MATLAB机器学习：人工智能工程实践（原书第2版）

图书标准信息

• 作者 [美]迈克尔·帕拉斯泽克（Michael Paluszek）；斯蒂芬妮·托马斯
• 出版社 机械工业出版社
• 出版时间 2020-03
• 版次 1
• ISBN 9787111646778
• 定价 89.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 316页
• 字数 120千字

【内容简介】

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

【作者简介】

迈克尔·帕拉斯泽克

普林斯顿卫星系统公司（PSS）总裁，为美国宇航局和军方提供航空航天咨询服务和MATLAB航天器控制工具箱。他在航空航天领域具有20多年的工作经历，之前作为GE公司宇航部门专家曾参与多个美国航空航天项目。他拥有麻省理工学院电气工程学士学位、航空航天学硕士学位，曾发表了很多论文，拥有十多项美国专利。他是Apress出版社出版的《MATLAB与机器学习》的合著者。

 

斯蒂芬妮·托马斯

普林斯顿卫星系统公司副总裁。她拥有麻省理工学院航空航天学士学位和硕士学位。她一直从事航空航天项目分析和咨询工作，曾参与了普林斯顿卫星系统公司公司MATLAB航天器控制工具箱研发项目。她曾因“核聚动力冥王星轨道探测和登陆器”入选美国太空总署创新资助项目，被任命为美国太空总署NIAC研究员。她也是Apress出版的《MATLAB与机器学习》的合著者。

 

◆ 译者简介 ◆

陈建平

MathWorks公司中国区的技术咨询专家，专注于工程大数据分析和高性能计算领域，拥有北京大学学士和硕士学位。加入MathWorks后，专注于通信系统和工程数据分析；深入探索工程数据在大数据领域的应用。他拥有十余年数值算法设计、实现，以及对大规模工程数据分析和建模经验；尤其对MATLAB与不同编程语言，以及Hadoop和Spark等大数据架构的结合有较为深入的研究。

【目录】

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mapreduce29

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MHT246

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