智能系统与技术丛书 MATLAB与机器学习PDF|Epub|txt|kindle电子书版本网盘下载

智能系统与技术丛书 MATLAB与机器学习PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一部分 机器学习概论2

第1章 机器学习概述2

1.1引言2

1.2机器学习基础3

1.2.1数据3

1.2.2模型3

1.2.3训练4

1.3学习机5

1.4机器学习分类6

1.5自主学习方法7

1.5.1回归8

1.5.2神经网络10

1.5.3支持向量机11

1.5.4决策树11

1.5.5专家系统12

参考文献13

第2章 自主学习的历史14

2.1引言14

2.2人工智能14

2.3学习控制17

2.4机器学习18

2.5未来19

参考文献19

第3章 机器学习软件20

3.1自主学习软件20

3.2商业化MATLAB软件21

3.2.1 MathWorks公司产品21

3.2.2普林斯顿卫星系统产品22

3.3 MATLAB开源资源23

3.3.1深度学习工具箱23

3.3.2深度神经网络23

3.3.3 MatConvNet23

3.4机器学习工具23

3.4.1 R语言23

3.4.2 scikit-learn24

3.4.3 LIBSVM24

3.5优化工具24

3.5.1 LOQO24

3.5.2 SNOPT25

3.5.3 GLPK25

3.5.4 CVX25

3.5.5 SeDuMi25

3.5.6 YALMIP26

参考文献26

第二部分 机器学习的MATLAB实现28

第4章 用于机器学习的MATLAB数据类型28

4.1 MATLAB数据类型概述28

4.1.1矩阵28

4.1.2元胞数组29

4.1.3数据结构30

4.1.4数值类型31

4.1.5图像31

4.1.6数据存储33

4.1.7 Tall数组34

4.1.8稀疏矩阵35

4.1.9表与分类数组35

4.1.10大型MAT文件36

4.2使用参数初始化数据结构37

4.2.1问题37

4.2.2方法37

4.2.3步骤37

4.3在图像数据存储上执行mapreduce39

4.3.1问题39

4.3.2方法39

4.3.3步骤39

总结41

第5章MATLAB图形42

5.1二维线图42

5.1.1问题42

5.1.2方法42

5.1.3步骤43

5.2二维图形47

5.2.1问题47

5.2.2方法47

5.2.3步骤47

5.3定制二维图51

5.3.1问题51

5.3.2方法51

5.3.3步骤51

5.4三维盒子57

5.4.1问题57

5.4.2方法57

5.4.3步骤57

5.5用纹理绘制三维对象59

5.5.1问题59

5.5.2方法59

5.5.3步骤59

5.6三维图形61

5.6.1问题61

5.6.2方法61

5.6.3步骤61

5.7构建图形用户界面62

5.7.1问题62

5.7.2方法62

5.7.3步骤63

总结72

第6章MATLAB机器学习示例73

6.1引言73

6.2机器学习73

6.2.1神经网络73

6.2.2面部识别74

6.2.3数据分类74

6.3控制74

6.3.1卡尔曼滤波器74

6.3.2自适应控制75

6.4人工智能76

第7章 基于深度学习的面部识别77

7.1在线获取数据：用于训练神经网络80

7.1.1问题80

7.1.2方法80

7.1.3步骤80

7.2生成神经网络的训练数据80

7.2.1问题80

7.2.2方法80

7.2.3步骤81

7.3卷积85

7.3.1问题85

7.3.2方法85

7.3.3步骤85

7.4卷积层87

7.4.1问题87

7.4.2方法87

7.4.3步骤87

7.5池化89

7.5.1问题89

7.5.2方法90

7.5.3步骤90

7.6全连接层91

7.6.1问题91

7.6.2方法91

7.6.3步骤91

7.7确定输出概率93

7.7.1问题93

7.7.2方法93

7.7.3步骤93

7.8测试神经网络95

7.8.1问题95

7.8.2方法95

7.8.3步骤95

7.9识别图像97

7.9.1问题97

7.9.2方法97

7.9.3步骤97

总结98

参考文献98

第8章 数据分类99

8.1生成分类测试数据99

8.1.1问题99

8.1.2方法99

8.1.3步骤99

8.2绘制决策树102

8.2.1问题102

8.2.2方法102

8.2.3步骤102

8.3决策树的算法实现106

8.3.1问题106

8.3.2方法106

8.3.3步骤106

8.4生成决策树109

8.4.1问题109

8.4.2方法109

8.4.3步骤109

8.5手工创建决策树114

8.5.1问题114

8.5.2方法114

8.5.3步骤114

8.6训练和测试决策树118

8.6.1问题118

8.6.2方法118

8.6.3步骤119

总结124

参考文献124

第9章 基于神经网络的数字分类125

9.1生成带噪声的测试图像125

9.1.1问题125

9.1.2方法125

9.1.3步骤126

9.2创建神经网络工具箱128

9.2.1问题128

9.2.2方法129

9.2.3步骤129

9.3训练单一输出节点的神经网络138

9.3.1问题138

9.3.2方法139

9.3.3步骤139

9.4测试神经网络143

9.4.1问题143

9.4.2方法143

9.4.3步骤143

9.5训练多输出节点的神经网络144

9.5.1问题144

9.5.2方法144

9.5.3步骤144

总结147

参考文献148

第10章 卡尔曼滤波器149

10.1状态估计器150

10.1.1问题150

10.1.2方法155

10.1.3步骤156

10.1.4传统卡尔曼滤波器159

10.2使用UKF进行状态估计169

10.2.1问题169

10.2.2方法169

10.2.3步骤169

10.3使用UKF进行参数估计176

10.3.1问题176

10.3.2方法176

10.3.3步骤176

总结183

参考文献183

第11章 自适应控制184

11.1自调谐：求振荡器频率185

11.1.1问题186

11.1.2方法186

11.1.3步骤186

11.2模型参考自适应控制192

11.2.1创建方波输入192

11.2.2实现模型参考自适应控制194

11.2.3转子的MRAC系统实现197

11.3飞机的纵向控制199

11.3.1编写飞机纵向运动的微分方程200

11.3.2利用数值方法寻找平衡状态206

11.3.3飞机的数值仿真207

11.3.4神经网络中对取值范围的限定和缩放209

11.3.5寻找学习控制的神经网络210

11.3.6枚举输入集合213

11.3.7编写通用神经网络函数216

11.3.8实现PID控制219

11.3.9飞机俯仰角PID控制演示224

11.3.10创建俯仰动力学的神经网络228

11.3.11非线性仿真中的控制器演示230

11.4轮船驾驶：实现轮船驾驶控制的增益调度232

11.4.1问题232

11.4.2方法233

11.4.3步骤233

总结238

参考文献238

第12章 自动驾驶239

12.1汽车雷达建模239

12.1.1问题239

12.1.2步骤239

12.1.3方法240

12.2汽车的自主传递控制244

12.2.1问题244

12.2.2方法244

12.2.3步骤244

12.3汽车动力学246

12.3.1问题246

12.3.2步骤246

12.3.3方法248

12.4汽车仿真与卡尔曼滤波器250

12.4.1问题250

12.4.2方法250

12.4.3步骤250

12.5雷达数据的MHT实现257

12.5.1问题257

12.5.2方法257

12.5.3步骤260

12.5.4假设形成268

12.5.5轨道剪枝276

总结287

参考文献288