MATLAB机器学习 人工智能工程实践 原书第2版＝MATLAB MACHINE LEARNING RECIPES A PROBLEM-SOLUTION APPROACH SECOND EDITIPDF电子书下载

查看更多关于的内容

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mapreduce 29

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MHT 246

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

查看更多关于的内容