书籍详情
MATLAB机器学习：人工智能工程实践（原书第2版）
作者：[美] 迈克尔·帕拉斯泽克，斯蒂芬妮·托马斯 著，陈建平 译
出版社：机械工业出版社
出版时间：2020-03-01
ISBN：9787111646778
定价：¥89.00
购买这本书可以去
内容简介
本书是关于在MATLAB中使用实例进行机器学习的综合指南。书中概述了人工智能与自动控制的历史；回顾了用于机器学习的商用软件包，并展示了它们如何应用于该领域；接着展示了如何使用MATLAB来解决机器学习问题，以及如何利用MATLAB图形技术来增强程序员对机器学习结果的理解。 本书随书提供了机器学习中若干重要问题的MATLAB完整解决方案，包括飞行控制、人脸识别、自动驾驶。书中所有的示例和应用程序都提供了完整的源代码。 机器学习包含大量的数学概念与理论解释。书中以清晰简洁的方式介绍了其中每个领域的数学知识，即使是并不经常接触数学理论的读者也可以轻松理解。工程领域的读者会看到这些数学知识与他们已经了解的领域技术之间的密切联系，并将学习到新的技术。 本书主要内容： l如何使用MATLAB构建机器学习应用 l适用于机器学习的MATLAB可视化技术 l面向工程的机器学习应用案例
作者简介
迈克尔·帕拉斯泽克 普林斯顿卫星系统公司（PSS）总裁，为美国宇航局和军方提供航空航天咨询服务和MATLAB航天器控制工具箱。他在航空航天领域具有20多年的工作经历，之前作为GE公司宇航部门专家曾参与多个美国航空航天项目。他拥有麻省理工学院电气工程学士学位、航空航天学硕士学位，曾发表了很多论文，拥有十多项美国专利。他是Apress出版社出版的《MATLAB与机器学习》的合著者。 斯蒂芬妮·托马斯 普林斯顿卫星系统公司副总裁。她拥有麻省理工学院航空航天学士学位和硕士学位。她一直从事航空航天项目分析和咨询工作，曾参与了普林斯顿卫星系统公司公司MATLAB航天器控制工具箱研发项目。她曾因“核聚动力冥王星轨道探测和登陆器”入选美国太空总署创新资助项目，被任命为美国太空总署NIAC研究员。她也是Apress出版的《MATLAB与机器学习》的合著者。 ◆ 译者简介 ◆ 陈建平 MathWorks公司中国区的技术咨询专家，专注于工程大数据分析和高性能计算领域，拥有北京大学学士和硕士学位。加入MathWorks后，专注于通信系统和工程数据分析；深入探索工程数据在大数据领域的应用。他拥有十余年数值算法设计、实现，以及对大规模工程数据分析和建模经验；尤其对MATLAB与不同编程语言，以及Hadoop和Spark等大数据架构的结合有较为深入的研究。
目录
序
译者序
前言
作者简介
第1章 机器学习概述
1．1 引言
1．2 机器学习基础
1．3 学习机
1．4 机器学习分类体系
1．5 控制
1．6 自主学习方法
1．7 人工智能
1．8 小结
第2章 用于机器学习的MATLAB数据类型
2．1 MATLAB数据类型概述
2．2 使用参数初始化数据结构
2．3 在图像datastore上执行mapreduce
2．4 从文件中创建表格
2．5 处理表格数据
2．6 使用MATLAB字符串
2．7 小结
第3章 MATLAB作图
3．1 二维线图
3．2 通用二维作图
3．3 定制二维图表
3．4 三维盒子
3．5 用纹理绘制三维对象
3．6 通用三维作图
3．7 构建图形用户界面
3．8 柱状图动画
3．9 画一个机器人
3．10 小结
第4章 卡尔曼滤波
4．1 用线性卡尔曼滤波器实现的状态估计器
4．2 使用扩展卡尔曼滤波器进行状态估计
4．3 使用无迹卡尔曼滤波器进行状态估计
4．4 使用无迹卡尔曼滤波器进行参数估计
4．5 小结
第5章 自适应控制
5．1 自调谐：振荡器建模
5．2 自调谐：调校振荡器
5．3 模型参考自适应控制的实现
5．4 创建方波输入
5．5 转子的MRAC演示
5．6 轮船驾驶：实现轮船驾驶控制的增益调度
5．7 航天器的指向
5．8 小结
第6章 模糊逻辑
6．1 构建模糊逻辑
6．2 模糊逻辑的实现
6．3 演示模糊逻辑
6．4 小结
第7章 用决策树进行数据分类
7．1 生成测试数据
7．2 绘制决策树
7．3 决策树的算法实现
7．4 创建决策树
7．5 手工创建决策树
7．6 训练和测试决策树
7．7 小结
第8章 神经网络入门
8．1 日光检测器
8．2 单摆建模
8．3 单神经元角度估计器
8．4 为单摆设计神经网络
8．5 小结
第9章 基于神经网络的数字分类
9．1 生成带噪声的测试图像
9．2 创建神经网络函数
9．3 训练单一输出节点的神经网络
9．4 测试神经网络
9．5 训练多输出节点的神经网络
9．6 小结
第10章 基于深度学习的模式识别
10．1 为训练神经网络在线获取数据
10．2 产生猫的训练图像集
10．3 矩阵卷积
