[套装书]MATLAB机器学习：人工智能工程实践（原书第2版）+MATLAB与机器学习（2册）

作者
[美]迈克尔·帕拉斯泽克（Michael Paluszek）斯蒂芬妮·托马斯（Stephanie Thomas）（美）迈克尔·帕拉斯泽克（Michael Paluszek） （美）斯蒂芬妮·托马斯（Stephanie Thomas）
丛书名
智能系统与技术丛书
出版社
机械工业出版社
ISBN
9782003112153
简要
简介
内容简介书籍计算机书籍 ---------------------------MATLAB机器学习：人工智能工程实践（原书第2版）--------------------------- 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： ?如何使用MATLAB构建机器学习应用 ?适用于机器学习的MATLAB可视化技术 ?面向工程的机器学习应用案例 ---------------------------MATLAB与机器学习--------------------------- 本书从人工智能、自动控制的基础知识开始讲述，逐步介绍机器学习在工程中的应用，其中阐述了机器学习的主要概念、算法和应用实例。针对一些重要应用案例，本书提供了完整的MATLAB机器学习解决方案，并包括所有应用实例的全部源代码，例如人脸识别、汽车自动驾驶和数据分类。本书是一本涵盖机器学习和MATLAB应用实例的综合指南，适合作为相关专业技术人员和本科生的参考书。
目录



---------------------------MATLAB机器学习：人工智能工程实践（原书第2版）---------------------------


推荐序
译者序
前言
作者简介
第1章　机器学习概述 1
1.1　引言 1
1.2　机器学习基础 2
1.3　学习机 4
1.4　机器学习分类体系 5
1.5　控制 7
1.6　自主学习方法 9
1.7　人工智能 14
1.8　小结 16
第2章　用于机器学习的MATLAB数据类型 17
2.1　MATLAB数据类型概述 17
2.2　使用参数初始化数据结构 27
2.3　在图像datastore上执行mapreduce 29
2.4　从文件中创建表格 31
2.5　处理表格数据 33
2.6　使用MATLAB字符串 36
2.7　小结 38
第3章　MATLAB作图 39
3.1　二维线图 39
3.2　通用二维作图 42
3.3　定制二维图表 44
3.4　三维盒子 45
3.5　用纹理绘制三维对象 47
3.6　通用三维作图 49
3.7　构建图形用户界面 51
3.8　柱状图动画 56
3.9　画一个机器人 59
3.10　小结 61
第4章　卡尔曼滤波 63
4.1　用线性卡尔曼滤波器实现的状态估计器 64
4.2　使用扩展卡尔曼滤波器进行状态估计 80
4.3　使用无迹卡尔曼滤波器进行状态估计 84
4.4　使用无迹卡尔曼滤波器进行参数估计 90
4.5　小结 93
第5章　自适应控制 95
5.1　自调谐：振荡器建模 96
5.2　自调谐：调校振荡器 97
5.3　模型参考自适应控制的实现 102
5.4　创建方波输入 106
5.5　转子的MRAC演示系统 107
5.6　轮船驾驶：实现轮船驾驶控制的增益调度 110
5.7　航天器的指向 114
5.8　小结 116
第6章　模糊逻辑 118
6.1　构建模糊逻辑系统 119
6.2　模糊逻辑的实现 122
6.3　演示模糊逻辑 125
6.4　小结 127
第7章　用决策树进行数据分类 129
7.1　生成测试数据 130
7.2　绘制决策树 133
7.3　决策树的算法实现 136
7.4　创建决策树 139
7.5　手工创建决策树 142
7.6　训练和测试决策树 145
7.7　小结 148
第8章　神经网络入门 149
8.1　日光检测器 149
8.2　单摆建模 150
8.3　单神经元角度估计器 155
8.4　为单摆系统设计神经网络 159
8.5　小结 163
第9章　基于神经网络的数字分类 164
9.1　生成带噪声的测试图像 165
9.2　创建神经网络函数 169
9.3　训练单一输出节点的神经网络 173
9.4　测试神经网络 178
9.5　训练多输出节点的神经网络 179
9.6　小结 182
第10章　基于深度学习的模式识别 183
10.1　为训练神经网络在线获取数据 185
10.2　产生猫的训练图像集 185
10.3　矩阵卷积 188
10.4　卷积层 190
10.5　池化层 192
10.6　全连接层 193
10.7　确定输出概率 195
10.8　测试神经网络 196
10.9　识别数字 198
10.10　识别图像 200
10.11　小结 202
第11章　用于飞机控制的神经网络 203
11.1　纵向运动 204
11.2　利用数值方法寻找平衡状态 210
11.3　飞机的数值仿真 211
11.4　激活函数 213
11.5　学习控制的神经网络 214
11.6　枚举数据集 218
11.7　编写sigma-pi神经网络函数 220
11.8　实现PID控制器 222
11.9　飞机俯仰角PID控制 226
11.10　创建俯仰动力学的神经网络 228
11.11　非线性仿真中的控制器演示 231
11.12　小结 232
第12章　多重假设检验 233
12.1　概览 233
12.2　理论 235
12.3　追踪台球的卡尔曼滤波器 240
12.4　追踪台球的MHT 246
12.5　一维运动 250
12.6　轨道关联的一维运动 252
12.7　小结 255
第13章　基于多重假设检验的自动驾驶 256
13.1　汽车动力学 257
13.2　汽车雷达建模 260
13.3　汽车的自主超车控制 262
13.4　汽车动画 264
13.5　汽车仿真与卡尔曼滤波器 266
13.6　汽车目标追踪 270
13.7　小结 273
第14章　基于案例的专家系统 275
14.1　构建专家系统 276
14.2　运行专家系统 277
14.3　小结 279
附录A　自主学习的历史 281
附录B　机器学习软件 288
参考文献 298
中英文术语对照表 300



