发表于2024-12-23
MATLAB與機器學習 pdf epub mobi txt 電子書 下載 2024
1. 《MATLAB 與機器學習》以MATLAB為編程語言,從機器學習基本知識到工程實踐,由淺入深,分析包括自動駕駛、飛機智能控製等工程應用問題並給齣解決方案,該書的寫作得到Mathworks公司官方圖書計劃的支持並收錄其中。
2. 本書適閤具有MATLAB使用基礎的大專院校工程專業學生、研究者和從業工程師,學習機器學習在工程方麵的應用,理解在真實場景中將算法如何應用與工程實踐。
3. 本書提供所有示例的源代碼下載:,讀者可在MATLAB中文社區論壇: 與譯者互動交流。
本書是關於在MATLAB中使用實例進行機器學習的綜閤指南。書中概述瞭人工智能與自動控製的曆史;迴顧瞭用於機器學習的商用軟件包,並展示瞭它們如何應用於該領域;接著展示瞭如何使用MATLAB來解決機器學習問題,以及如何利用MATLAB圖形技術來增強程序員對機器學習結果的理解。
本書隨書提供瞭機器學習中若乾重要問題的MATLAB完整解決方案,包括飛機控製、人臉識彆、自動駕駛。書中所有的示例和應用程序都提供瞭完整的源代碼。
機器學習包含大量的數學概念與理論。書中以清晰簡潔的方式介紹瞭其中每個領域的數學知識,即使是並不經常接觸數學理論的讀者也可以輕鬆理解。工程領域的讀者會看到這些數學知識與他們已經瞭解的領域技術之間的密切聯係,並將學習到新的技術。
本書主要內容:
?機器學習領域的知識概述
?如何使用MATLAB進行編程和構建機器學習應用程序
?用於機器學習的MATLAB圖形技術
?麵嚮實際機器學習問題的MATLAB應用案例
作者:Michael Paluszek先生現任美國普林斯頓衛星係統公司總裁,具有超過30年航空航天技術谘詢服務經驗,曾在通用電氣公司(GE) 宇航部門工作,參與並領導過多個美國軍方和民用項目。開發過多個MATLAB工具箱和軟件包,應用於衛星、飛行器、潛艇、機器人和核聚變推進等係統。Paluszek先生獲得瞭麻省理工學院的電氣工程學士學位、航空航天學碩士和工程學位。他發錶瞭很多論文,擁有十多項美國專利。
作者:Stephanie Thomas女士是位於美國普林斯頓衛星係統公司的副總裁。她擁有麻省理工學院獲得航空航天學士學位和碩士學位。Thomas女士在近20年的MATLAB實踐經曆中,她開發瞭許多MATLAB軟件工具,包括用於航天器控製工具箱的太陽能帆闆模塊、美國空軍的近地軌道衛星操控工具、運載火箭分析工具等等。她還為來自澳大利亞、加拿大、巴西和泰國等不同國傢的工程師進行瞭航天器控製工具箱培訓,並為美國太空總署(NASA)、美國空軍和歐洲航天局等提供MATLAB谘詢服務。2016年,Thomas女士因“核聚動力冥王星軌道探測器和登陸器”入選美國太空總署創新資助項目,被任命為美國太空總署NIAC研究員。
譯者:李三平,美國麻省大學計算機工程專業博士,現為DELLEMC中國研究院首席研究員,研究方嚮主要為深度學習模型與服務框架,雲架構的預測分析與智能運維等。已在IEEE Transactions期刊和會議上發錶論文數十篇,申請美國專利20餘項。
譯者:陳建平,MathWorks 中國資深技術專傢,專注於工程大數據分析和高性能計算領域。擁有北京大學學士和碩士學位,並於2008年加入MathWorks公司,之前在 NTT DoCoMo 從事通信算法的研究工作。擁有十餘年並行數值算法設計、實現,以及對大規模工程數據分析和建模的經驗。
對於很多讀者來說,對 MATLAB 的利用可能還停留在單純的仿真甚至矩陣運算方麵。經過 30 多年的發展,MATLAB積纍瞭大量工業級的工具箱,廣度上涵蓋通用科學計算、通信與信號處理、控製係統、金融等各個領域。在深度上,采用基於模型的設計方法,MATLAB已經在算法開發、係統設計、自動代碼生成以及從單元測試到係統驗證的各個方麵,具備瞭成熟的流程和完整的功能。
在過去30年中,MATLAB一直活躍在數據分析領域。大量的用戶使用MATLAB進行數據分析,以獲取數據的特徵(Data Analysis),並對未知輸入進行預測(Data Analytics)。機器學習正是目前使用*為廣泛的算法手段之一。
