MATLAB與機器學(xué)習(xí)

定　價：￥79.00

作　者：	[美] 邁克爾·帕拉斯?jié)煽耍∕ichael Paluszek）著；李三平陳建平譯譯
出版社：	機械工業(yè)出版社
叢編項：	智能系統(tǒng)與技術(shù)叢書
標　簽：	計算機/網(wǎng)絡(luò) 人工智能

購買這本書可以去

ISBN：	9787111589846	出版時間：	2018-02-01	包裝：	平裝
開本：	16開	頁數(shù)：	304	字數(shù)：

內(nèi)容簡介

　　本書是關(guān)于在MATLAB中使用實例進行機器學(xué)習(xí)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(xué)習(xí)的商用軟件包，并展示了它們?nèi)绾螒?yīng)用于該領(lǐng)域；接著展示了如何使用MATLAB來解決機器學(xué)習(xí)問題，以及如何利用MATLAB圖形技術(shù)來增強程序員對機器學(xué)習(xí)結(jié)果的理解。本書隨書提供了機器學(xué)習(xí)中若干重要問題的MATLAB完整解決方案，包括飛機控制、人臉識別、自動駕駛。書中所有的示例和應(yīng)用程序都提供了完整的源代碼。機器學(xué)習(xí)包含大量的數(shù)學(xué)概念與理論。書中以清晰簡潔的方式介紹了其中每個領(lǐng)域的數(shù)學(xué)知識，即使是并不經(jīng)常接觸數(shù)學(xué)理論的讀者也可以輕松理解。工程領(lǐng)域的讀者會看到這些數(shù)學(xué)知識與他們已經(jīng)了解的領(lǐng)域技術(shù)之間的密切聯(lián)系，并將學(xué)習(xí)到新的技術(shù)。本書主要內(nèi)容：？機器學(xué)習(xí)領(lǐng)域的知識概述？如何使用MATLAB進行編程和構(gòu)建機器學(xué)習(xí)應(yīng)用程序？用于機器學(xué)習(xí)的MATLAB圖形技術(shù) ？面向?qū)嶋H機器學(xué)習(xí)問題的MATLAB應(yīng)用案例

作者簡介

　　作者：Michael Paluszek先生現(xiàn)任美國普林斯頓衛(wèi)星系統(tǒng)公司總裁，具有超過30年航空航天技術(shù)咨詢服務(wù)經(jīng)驗，曾在通用電氣公司（GE）宇航部門工作，參與并領(lǐng)導(dǎo)過多個美國軍方和民用項目。開發(fā)過多個MATLAB工具箱和軟件包，應(yīng)用于衛(wèi)星、飛行器、潛艇、機器人和核聚變推進等系統(tǒng)。Paluszek先生獲得了麻省理工學(xué)院的電氣工程學(xué)士學(xué)位、航空航天學(xué)碩士和工程學(xué)位。他發(fā)表了很多論文，擁有十多項美國專利。作者：Stephanie Thomas女士是位于美國普林斯頓衛(wèi)星系統(tǒng)公司的副總裁。她擁有麻省理工學(xué)院獲得航空航天學(xué)士學(xué)位和碩士學(xué)位。Thomas女士在近20年的MATLAB實踐經(jīng)歷中，她開發(fā)了許多MATLAB軟件工具，包括用于航天器控制工具箱的太陽能帆板模塊、美國空軍的近地軌道衛(wèi)星操控工具、運載火箭分析工具等等。她還為來自澳大利亞、加拿大、巴西和泰國等不同國家的工程師進行了航天器控制工具箱培訓(xùn)，并為美國太空總署（NASA）、美國空軍和歐洲航天局等提供MATLAB咨詢服務(wù)。2016年，Thomas女士因“核聚動力冥王星軌道探測器和登陸器”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。譯者：李三平，美國麻省大學(xué)計算機工程專業(yè)博士，現(xiàn)為DELLEMC中國研究院首席研究員，研究方向主要為深度學(xué)習(xí)模型與服務(wù)框架，云架構(gòu)的預(yù)測分析與智能運維等。已在IEEE Transactions期刊和會議上發(fā)表論文數(shù)十篇，申請美國專利20余項。譯者：陳建平，MathWorks 中國資深技術(shù)專家，專注于工程大數(shù)據(jù)分析和高性能計算領(lǐng)域。擁有北京大學(xué)學(xué)士和碩士學(xué)位，并于2008年加入MathWorks公司，之前在 NTT DoCoMo 從事通信算法的研究工作。擁有十余年并行數(shù)值算法設(shè)計、實現(xiàn)，以及對大規(guī)模工程數(shù)據(jù)分析和建模的經(jīng)驗。