10．4 卷积层
10．5 池化层
10．6 全连接层
10．7 确定输出概率
10．8 测试神经网络
10．9 识别数字
10．10 识别图像
10．11 小结
第11章 用于飞机控制的神经网络
11．1 纵向运动
11．2 利用数值方法寻找平衡状态
11．3 飞机的数值仿真
11．4 激活函数
11．5 学习控制的神经网络
11．6 枚举数据集
11．7 编写sigma-pi神经网络函数
11．8 实现PID控制器
11．9 飞机俯仰角PID控制
11．10 创建俯仰动力学的神经网络
11．11 非线性仿真中的控制器演示
11．12 小结
第12章 多重假设检验
12．1 概览
12．2 理论
12．3 追踪台球的卡尔曼滤波器
12．4 追踪台球的MHT
12．5 一维运动
12．6 轨道关联的一维运动
12．7 小结
第13章 基于多重假设检验的自动驾驶
13．1 汽车动力学
13．2 汽车雷达建模
13．3 汽车的自主车控制
13．4 汽车动画
13．5 汽车仿真与卡尔曼滤波器
13．6 汽车目标追踪
13．7 小结
第14章 基于案例的专家
14．1 构建专家
14．2 运行专家
14．3 小结
附录A 自主学习的历史
附录B 机器学习软件
参考文献
中英文术语对照表
译者序
前言
作者简介
第1章 机器学习概述
1．1 引言
1．2 机器学习基础
1．3 学习机
1．4 机器学习分类体系
1．5 控制
1．6 自主学习方法
1．7 人工智能
1．8 小结
第2章 用于机器学习的MATLAB数据类型
2．1 MATLAB数据类型概述
2．2 使用参数初始化数据结构
2．3 在图像datastore上执行mapreduce
2．4 从文件中创建表格
2．5 处理表格数据
2．6 使用MATLAB字符串
2．7 小结
第3章 MATLAB作图
3．1 二维线图
3．2 通用二维作图
3．3 定制二维图表
3．4 三维盒子
3．5 用纹理绘制三维对象
3．6 通用三维作图
3．7 构建图形用户界面
3．8 柱状图动画
3．9 画一个机器人
3．10 小结
第4章 卡尔曼滤波
4．1 用线性卡尔曼滤波器实现的状态估计器
4．2 使用扩展卡尔曼滤波器进行状态估计
4．3 使用无迹卡尔曼滤波器进行状态估计
4．4 使用无迹卡尔曼滤波器进行参数估计
4．5 小结
第5章 自适应控制
5．1 自调谐：振荡器建模
5．2 自调谐：调校振荡器
5．3 模型参考自适应控制的实现
5．4 创建方波输入
5．5 转子的MRAC演示
5．6 轮船驾驶：实现轮船驾驶控制的增益调度
5．7 航天器的指向
5．8 小结
第6章 模糊逻辑
6．1 构建模糊逻辑
6．2 模糊逻辑的实现
6．3 演示模糊逻辑
6．4 小结
第7章 用决策树进行数据分类
7．1 生成测试数据
7．2 绘制决策树
7．3 决策树的算法实现
7．4 创建决策树
7．5 手工创建决策树
7．6 训练和测试决策树
7．7 小结
第8章 神经网络入门
8．1 日光检测器
8．2 单摆建模
8．3 单神经元角度估计器
8．4 为单摆设计神经网络
8．5 小结
第9章 基于神经网络的数字分类
9．1 生成带噪声的测试图像
9．2 创建神经网络函数
9．3 训练单一输出节点的神经网络
9．4 测试神经网络
9．5 训练多输出节点的神经网络
9．6 小结
第10章 基于深度学习的模式识别
10．1 为训练神经网络在线获取数据
10．2 产生猫的训练图像集
10．3 矩阵卷积
10．4 卷积层
10．5 池化层
10．6 全连接层
10．7 确定输出概率
10．8 测试神经网络
10．9 识别数字
10．10 识别图像
10．11 小结
第11章 用于飞机控制的神经网络
11．1 纵向运动
11．2 利用数值方法寻找平衡状态
11．3 飞机的数值仿真
11．4 激活函数
11．5 学习控制的神经网络
11．6 枚举数据集
11．7 编写sigma-pi神经网络函数
11．8 实现PID控制器
11．9 飞机俯仰角PID控制
11．10 创建俯仰动力学的神经网络
11．11 非线性仿真中的控制器演示
11．12 小结
第12章 多重假设检验
12．1 概览
12．2 理论
12．3 追踪台球的卡尔曼滤波器
12．4 追踪台球的MHT
12．5 一维运动
12．6 轨道关联的一维运动
12．7 小结
第13章 基于多重假设检验的自动驾驶
13．1 汽车动力学
13．2 汽车雷达建模
13．3 汽车的自主车控制
13．4 汽车动画
13．5 汽车仿真与卡尔曼滤波器
13．6 汽车目标追踪
13．7 小结
第14章 基于案例的专家
14．1 构建专家
14．2 运行专家
14．3 小结
附录A 自主学习的历史
附录B 机器学习软件
参考文献
中英文术语对照表
猜您喜欢