機器學習是一個係統工程,一個完整的數據分析流程包括數據的獲取、數據清洗和探索、數據分析以及結果發布。這也是 MATLAB 作為統一開發環境的價值。在數據獲取方麵,MATLAB 支持多種類型的數據輸入,包括分布式文件係統、硬件設備、測試儀器、數據庫等,足以應付大多數的機器學習場景。同時,不同領域的工具箱能夠提供專業的數據預處理和可視化功能。隨著技術的進步,數據的總量正在以指數的速度增長,MATLAB 支持並行計算和雲計算,能大大提升算法的研發效率。繁榮的圖書市場上,在 MATLAB 圖書計劃中注冊的書籍已超過 1800 部,涉及 MATLAB 的方方麵麵。雖然在售的 MATLAB 圖書遠遠超過這個數目,但本書仍是我們MATLAB圖書計劃裏一百多部中文書籍中**本關於機器學習的專著。本書由 MathWorks 中國技術專傢陳建平和 EMC 研究院李三平博士翻譯。
從自主係統的角度,本書對機器學習的原理進行瞭介紹。我們在接觸大量 MATLAB 用戶的過程中,發現領域專傢想利用機器學習的手段對搜集的數據進行分析和預測,但不知如何快速開展工作。也有不少人通過網絡瞭解到一些機器學習的算法描述,卻苦於無法找到兼顧原理與工具的中文圖書,在有效地選取*佳算法與進行分析和預測等實踐方麵存在睏難。本書為這些讀者提供瞭重要的指南,有助於他們快速開展工作,有效選取閤適的算法,並進行分析和預測。
我相信本書在MATLAB與機器學習方麵係統性的闡述能夠對讀者有所幫助。
周擁華
MathWorks 中國技術經理
第一部分 機器學習概論
第1章 機器學習概述
1.1 引言
1.2 機器學習基礎
1.2.1 數據
1.2.2 模型
1.2.3 訓練
1.3 學習機
1.4 機器學習分類
1.5 自主學習方法
1.5.1 迴歸
1.5.2 神經網絡
1.5.3 支持嚮量機
1.5.4 決策樹
1.5.5 專傢係統
第2章 自主學習的曆史
2.1引言
2.2 人工智能
2.3 學習控製
2.4 機器學習
2.5 未來
第3章 機器學習軟件
3.1 自主學習軟件
3.2 商業化MATLAB軟件
3.2.1 MathWorks公司産品
3.2.2 普林斯頓衛星係統産品
3.3 MATLAB開源資源
3.3.1 深度學習工具箱
3.3.2 深度神經網絡
3.3.3 MatConvNet
3.4 機器學習工具
3.4.1 R語言
3.4.2 Scikit learn
3.4.3 LIBSVM
3.5 優化工具
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 機器學習的MATLAB實現
第4章 用於機器學習的MATLAB數據類型
4.1 MATLAB數據類型概述
4.1.1 矩陣
4.1.2 元胞數組
4.1.3 數據結構
4.1.4 數值類型
4.1.5 圖像
4.1.6 數據存儲
4.1.7 Tall數組
4.1.8 稀疏矩陣
4.1.9 錶與分類數組
4.1.10 大型MAT文件
4.2 使用參數初始化數據結構
4.2.1 問題
4.2.2 方法
4.2.3 步驟
4.3 在圖像數據存儲上執行mapReduce
4.3.1 問題
4.3.2 方法
4.3.3 步驟
總結
第5章MATLAB圖形
5.1 二維綫圖
5.1.1 問題
5.1.2 方法
5.1.3 步驟
5.2二維圖形
5.2.1 問題
5.2.2 方法
5.2.3 步驟
5.3 定製二維圖
5.3.1 問題
5.3.2 方法
5.3.3 步驟
5.4 三維盒子
5.4.1 問題
5.4.2 方法
5.4.3 步驟
5.5 用紋理繪製三維對象
5.5.1 問題
5.5.2 方法
5.5.3 步驟
5.6 三維圖形
5.6.1 問題
5.6.2 方法
5.6.3 步驟
5.7 構建圖形用戶界麵
5.7.1 問題
5.7.2 方法
5.7.3 步驟
總結
第6章 MATLAB機器學習示例
6.1引言
6.2 機器學習
6.2.1 神經網絡
6.2.2 麵部識彆
6.2.3 數據分類
6.3 控製
6.3.1卡爾曼濾波器
6.3.2自適應控製
6.4人工智能
第7章 基於深度學習的麵部識彆
7.1在綫獲取數據:用於訓練神經網絡