圖書目錄

第一部分機器學(xué)習(xí)概論
第1章機器學(xué)習(xí)概述
1.1 引言
1.2 機器學(xué)習(xí)基礎(chǔ)
1.2.1 數(shù)據(jù)
1.2.2 模型
1.2.3 訓(xùn)練
1.3 學(xué)習(xí)機
1.4 機器學(xué)習(xí)分類
1.5 自主學(xué)習(xí)方法
1.5.1 回歸
1.5.2 神經(jīng)網(wǎng)絡(luò)
1.5.3 支持向量機
1.5.4 決策樹
1.5.5 專家系統(tǒng)
第2章自主學(xué)習(xí)的歷史
2.1引言
2.2 人工智能
2.3 學(xué)習(xí)控制
2.4 機器學(xué)習(xí)
2.5 未來
第3章機器學(xué)習(xí)軟件
3.1 自主學(xué)習(xí)軟件
3.2 商業(yè)化MATLAB軟件
3.2.1 MathWorks公司產(chǎn)品
3.2.2 普林斯頓衛(wèi)星系統(tǒng)產(chǎn)品
3.3 MATLAB開源資源
3.3.1 深度學(xué)習(xí)工具箱
3.3.2 深度神經(jīng)網(wǎng)絡(luò)
3.3.3 MatConvNet
3.4 機器學(xué)習(xí)工具
3.4.1 R語言
3.4.2 Scikit learn
3.4.3 LIBSVM
3.5 優(yōu)化工具
3.5.1 LOQO
3.5.2 SNOPT
3.5.3 GLPK
3.5.4 CVX
3.5.5 SeDuMi
3.5.6 YALMIP

