MATLAB機器學習:人工智能工程實踐(原書第2版)

Michael Paluszek , Stephanie Thomas 陳建平譯

立即出貨 (庫存 < 3)

買這商品的人也買了...

商品描述

本書是關於在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;回顧了用於機器學習的商用軟件包,
並展示了它們如何應用於該領域;接著展示瞭如何使用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學知識,
即使是並不經常接觸數學理論的讀者也可以輕鬆理解。
工程領域的讀者會看到這些數學知識與他們已經了解的領域技術之間的密切聯繫,
並將學習到新的技術。

本書主要內容:
l 如何使用MATLAB構建機器學習應用
l 適用於機器學習的MATLAB可視化技術
l 面向工程的機器學習應用案例

作者簡介

Michael Paluszek

普林斯頓衛星系統公司(PSS)總裁,為美國宇航局和軍方提供航空航天諮詢服務和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。


Stephanie Thomas

普林斯頓衛星系統公司副總裁。
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諮詢工作,
曾參與了普林斯頓衛星系統公司公司MATLAB航天器控制工具箱研發項目。
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公司中國區的技術諮詢專家,專注於工程大數據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後,專注於通信系統和工程數據分析;
深入探索工程數據在大數據領域的應用。
他擁有十餘年數值算法設計、實現,以及對大規模工程數據分析和建模經驗;
尤其對MATLAB與不同編程語言,
以及Hadoop和Spark等大數據架構的結合有較為深入的研究。

目錄大綱


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章用於機器學習的MATLAB數據類型
2.1 MATLAB數據類型概述
2.2使用參數初始化數據結構
2.3在圖像datastore上執行mapreduce
2.4從文件中創建表格
2.5處理表格數據
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用紋理繪製三維對象
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的狀態估計器
4.2使用擴展卡爾曼濾波器進行狀態估計
4.3使用無跡卡爾曼濾波器進行狀態估計
4.4使用無跡卡爾曼濾波器進行參數估計
4.5小結

第5章自適應控制
5.1自調諧:振盪器建模
5.2自調諧:調校振盪器
5.3模型參考自適應控制的實現
5.4創建方波輸入
5.5轉子的MRAC演示
5.6輪船駕駛:實現輪船駕駛控制的增益調度
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
6.3演示模糊邏輯
6.4小結

第7章用決策樹進行數據分類
7.1生成測試數據
7.2繪製決策樹
7.3決策樹的算法實現
7. 4創建決策樹
7.5手工創建決策樹
7.6訓練和測試決策樹
7.7小結

第8章神經網絡入門
8.1日光檢測器
8.2單擺建模
8.3單神經元角度估計器
8.4為單擺設計神經網絡
8.5小結

第9章基於神經網絡的數字分類
9.1生成帶噪聲的測試圖像
9.2創建神經網絡函數
9.3訓練單一輸出節點的神經網絡
9 .4測試神經網絡
9.5訓練多輸出節點的神經網絡
9.6小結

第10章基於深度學習的模式識別
10.1為訓練神經網絡在線獲取數據
10.2產生貓的訓練圖像集
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測試神經網絡
10.9識別數字
10.10識別圖像
10.11小結

第11章用於飛機控制的神經網絡
11.1縱向運動
11.2利用數值方法尋找平衡狀態
11.3飛機的數值仿真
11.4激活函數
11.5學習控制的神經網絡
11.6枚舉數據集
11.7編寫sigma-pi神經網絡函數
11.8實現PID控制器
11.9飛機俯仰角PID控制
11.10創建俯仰動力學的神經網絡
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追踪台球的卡爾曼濾波器
12.4追踪台球的MHT
12.5一維運動
12.6軌道關聯的一維運動
12.7小結

第13章基於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汽車目標追踪
13.7小結

第14章基於案例的專家
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