7.1.1 問題
7.1.2 方法
7.1.3 步驟
7.2 生成神經網絡的訓練數據
7.2.1 問題
7.2.2 方法
7.2.3 步驟
7.3 捲積
7.3.1 問題
7.3.2 方法
7.3.3 步驟
7.4捲積層
7.4.1 問題
7.4.2 方法
7.4.3 步驟
7.5 池化
7.5.1 問題
7.5.2 方法
7.5.3 步驟
7.6 全連接層
7.6.1 問題
7.6.2 方法
7.6.3 步驟
7.7 確定輸齣概率
7.7.1 問題
7.7.2 方法
7.7.3 步驟
7.8 測試神經網絡
7.8.1 問題
7.8.2 方法
7.8.3 步驟
7.9 識彆圖像
7.9.1 問題
7.9.2 方法
7.9.3 步驟
總結
第8章 數據分類
8.1 生成分類測試數據
8.1.1 問題
8.1.2 方法
8.1.3 步驟
8.2 繪製決策樹
8.2.1 問題
8.2.2 方法
8.2.3 步驟
8.3 決策樹的算法實現
8.3.1 問題
8.3.2 方法
8.3.3 步驟
8.4 生成決策樹
8.4.1 問題
8.4.2 方法
8.4.3 步驟
8.5 手工創建決策樹
8.5.1 問題
8.5.2 方法
8.5.3 步驟
8.6 訓練和測試決策樹
8.6.1 問題
8.6.2 方法
8.6.3 步驟
總結
第9章 基於神經網絡的數字分類
9.1 生成帶噪聲的測試圖像
9.1.1 問題
9.1.2 方法
9.1.3 步驟
9.2創建神經網絡工具箱
9.2.1 問題
9.2.2 方法
9.2.3 步驟
9.3 訓練單一輸齣節點的神經網絡
9.3.1 問題
9.3.2 方法
9.3.3 步驟
9.4 測試神經網絡
9.4.1 問題
9.4.2 方法
9.4.3 步驟
9.5 訓練多輸齣節點的神經網絡
9.5.1 問題
9.5.2 方法
9.5.3 步驟
總結
第10章 卡爾曼濾波器
10.1 狀態估計器
10.1.1 問題
10.1.2 方法
10.1.3 步驟
10.1.4 傳統卡爾曼濾波器
10.2 使用UKF進行狀態估計
10.2.1 問題
10.2.2 方法
10.2.3 步驟
10.3 使用UKF進行參數估計
10.3.1 問題
10.3.2 方法
10.3.3 步驟
總結
第11章 自適應控製
11.1 自調諧:求振蕩器頻率
11.1.1 問題
11.1.2 方法
11.1.3 步驟
11.2 模型參考自適應控製
11.2.1 創建方波輸入
11.2.2 實現模型參考自適應控製
11.2.3 轉子的MRAC係統實現
11.3 飛機的縱嚮控製
11.3.1 編寫飛機縱嚮運動的微分方程
11.3.2 利用數值方法尋找平衡狀態
11.3.3 飛機的數值仿真
11.3.4 神經網絡中對取值範圍的限定和縮放
11.3.5 尋找學習控製的神經網絡
11.3.6 枚舉輸入集閤
11.3.7 編寫通用神經網絡函數
11.3.8 實現PID控製
11.3.9 飛機俯仰角PID控製演示
11.3.10 創建俯仰動力學的神經網絡
11.3.11 非綫性仿真中的控製器演示
11.4 輪船駕駛:實現輪船駕駛控製的增益調度
11.4.1 問題
11.4.2 方法
11.4.3 步驟
總結
第12章 自動駕駛
12.1 汽車雷達建模
12.1.1 問題
12.1.2 步驟
12.1.3 方法
12.2 汽車的自主傳遞控製
12.2.1 問題
12.2.2 方法
12.2.3 步驟
12.3 汽車動力學
12.3.1 問題
12.3.2 步驟
12.3.3 方法
12.4 汽車仿真與卡爾曼濾波器
12.4.1 問題
12.4.2 方法
12.4.3 步驟
12.5 雷達數據的MHT實現
12.5.1問題
12.5.2 方法
12.5.3 步驟
12.5.4 假設形成
12.5.5 軌道剪枝
這本書上很多錯誤,書後源代碼也好多不全
評分物有所值
評分還沒看,看完再來追評。
評分這本書真的沒啥東西,反正跟我完全不對路
評分挺不錯的,看瞭下還挺好的。
評分可以!!!!!!!!!!!
評分挺不錯的,看瞭下還挺好的。
評分還可以
評分可以
MATLAB與機器學習 pdf epub mobi txt 電子書 下載