MATLAB机器学习：人工智能工程实践（原书第2版）

序

译者序

前言

作者简介

第1章 机器学习概述

1．1 引言

1．2 机器学习基础

1．3 学习机

1．4 机器学习分类体系

1．5 控制

1．6 自主学习方法

1．7 人工智能

1．8 小结

第2章 用于机器学习的MATLAB数据类型

2．1 MATLAB数据类型概述

2．2 使用参数初始化数据结构

2．3 在图像datastore上执行mapreduce

2．4 从文件中创建表格

2．5 处理表格数据

2．6 使用MATLAB字符串

2．7 小结

第3章 MATLAB作图

3．1 二维线图

3．2 通用二维作图

3．3 定制二维图表

3．4 三维盒子

3．5 用纹理绘制三维对象

3．6 通用三维作图

3．7 构建图形用户界面

3．8 柱状图动画

3．9 画一个机器人

3．10 小结

第4章 卡尔曼滤波

4．1 用线性卡尔曼滤波器实现的状态估计器

4．2 使用扩展卡尔曼滤波器进行状态估计

4．3 使用无迹卡尔曼滤波器进行状态估计

4．4 使用无迹卡尔曼滤波器进行参数估计

4．5 小结

第5章 自适应控制

5．1 自调谐：振荡器建模

5．2 自调谐：调校振荡器

5．3 模型参考自适应控制的实现

5．4 创建方波输入

5．5 转子的MRAC演示

5．6 轮船驾驶：实现轮船驾驶控制的增益调度

5．7 航天器的指向

5．8 小结

第6章 模糊逻辑

6．1 构建模糊逻辑

6．2 模糊逻辑的实现

6．3 演示模糊逻辑

6．4 小结

第7章 用决策树进行数据分类

7．1 生成测试数据

7．2 绘制决策树

7．3 决策树的算法实现

7．4 创建决策树

7．5 手工创建决策树

7．6 训练和测试决策树

7．7 小结

第8章 神经网络入门

8．1 日光检测器

8．2 单摆建模

8．3 单神经元角度估计器

8．4 为单摆设计神经网络

8．5 小结

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

9．2 创建神经网络函数

9．3 训练单一输出节点的神经网络

9．4 测试神经网络

9．5 训练多输出节点的神经网络

9．6 小结

第10章 基于深度学习的模式识别

10．1 为训练神经网络在线获取数据

10．2 产生猫的训练图像集

10．3 矩阵卷积

10．4 卷积层

10．5 池化层

10．6 全连接层

10．7 确定输出概率

10．8 测试神经网络

10．9 识别数字

10．10 识别图像

10．11 小结

第11章 用于飞机控制的神经网络

11．1 纵向运动

11．2 利用数值方法寻找平衡状态

11．3 飞机的数值仿真

11．4 激活函数

11．5 学习控制的神经网络

11．6 枚举数据集

11．7 编写sigma-pi神经网络函数

11．8 实现PID控制器

11．9 飞机俯仰角PID控制

11．10 创建俯仰动力学的神经网络

11．11 非线性仿真中的控制器演示

11．12 小结

第12章 多重假设检验

12．1 概览

12．2 理论

12．3 追踪台球的卡尔曼滤波器

12．4 追踪台球的MHT

12．5 一维运动

12．6 轨道关联的一维运动

12．7 小结

第13章 基于多重假设检验的自动驾驶

13．1 汽车动力学

13．2 汽车雷达建模

13．3 汽车的自主车控制

13．4 汽车动画

13．5 汽车仿真与卡尔曼滤波器

13．6 汽车目标追踪

13．7 小结

第14章 基于案例的专家

14．1 构建专家

14．2 运行专家

14．3 小结

附录A 自主学习的历史

附录B 机器学习软件

参考文献

中英文术语对照表