编辑推荐
本书是一本涵盖机器学习和MATLAB应用实例的综合指南。
内容简介
本书从人工智能、自动控制的基础知识开始讲述，逐步介绍机器学习在工程中的应用，其中阐述了机器学习的主要概念、算法和应用实例。针对一些重要应用案例，本书提供了完整的MATLAB机器学习解决方案，并包括所有应用实例的全部源代码，例如人脸识别、汽车自动驾驶和数据分类。
作者简介
作者迈克尔·帕拉斯泽克，是普林斯顿卫星系统（PSS）公司总裁，该公司位于美国新泽西州普莱恩斯伯勒。Paluszek先生于1992年创建了PSS公司，主要业务是提供航空航天咨询服务。
他目前正在领导一个美国陆军小型卫星精密姿态控制的研究合同项目，并与普林斯顿等离子体物理实验室合作开发一个用于发电和太空推进的紧凑型核聚变反应堆。
章节目录
版权信息
推荐序
译者序
作者简介
技术审校者简介
前言
第一部分 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
1.3 学习机
1.4 机器学习分类
1.5 自主学习方法
参考文献
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
参考文献
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
3.3 MATLAB开源资源
3.4 机器学习工具
3.5 优化工具
参考文献
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
4.2 使用参数初始化数据结构
4.3 在图像数据存储上执行mapreduce
总结
第5章 MATLAB图形
5.1 二维线图
5.2 二维图形
5.3 定制二维图
5.4 三维盒子
5.5 用纹理绘制三维对象
5.6 三维图形
5.7 构建图形用户界面
总结
第6章 MATLAB机器学习示例
6.1 引言
6.2 机器学习
6.3 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
7.2 生成神经网络的训练数据
7.3 卷积
7.4 卷积层
7.5 池化
7.6 全连接层
7.7 确定输出概率
7.8 测试神经网络
7.9 识别图像
总结
参考文献
第8章 数据分类
8.1 生成分类测试数据
8.2 绘制决策树
8.3 决策树的算法实现
8.4 生成决策树
8.5 手工创建决策树
8.6 训练和测试决策树
总结
参考文献
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 创建神经网络工具箱
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
总结
参考文献
第10章 卡尔曼滤波器
10.1 状态估计器
10.2 使用UKF进行状态估计
10.3 使用UKF进行参数估计
总结
参考文献
第11章 自适应控制
11.1 自调谐：求振荡器频率
11.2 模型参考自适应控制
11.3 飞机的纵向控制
11.4 轮船驾驶：实现轮船驾驶控制的增益调度
总结
参考文献
第12章 自动驾驶
12.1 汽车雷达建模
12.2 汽车的自主传递控制
12.3 汽车动力学
12.4 汽车仿真与卡尔曼滤波器
12.5 雷达数据的MHT实现
总结
参考文献
MATLAB与机器学习是2018年由机械工业出版社出版,作者。
得书感谢您对《MATLAB与机器学习》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