---------------------------MATLAB与机器学习---------------------------


推荐序
译者序
作者简介
技术审校者简介
前言
第一部分机器学习概论
第1章机器学习概述
1.1引言
1.2机器学习基础
1.2.1数据
1.2.2模型
1.2.3训练
1.3学习机
1.4机器学习分类
1.5自主学习方法
1.5.1回归
1.5.2神经网络
1.5.3支持向量机
1.5.4决策树
1.5.5专家系统
参考文献
第2章自主学习的历史
2.1引言
2.2人工智能
2.3学习控制
2.4机器学习
2.5未来
参考文献
第3章机器学习软件
3.1自主学习软件
3.2商业化MATLAB软件
3.2.1MathWorks公司产品
3.2.2普林斯顿卫星系统产品
3.3MATLAB开源资源
3.3.1深度学习工具箱
3.3.2深度神经网络
3.3.3MatConvNet
3.4机器学习工具
3.4.1R语言
3.4.2scikit.learn
3.4.3LIBSVM
3.5优化工具
3.5.1LOQO
3.5.2SNOPT
3.5.3GLPK
3.5.4CVX
3.5.5SeDuMi
3.5.6YALMIP
参考文献
第二部分机器学习的MATLAB实现
第4章用于机器学习的MATLAB数据类型
4.1MATLAB数据类型概述
4.1.1矩阵
4.1.2元胞数组
4.1.3数据结构
4.1.4数值类型
4.1.5图像
4.1.6数据存储
4.1.7Tall数组
4.1.8稀疏矩阵
4.1.9表与分类数组
4.1.10大型MAT文件
4.2使用参数初始化数据结构
4.2.1问题
4.2.2方法
4.2.3步骤
4.3在图像数据存储上执行mapreduce
4.3.1问题
4.3.2方法
4.3.3步骤
总结
第5章MATLAB图形
5.1二维线图
5.1.1问题
5.1.2方法
5.1.3步骤
5.2二维图形
5.2.1问题
5.2.2方法
5.2.3步骤
5.3定制二维图
5.3.1问题
5.3.2方法
5.3.3步骤
5.4三维盒子
5.4.1问题
5.4.2方法
5.4.3步骤
5.5用纹理绘制三维对象
5.5.1问题
5.5.2方法
5.5.3步骤
5.6三维图形
5.6.1问题
5.6.2方法
5.6.3步骤
5.7构建图形用户界面
5.7.1问题
5.7.2方法
5.7.3步骤
总结
第6章MATLAB机器学习示例
6.1引言
6.2机器学习
6.2.1神经网络
6.2.2面部识别
6.2.3数据分类
6.3控制
6.3.1卡尔曼滤波器
6.3.2自适应控制
6.4人工智能
第7章基于深度学习的面部识别
7.1在线获取数据：用于训练神经网络
7.1.1问题
7.1.2方法
7.1.3步骤
7.2生成神经网络的训练数据
7.2.1问题
7.2.2方法
7.2.3步骤
7.3卷积
7.3.1问题
7.3.2方法
7.3.3步骤
7.4卷积层
7.4.1问题
7.4.2方法
7.4.3步骤
7.5池化
7.5.1问题
7.5.2方法
7.5.3步骤
7.6全连接层
7.6.1问题
7.6.2方法
7.6.3步骤
7.7确定输出概率
7.7.1问题
7.7.2方法
