相關主題
商品描述
人工智能（ＡＩ） 技術的革新正在為自主系統如自動駕駛系統帶來無限機遇。人工智能技術賦能自動駕駛， 使其能夠獲得比人類駕駛員 好的駕駛能力， 例如自主感知、推理和決策， 有望改變傳統的交通方式以服務人類。本書為自動駕駛領域工程技術人員提供人工智能相關基礎理論和應用技術等相關知識， 並培養將人工智能算法應用於自動駕駛或其他自主系統的能力。本書涵蓋的主題有： 概述模塊， 包括人工智能、自動駕駛及兩者關系的介紹； 感知模塊， 包括感知技術、人工智能算法應用； 決策模塊， 包括自動駕駛決策問題和基於人工智能的決策算法； 控制模塊， 包括數據和機理驅動的控制方法及自動駕駛應用； 優化模塊，包括人工智能算法的優化求解； 案例分析模塊， 包括人機交互和 駕駛輔助系統。讀者通過本書將熟悉人工智能概念、算法和自動駕駛系統 技術。本書適合自動駕駛研究與開發技術人員閱讀使用， 也適合車輛工程及相關專業師生閱讀參考。
目錄大綱
前 言
章
人工智能與
自動駕駛概述
1.1 自動駕駛概述／ ００１
１.１.１ 自動駕駛相關術語／ ００１
１.１.２ 自動駕駛分級／ ００２
１.１.３ 自動駕駛主要任務／ ００５
1.2 人工智能概述／ ００６
１.２.１ 人工智能的起源與發展／ ００７
１.２.２ 人工智能的分類／ ０１０
１.２.３ 神經網絡與深度學習／ ０１１
１.２.４ 人工智能的爆發與機遇／ ０１６
1.3 自動駕駛——人工智能競技場／ ０２０
１.３.１ 自動駕駛的發展歷程／ ０２０
１.３.２ 自動駕駛中的ＡＩ 技術／ ０２１
１.３.３ 自動駕駛對人工智能的挑戰／ ０２３
參考文獻／ ０２７
第2 章
人工智能與
優化控制
2.1 基於學習的優化控制／ ０３１
２.１.１ 概述／ ０３２
２.１.２ 機器學習在優化控制中的應用／ ０３３
2.2 基於學習的模型預測控制／ ０４９
２.２.１ 模型預測控制／ ０４９
２.２.２ 機器學習在模型預測控制中的角色／ ０５４
2.3 內嵌物理知識神經網絡／ ０７７
２.３.１ 概述／ ０７７
２.３.２ 原理／ ０８２
２.３.３ 斯托克斯流體拓撲優化／ ０８４
2.4 人工智能中的優化算法／ ０８７
２.４.１ 梯度下降與共軛梯度法／ ０８９
２.４.２ 動量優化與Ｎｅｓｔｅｒｏｖ 動量優化算法／ ０９４
２.４.３ 自適應梯度優化算法／ ０９８
２.４.４ ＲＭＳＰｒｏｐ 優化算法／ ０９９
２.４.５ Ａｄａｍ 優化算法／ １０１
2.5 人工智能中的反饋機制／ １０２
２.５.１ 反饋的基本思想／ １０２
２.５.２ 人類反饋強化學習／ １０８
參考文獻／ １２３
第3 章
自動駕駛感
知中的人工
智能
3.1 基於圖像的目標識別與追蹤／ １２９
３.１.１ 基於圖像的目標識別／ １２９
３.１.２ 基於圖像的目標追蹤／ １３４
3.2 基於傳感器融合的目標識別與追蹤／ １３７
３.２.１ 基於傳感器融合的目標識別／ １３８
３.２.２ 基於傳感器融合的目標追蹤／ １４１
3.3 案例研究／ １４３
參考文獻／ １４６
第4 章
自動駕駛決
策中的人工
智能
4.1 人工智能決策的可解釋性／ １４９
４.１.１ 人工智能決策可解釋性方法概述／ １４９
４.１.２ 語義Ｓｈａｐｌｅｙ 值引導的視覺反事實解釋及自動
駕駛應用／ １５５
4.2 基於可解釋獎勵機強化學習的自動駕駛決策／ １６３
４.２.１ 可解釋獎勵機／ １６３
４.２.２ 高速公路場景下的獎勵機強化學習決策設計／ １６４
４.２.３ 仿真分析／ １７０
參考文獻／ １７２
第5 章
自動駕駛控
制中的人工
智能
5.1 智能駕駛中的動力系統控制／ １７７
５.１.１ 研究場景與方案綜述／ １７７
５.１.２ 車－ 路協同下智能預測巡航控制／ １８１
５.１.３ 交通信號燈速度規劃／ １８８
5.2 基於深度學習的電池健康預測／ １９７
５.２.１ 電池健康管理概述／ １９７
５.２.２ 基於ＬＳＴＭ 神經網絡的電池健康狀態預測／ ２０２
５.２.３ 基於遷移學習的電池健康狀態預測／ ２１９
5.3 基於強化學習的混動汽車能量管理／ ２４２
５.３.１ 混合動力汽車能量管理策略概述／ ２４２
５.３.２ 強化學習算法在能量管理策略中的應用／ ２４９
５.３.３ 案例研究／ ２５２
5.4 基於學習的車輛運動控制／ ２７７
５.４.１ 基於學習的車輛運動控制策略概述／ ２７７
５.４.２ 基於數據驅動的車輛運動控制／ ２７８
５.４.３ 基於強化學習的車輛運動控制／ ２８２
５.４.４ 案例研究／ ２８６
參考文獻／ ２８８
全彩印刷 汽車行業技術人員必知人工智能知識 智駕關鍵技術
