于工程大數(shù)據(jù)分析和高性能計算領域，擁有北京大學學士和碩士學位。加入MathWorks后，專注于通信系統(tǒng)和工程數(shù)據(jù)分析；深入探索工程數(shù)據(jù)在大數(shù)據(jù)領域的應用。他擁有十余年數(shù)值算法設計、實現(xiàn)，以及對大規(guī)模工程數(shù)據(jù)分析和建模經(jīng)驗；尤其對MATLAB與不同編程語言，以及Hadoop和Spark等大數(shù)據(jù)架構的結合有較為深入的研究。

圖書目錄

序
譯者序
前言
作者簡介
第1章機器學習概述
1．1 引言
1．2 機器學習基礎
1．3 學習機
1．4 機器學習分類體系
1．5 控制
1．6 自主學習方法
1．7 人工智能
1．8 小結
第2章用于機器學習的MATLAB數(shù)據(jù)類型
2．1 MATLAB數(shù)據(jù)類型概述
2．2 使用參數(shù)初始化數(shù)據(jù)結構
2．3 在圖像datastore上執(zhí)行mapreduce
2．4 從文件中創(chuàng)建表格
2．5 處理表格數(shù)據(jù)
2．6 使用MATLAB字符串
2．7 小結
第3章 MATLAB作圖
3．1 二維線圖
3．2 通用二維作圖
3．3 定制二維圖表
3．4 三維盒子
3．5 用紋理繪制三維對象
3．6 通用三維作圖
3．7 構建圖形用戶界面
3．8 柱狀圖動畫
3．9 畫一個機器人
3．10 小結
第4章卡爾曼濾波
4．1 用線性卡爾曼濾波器實現(xiàn)的狀態(tài)估計器
4．2 使用擴展卡爾曼濾波器進行狀態(tài)估計
4．3 使用無跡卡爾曼濾波器進行狀態(tài)估計
4．4 使用無跡卡爾曼濾波器進行參數(shù)估計
4．5 小結
第5章自適應控制
5．1 自調(diào)諧：振蕩器建模
5．2 自調(diào)諧：調(diào)校振蕩器
5．3 模型參考自適應控制的實現(xiàn)
5．4 創(chuàng)建方波輸入
5．5 轉子的MRAC演示
5．6 輪船駕駛：實現(xiàn)輪船駕駛控制的增益調(diào)度
5．7 航天器的指向
5．8 小結
第6章模糊邏輯
6．1 構建模糊邏輯
6．2 模糊邏輯的實現(xiàn)
6．3 演示模糊邏輯
6．4 小結
第7章用決策樹進行數(shù)據(jù)分類
7．1 生成測試數(shù)據(jù)
7．2 繪制決策樹
7．3 決策樹的算法實現(xiàn)
7．4 創(chuàng)建決策樹
7．5 手工創(chuàng)建決策樹
7．6 訓練和測試決策樹
7．7 小結
第8章神經(jīng)網(wǎng)絡入門
8．1 日光檢測器
8．2 單擺建模
8．3 單神經(jīng)元角度估計器
8．4 為單擺設計神經(jīng)網(wǎng)絡
8．5 小結
第9章基于神經(jīng)網(wǎng)絡的數(shù)字分類
9．1 生成帶噪聲的測試圖像
9．2 創(chuàng)建神經(jīng)網(wǎng)絡函數(shù)
9．3 訓練單一輸出節(jié)點的神經(jīng)網(wǎng)絡
9．4 測試神經(jīng)網(wǎng)絡
9．5 訓練多輸出節(jié)點的神經(jīng)網(wǎng)絡
9．6 小結
第10章基于深度學習的模式識別
10．1 為訓練神經(jīng)網(wǎng)絡在線獲取數(shù)據(jù)
10．2 產(chǎn)生貓的訓練圖像集
10．3 矩陣卷積
10．4 卷積層
10．5 池化層
10．6 全連接層
10．7 確定輸出概率
10．8 測試神經(jīng)網(wǎng)絡
10．9 識別數(shù)字
10．10 識別圖像
10．11 小結
第11章用于飛機控制的神經(jīng)網(wǎng)絡
11．1 縱向運動
11．2 利用數(shù)值方法尋找平衡狀態(tài)
11．3 飛機的數(shù)值仿真
11．4 激活函數(shù)
11．5 學習控制的神經(jīng)網(wǎng)絡
11．6 枚舉數(shù)據(jù)集
11．7 編寫sigma-pi神經(jīng)網(wǎng)絡函數(shù)
11．8 實現(xiàn)PID控制器
11．9 飛機俯仰角PID控制
11．10 創(chuàng)建俯仰動力學的神經(jīng)網(wǎng)絡
11．11 非線性仿真中的控制器演示
11．12 小結
第12章多重假設檢驗
12．1 概覽
12．2 理論
12．3 追蹤臺球的卡爾曼濾波器
12．4 追蹤臺球的MHT
12．5 一維運動
12．6 軌道關聯(lián)的一維運動
12．7 小結
第13章基于多重假設檢驗的自動駕駛
13．1 汽車動力學
13．2 汽車雷達建模
13．3 汽車的自主車控制
13．4 汽車動畫
13．5 汽車仿真與卡爾曼濾波器
13．6 汽車目標追蹤
13．7 小結
第14章基于案例的專家
14．1 構建專家
14．2 運行專家
14．3 小結
附錄A 自主學習的歷史
附錄B 機器學習軟件
參考文獻
中英文術語對照表