人工智能入门与实战 使用Raspberry Pi和Python演练

图书标准信息

• 作者 [美]Donald J. Norris 著；沈益冉 潘海为 高琳琳 译
• 出版社 清华大学出版社
• 出版时间 2018-07
• 版次 1
• ISBN 9787302501718
• 定价 59.80元
• 装帧 平装
• 开本 16开
• 页数 310页
• 字数 99999千字

【内容简介】

《人工智能入门与实战　使用Raspberry Pi和Python演练》使用Raspberry Pi作为计算平台，介绍AI世界。本书探索了大部分主要的人工智能主题，包括专家系统、浅层和深层的机器学习、模糊逻辑控制等。
  　主要内容：
  AI简介、基本的AI概念、专家系统的展示、游戏、模糊逻辑系统、机器学习、机器学习：人工神经网络、机器学习：深入学习、机器学习：ANN展示实践、演化计算、基于行为的机器人等。

【作者简介】

Donald J. Norris拥有电子工程学士学位及生产管理MBA学位。他目前在南新罕尔大学任职，教授本科生和研究生计算机科学相关课程。同时，他也开设了一些机器人技术的课程。他拥有33年的教学经验，曾在多所大学担任副教授。Donald后来从美国海军的民间联合服务组织退休，在那里他专注于核潜艇有关的声学和不错数字信号处理。自此，他作为一位使用C、C＃、C++、Python、MicroPython、Node.js和Java等语言的专业软件开发者已经拥有超过23年的编程经验，其中有6年担任IT安全顾问。Donald撰写并出版了6本书，主题内容涉及树莓派、如何组装和操作自己的无人机、MicroPython、物联网和Edison微处理器等方面。Donald创建了名为Norris Embedded Software Solutions (dba NESS LLC)的咨询顾问公司，专门开发基于微处理器和微控制器的应用解决方案。Donald认为自己是一个充满激情的极客，总是去尝试新鲜事物。他也是私人飞行员、摄影爱好者、业余无线电操作员和狂热的跑步健身者。