第二部分機器學(xué)習(xí)的MATLAB實現(xiàn)
第4章用于機器學(xué)習(xí)的MATLAB數(shù)據(jù)類型
4.1 MATLAB數(shù)據(jù)類型概述
4.1.1 矩陣
4.1.2 元胞數(shù)組
4.1.3 數(shù)據(jù)結(jié)構(gòu)
4.1.4 數(shù)值類型
4.1.5 圖像
4.1.6 數(shù)據(jù)存儲
4.1.7 Tall數(shù)組
4.1.8 稀疏矩陣
4.1.9 表與分類數(shù)組
4.1.10 大型MAT文件
4.2 使用參數(shù)初始化數(shù)據(jù)結(jié)構(gòu)
4.2.1 問題
4.2.2 方法
4.2.3 步驟
4.3 在圖像數(shù)據(jù)存儲上執(zhí)行mapReduce
4.3.1 問題
4.3.2 方法
4.3.3 步驟
總結(jié)
第5章MATLAB圖形
5.1 二維線圖
5.1.1 問題
5.1.2 方法
5.1.3 步驟
5.2二維圖形
5.2.1 問題
5.2.2 方法
5.2.3 步驟
5.3 定制二維圖
5.3.1 問題
5.3.2 方法
5.3.3 步驟
5.4 三維盒子
5.4.1 問題
5.4.2 方法
5.4.3 步驟
5.5 用紋理繪制三維對象
5.5.1 問題
5.5.2 方法
5.5.3 步驟
5.6 三維圖形
5.6.1 問題
5.6.2 方法
5.6.3 步驟
5.7 構(gòu)建圖形用戶界面
5.7.1 問題
5.7.2 方法
5.7.3 步驟
總結(jié)
第6章 MATLAB機器學(xué)習(xí)示例
6.1引言
6.2 機器學(xué)習(xí)
6.2.1 神經(jīng)網(wǎng)絡(luò)
6.2.2 面部識別
6.2.3 數(shù)據(jù)分類
6.3 控制
6.3.1卡爾曼濾波器
6.3.2自適應(yīng)控制
6.4人工智能
第7章基于深度學(xué)習(xí)的面部識別
7.1在線獲取數(shù)據(jù)：用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)
7.1.1 問題
7.1.2 方法
7.1.3 步驟
7.2 生成神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)
7.2.1 問題
7.2.2 方法
7.2.3 步驟
7.3 卷積
7.3.1 問題
7.3.2 方法
7.3.3 步驟
7.4卷積層
7.4.1 問題
7.4.2 方法
7.4.3 步驟
7.5 池化
7.5.1 問題
7.5.2 方法
7.5.3 步驟
7.6 全連接層
7.6.1 問題
7.6.2 方法
7.6.3 步驟
7.7 確定輸出概率
7.7.1 問題
7.7.2 方法
7.7.3 步驟
7.8 測試神經(jīng)網(wǎng)絡(luò)
7.8.1 問題
7.8.2 方法
7.8.3 步驟
7.9 識別圖像
7.9.1 問題
7.9.2 方法
7.9.3 步驟
總結(jié)
第8章數(shù)據(jù)分類
8.1 生成分類測試數(shù)據(jù)
8.1.1 問題
8.1.2 方法
8.1.3 步驟
8.2 繪制決策樹
8.2.1 問題
8.2.2 方法
8.2.3 步驟
8.3 決策樹的算法實現(xiàn)
8.3.1 問題
8.3.2 方法
8.3.3 步驟
8.4 生成決策樹
8.4.1 問題
8.4.2 方法
8.4.3 步驟
8.5 手工創(chuàng)建決策樹
8.5.1 問題
8.5.2 方法
8.5.3 步驟
8.6 訓(xùn)練和測試決策樹
8.6.1 問題
8.6.2 方法
8.6.3 步驟
總結(jié)
第9章基于神經(jīng)網(wǎng)絡(luò)的數(shù)字分類
9.1 生成帶噪聲的測試圖像
9.1.1 問題
9.1.2 方法
9.1.3 步驟
9.2創(chuàng)建神經(jīng)網(wǎng)絡(luò)工具箱
9.2.1 問題
9.2.2 方法
9.2.3 步驟
9.3 訓(xùn)練單一輸出節(jié)點的神經(jīng)網(wǎng)絡(luò)
9.3.1 問題
9.3.2 方法
9.3.3 步驟
9.4 測試神經(jīng)網(wǎng)絡(luò)
9.4.1 問題
9.4.2 方法
9.4.3 步驟
9.5 訓(xùn)練多輸出節(jié)點的神經(jīng)網(wǎng)絡(luò)
9.5.1 問題
9.5.2 方法
9.5.3 步驟
總結(jié)
第10章卡爾曼濾波器
10.1 狀態(tài)估計器
10.1.1 問題
10.1.2 方法
10.1.3 步驟
10.1.4 傳統(tǒng)卡爾曼濾波器
10.2 使用UKF進行狀態(tài)估計
10.2.1 問題
10.2.2 方法
10.2.3 步驟
10.3 使用UKF進行參數(shù)估計
10.3.1 問題
10.3.2 方法
10.3.3 步驟
總結(jié)
第11章自適應(yīng)控制
11.1 自調(diào)諧：求振蕩器頻率
11.1.1 問題
11.1.2 方法
11.1.3 步驟
11.2 模型參考自適應(yīng)控制
11.2.1 創(chuàng)建方波輸入
11.2.2 實現(xiàn)模型參考自適應(yīng)控制
11.2.3 轉(zhuǎn)子的MRAC系統(tǒng)實現(xiàn)
11.3 飛機的縱向控制
11.3.1 編寫飛機縱向運動的微分方程
11.3.2 利用數(shù)值方法尋找平衡狀態(tài)
11.3.3 飛機的數(shù)值仿真
11.3.4 神經(jīng)網(wǎng)絡(luò)中對取值范圍的限定和縮放
11.3.5 尋找學(xué)習(xí)控制的神經(jīng)網(wǎng)絡(luò)
11.3.6 枚舉輸入集合
11.3.7 編寫通用神經(jīng)網(wǎng)絡(luò)函數(shù)
11.3.8 實現(xiàn)PID控制
11.3.9 飛機俯仰角PID控制演示
11.3.10 創(chuàng)建俯仰動力學(xué)的神經(jīng)網(wǎng)絡(luò)
11.3.11 非線性仿真中的控制器演示
11.4 輪船駕駛：實現(xiàn)輪船駕駛控制的增益調(diào)度
11.4.1 問題
11.4.2 方法
11.4.3 步驟
總結(jié)
第12章自動駕駛
12.1 汽車雷達建模
12.1.1 問題
12.1.2 步驟
12.1.3 方法
12.2 汽車的自主傳遞控制
12.2.1 問題
12.2.2 方法
12.2.3 步驟
12.3 汽車動力學(xué)
12.3.1 問題
12.3.2 步驟
12.3.3 方法
12.4 汽車仿真與卡爾曼濾波器
12.4.1 問題
12.4.2 方法
12.4.3 步驟
12.5 雷達數(shù)據(jù)的MHT實現(xiàn)
12.5.1問題
12.5.2 方法
12.5.3 步驟
12.5.4 假設(shè)形成
12.5.5 軌道剪枝