微信扫一扫,移动浏览光盘
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，包括飞机控制、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。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：
•机器学习领域的知识概述
•如何使用MATLAB进行编程和构建机器学习应用程序
•用于机器学习的MATLAB图形技术
•面向实际机器学习问题的MATLAB应用案例
目录
◆目录◆
*部分机器学习概论
第1章机器学习概述
1.1 引言
1.2 机器学习基础
1.2.1 数据
1.2.2 模型
1.2.3 训练
1.3 学习机
1.4 机器学习分类
1.5 自主学习方法
1.5.1 回归
1.5.2 神经网络
1.5.3 支持向量机
1.5.4 决策树
1.5.5 专家系统
第2章自主学习的历史
2.1 引言
2.2 人工智能
2.3 学习控制
2.4 机器学习
2.5 未来
第3章机器学习软件
3.1 自主学习软件
3.2 商业化MATLAB软件
3.2.1 MathWorks公司产品
3.2.2? 普林斯顿卫星系统产品
3.3 MATLAB开源资源
3.3.1 深度学习工具箱
3.3.2 深度神经网络
3.3.3 MatConvNet
3.4 机器学习工具
3.4.1 R语言
3.4.2 Scikitlearn
3.4.3 LIBSVM
3.5 优化工具
3.5.1 LOQO
3.5.2 SNOPT
3.5.3? GLPK
3.5.4 CVX
3.5.5? SeDuMi
3.5.6?YALMIP
第二部分机器学习的MATLAB实现
第4章用于机器学习的MATLAB数据类型
4.1 MATLAB数据类型概述
4.1.1 矩阵
4.1.2 元胞数组
4.1.3 数据结构
4.1.4 数值类型
4.1.5 图像
4.1.6 数据存储
4.1.7 Tall数组
4.1.8 稀疏矩阵
4.1.9 表与分类数组
4.1.10 大型MAT文件
4.2 使用参数初始化数据结构
4.2.1 问题
4.2.2 方法
4.2.3 步骤
4.3 在图像数据存储上执行mapReduce
4.3.1 问题
4.3.2 方法
4.3.3 步骤
总结
第5章 MATLAB图形
5.1 二维线图
5.1.1 问题
5.1.2 方法
5.1.3 步骤
5.2 二维图形
5.2.1 问题
5.2.2 方法
5.2.3 步骤
5.3 定制二维图
5.3.1 问题
5.3.2 方法
5.3.3 步骤
5.4 三维盒子
5.4.1 问题
5.4.2 方法
5.4.3 步骤
5.5 用纹理绘制三维对象
5.5.1 问题
5.5.2 方法
5.5.3 步骤
5.6 三维图形
5.6.1 问题
5.6.2 方法
5.6.3 步骤
5.7 构建图形用户界面
5.7.1 问题
5.7.2 方法
5.7.3 步骤
总结
第6章MATLAB机器学习示例
6.1 引言
6.2 机器学习
6.2.1 神经网络
6.2.2 面部识别
6.2.3 数据分类
6.3 控制
6.3.1 卡尔曼滤波器
6.3.2 自适应控制
6.4 人工智能
第7章基于深度学习的面部识别
7.1 在线获取数据：用于训练神经网络
7.1.1 问题
7.1.2 方法
7.1.3 步骤
7.2 生成神经网络的训练数据
7.2.1 问题
7.2.2 方法
7.2.3 步骤
7.3 卷积
7.3.1 问题
7.3.2 方法
7.3.3 步骤
7.4 卷积层
7.4.1 问题
7.4.2 方法
7.4.3 步骤
7.5 池化
7.5.1 问题
7.5.2 方法
7.5.3 步骤
7.6 全连接层
7.6.1 问题
7.6.2 方法
7.6.3 步骤
7.7 确定输出概率
7.7.1 问题
7.7.2 方法
7.7.3 步骤
7.8 测试神经网络
7.8.1 问题
7.8.2 方法
7.8.3 步骤
7.9 识别图像
7.9.1 问题
7.9.2 方法
7.9.3 步骤
总结
第8章数据分类
8.1 生成分类测试数据
8.1.1 问题
8.1.2 方法
8.1.3 步骤
8.2 绘制决策树
8.2.1 问题
8.2.2 方法
8.2.3 步骤
8.3 决策树的算法实现
8.3.1 问题
8.3.2 方法
8.3.3 步骤
8.4 生成决策树
8.4.1 问题
8.4.2 方法
8.4.3 步骤
8.5 手工创建决策树
8.5.1 问题
8.5.2 方法
8.5.3 步骤
8.6 训练和测试决策树
8.6.1 问题
8.6.2 方法
8.6.3 步骤
总结
第9章基于神经网络的数字分类
9.1 生成带噪声的测试图像
9.1.1 问题
9.1.2 方法
9.1.3 步骤
9.2 创建神经网络工具箱
9.2.1 问题
9.2.2 方法
9.2.3 步骤
9.3 训练单一输出节点的神经网络
9.3.1 问题
9.3.2 方法
9.3.3 步骤
9.4 测试神经网络
9.4.1 问题
9.4.2 方法
9.4.3 步骤
9.5 训练多输出节点的神经网络
9.5.1 问题
9.5.2 方法
9.5.3 步骤
总结
第10章卡尔曼滤波器
10.1 状态估计器
10.1.1 问题
10.1.2 方法
10.1.3 步骤
10.1.4 传统卡尔曼滤波器
10.2 使用UKF进行状态估计
10.2.1 问题
10.2.2 方法
10.2.3 步骤
10.3 使用UKF进行参数估计
10.3.1 问题
10.3.2 方法
10.3.3 步骤
总结
第11章自适应控制
11.1 自调谐：求振荡器频率
11.1.1 问题
11.1.2 方法
11.1.3 步骤
11.2 模型参考自适应控制
11.2.1 创建方波输入
11.2.2 实现模型参考自适应控制
11.2.3 转子的MRAC系统实现
11.3 飞机的纵向控制
11.3.1 编写飞机纵向运动的微分方程
11.3.2 利用数值方法寻找平衡状态
11.3.3 飞机的数值仿真
11.3.4 神经网络中对取值范围的限定和缩放
11.3.5 寻找学习控制的神经网络
11.3.6 枚举输入集合
11.3.7 编写通用神经网络函数
11.3.8 实现PID控制
11.3.9 飞机俯仰角PID控制演示
11.3.10 创建俯仰动力学的神经网络
11.3.11 非线性仿真中的控制器演示
11.4 轮船驾驶：实现轮船驾驶控制的增益调度
11.4.1 问题
11.4.2 方法
11.4.3 步骤
总结
第12章自动驾驶
12.1 汽车雷达建模
12.1.1 问题
12.1.2 步骤
12.1.3 方法
12.2 汽车的自主传递控制
12.2.1 问题
12.2.2 方法
12.2.3 步骤
12.3 汽车动力学
12.3.1 问题
12.3.2 步骤
12.3.3 方法
12.4 汽车仿真与卡尔曼滤波器
12.4.1 问题
12.4.2 方法
12.4.3 步骤
12.5 雷达数据的MHT实现
12.5.1 问题
12.5.2 方法
12.5.3 步骤
12.5.4 假设形成
12.5.5 轨道剪枝
总结
- 名称
- 类型
- 大小
光盘服务联系方式: 020-38250260 客服QQ：4006604884
云图客服：
用户发送的提问，这种方式就需要有位在线客服来回答用户的问题，这种 就属于对话式的,问题是这种提问是否需要用户登录才能提问