【目录】

章 人工智能简介 11.1 AI的历史起源 11.2 智能 61.3 强AI与弱AI，广义AI与狭义AI 71.4 推理 81.5 人工智能的分类 91.6 人工智能和大数据 111.7 小结 12第2章 基础AI概念 132.1 布尔代数 132.2 推论 152.3 专家系62.3.1 冲突解决 162.3.2 反向链 182.4 配置Raspberry Pi 182.5 SWI Prolog简介 192.6 在Raspberry Pi上安装Prolog 192.7 Prolog初步演示 202.8 模糊逻辑简介 222.8.1 FL的例子 232.8.2 去模糊化 242.9 问题解决 252.9.1 广度优先搜索 252.9.2 深度优先搜索 252.9.3 深度有限搜索 262.9.4 双向搜索 262.9.5 问题解决的其他例子 262.10 机器学习 272.10.1 预测 272.10.2 分类 282.10.3 进一步分类 312.11 神经网络 322.12 浅层学习与深度学习 372.13 进化计算 372.14 遗传算法 382.15 小结 39第3章 专家系统演示 413.1 例3-1：办公室数据库 423.2 例3-2：识别动物 473.3 例3-3：井字游戏 513.4 例3-4：感冒还是流感？ 563.5 例3-5：使用Raspberry PiGPIO控制输出的专家系统 583.5.1 安装PySWIP库 593.5.2 安装硬件 603.5.3 配置Rpi.GPIO 613.5.4 带LED控制的专家系统 623.6 小结 64第4章 游戏 654.1 例4-1：剪刀石头布 664.1.1 带开关和LED的剪刀石头布游戏 694.1.2 中断 734.2 例4-2：Nim 754.2.1 带LCD和开关的Nim` 814.2.2 LCD显示屏 844.2.3 加载Adafruit LCD库 854.2.4 LCD测试 864.2.5 automated_nim.py 874.3 小结 93第5章 模糊逻辑系统 955.1 部件清单 955.2 软件安装 965.3 基础FLS 965.4 初始化：定义语言变量和术语 975.5 例5-1：使用FL计算小费 975.6 初始化：构建隶属函数 985.7 初始化：构建规则集 1015.8 推理：根据规则集评价模糊集 1035.9 聚集：综合每个规则的评估结果 1065.10 去模糊化：将模糊集转换为清晰的输出值 1065.11 例5-2：修改tipping.py程序 1135.12 例5-3：FLS加热和制冷系145.12.1 模糊化 1165.12.2 推理 1175.12.3 聚集 1185.12.4 去模糊 1195.12.5 测试控制程序 1215.13 例5-4：修改HVAC程序 1225.14 小结 124第6章 机器学习 1256.1 部件清单 1256.2 例6-1：颜色选择 1266.2.1 算法 1266.2.2 轮盘赌算法 1296.3 例6-2：自主机器人 1316.3.1 自主算法 1326.3.2 测试运行 1386.3.3 额外学习 1386.4 例6-3：使用能源消耗计算的自适应学习 1426.5 小结 147第7章 机器学习：人工神经网络 1497.1 部件清单 1497.2 Hopfield网络 1497.3 例7-1：数字图像识别示例 1557.4 例7-2：使用ANN的自主机器人小车 1617.5 例7-3：用于避开障碍物的机器人小车的Python控制脚本 1647.6 例7-4：寻光机器人 1697.6.1 未知情况 1727.6.2 大脑映射 1727.6.3 光强传感器 1737.6.4 用于寻求目标的机器人小车的Python控制脚本 1757.6.5 测试运行 1807.6.6 障碍物回避和寻光 1817.7 小结 182第8章 机器学习：深度学习 1838.1 泛化的ANN 1838.1.1 较大的ANN 1888.1.2 三层ANN中的后向传播 1918.1.3 更新加权矩阵 1938.2 梯度下降在ANN中的运用 1998.3 工作范例 2038.3.1 ANN学习的一些问题 2048.3.2 初始权重的选择 2048.4 例8-1：ANN的Python脚本 2058.4.1 初始化 2068.4.2 测试运行 2088.5 例8-2：训练ANN 2098.6 小结 213第9章 机器学习：实用的ANN示例 2159.1 部件清单 2159.2 例9-1：MNIST数据集 2169.2.1 图像化一条MNIST记录 2199.2.2 调整输入和输出数据集 2219.2.3 为手写数字检测配置ANN 2249.2.4 测试运行 2269.3 例9-2：使用Pi Camera识别手写数字 2319.3.1 更改的trainANN.py脚本 2369.3.2 使用ANN自动识别数字 2379.3.3 测试运行 2399.4 小结 2400章 进化计算 24110.1 alife 24110.2 进化编程 24210.3 例10-1：手动计算 24310.4 例10-2：Conway的生命游戏 25110.4.1 Sense HAT硬件安装 25310.4.2 Sense HAT软件安装 25310.4.3 生命游戏：Python版本 25410.4.4 测试运行 26210.4.5 单代生命游戏 26410.5 小结 2671章 基于行为的机器人 26911.1 部件清单 26911.2 人类的大脑结构 27011.3 包容架构 27111.3.1 传统方法 27311.3.2 基于行为的机器人方法 27311.4 例11-1：Breve项目 27611.5 例11-2：构建使用包容架构的机器人小车 28411.6 例11-3：Alfie机器人小车 28811.6.1 添加另一个行为 29611.6.2 测试运行 29711.7 小结 298附录 Alfie机器人小车搭建指南 299
作者介绍
Donald J. Norris拥有电子工程学士学位及生产管理MBA学位。他目前在南新罕尔大学任职，教授本科生和研究生计算机科学相关课程。同时，他也开设了一些机器人技术的课程。他拥有33年的教学经验，曾在多所大学担任副教授。Donald后来从美国海军的民间联合服务组织退休，在那里他专注于核潜艇有关的声学和不错数字信号处理。自此，他作为一位使用C、C＃、C++、Python、MicroPython、Node.js和Java等语言的专业软件开发者已经拥有超过23年的编程经验，其中有6年担任IT安全顾问。Donald撰写并出版了6本书，主题内容涉及树莓派、如何组装和操作自己的无人机、MicroPython、物联网和Edison微处理器等方面。Donald创建了名为Norris Embedded Software Solutions (dba NESS LLC)的咨询顾问公司，专门开发基于微处理器和微控制器的应用解决方案。Donald认为自己是一个充满激情的极客，总是去尝试新鲜事物。他也是私人飞行员、摄影爱好者、业余无线电操作员和狂热的跑步健身者。
序言