7.7.3步骤
7.8测试神经网络
7.8.1问题
7.8.2方法
7.8.3步骤
7.9识别图像
7.9.1问题
7.9.2方法
7.9.3步骤
总结
参考文献
第8章数据分类
8.1生成分类测试数据
8.1.1问题
8.1.2方法
8.1.3步骤
8.2绘制决策树
8.2.1问题
8.2.2方法
8.2.3步骤
8.3决策树的算法实现
8.3.1问题
8.3.2方法
8.3.3步骤
8.4生成决策树
8.4.1问题
8.4.2方法
8.4.3步骤
8.5手工创建决策树
8.5.1问题
8.5.2方法
8.5.3步骤
8.6训练和测试决策树
8.6.1问题
8.6.2方法
8.6.3步骤
总结
参考文献
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
9.1.1问题
9.1.2方法
9.1.3步骤
9.2创建神经网络工具箱
9.2.1问题
9.2.2方法
9.2.3步骤
9.3训练单一输出节点的神经网络
9.3.1问题
9.3.2方法
9.3.3步骤
9.4测试神经网络
9.4.1问题
9.4.2方法
9.4.3步骤
9.5训练多输出节点的神经网络
9.5.1问题
9.5.2方法
9.5.3步骤
总结
参考文献
第10章卡尔曼滤波器
10.1状态估计器
10.1.1问题
10.1.2方法
10.1.3步骤
10.1.4传统卡尔曼滤波器
10.2使用UKF进行状态估计
10.2.1问题
10.2.2方法
10.2.3步骤
10.3使用UKF进行参数估计
10.3.1问题
10.3.2方法
10.3.3步骤
总结
参考文献
第11章自适应控制
11.1自调谐：求振荡器频率
11.1.1问题
11.1.2方法
11.1.3步骤
11.2模型参考自适应控制
11.2.1创建方波输入
11.2.2实现模型参考自适应控制
11.2.3转子的MRAC系统实现
11.3飞机的纵向控制
11.3.1编写飞机纵向运动的微分方程
11.3.2利用数值方法寻找平衡状态
11.3.3飞机的数值仿真
11.3.4神经网络中对取值范围的限定和缩放
11.3.5寻找学习控制的神经网络
11.3.6枚举输入集合
11.3.7编写通用神经网络函数
11.3.8实现PID控制
11.3.9飞机俯仰角PID控制演示
11.3.10创建俯仰动力学的神经网络
11.3.11非线性仿真中的控制器演示
11.4轮船驾驶：实现轮船驾驶控制的增益调度
11.4.1问题
11.4.2方法
11.4.3步骤
总结
参考文献
第12章自动驾驶
12.1汽车雷达建模
12.1.1问题
12.1.2步骤
12.1.3方法
12.2汽车的自主传递控制
12.2.1问题
12.2.2方法
12.2.3步骤
12.3汽车动力学
12.3.1问题
12.3.2步骤
12.3.3方法
12.4汽车仿真与卡尔曼滤波器
12.4.1问题
12.4.2方法
12.4.3步骤
12.5雷达数据的MHT实现
12.5.1问题
12.5.2方法
12.5.3步骤
12.5.4假设形成
12.5.5轨道剪枝
总结
参考文献



有问题微信扫码联系

推荐

Understand China
桂ICP备20004708号-4