推薦序
譯者序
前言
作者簡(jiǎn)介
第1章　機(jī)器學(xué)習(xí)概述1
1.1　引言1
1.2　機(jī)器學(xué)習(xí)基礎(chǔ)2
1.3　學(xué)習(xí)機(jī)4
1.4　機(jī)器學(xué)習(xí)分類體系5
1.5　控制7
1.6　自主學(xué)習(xí)方法9
1.7　人工智能14
1.8　小結(jié)16
第2章　用于機(jī)器學(xué)習(xí)的MATLAB數(shù)據(jù)類型17
2.1　MATLAB數(shù)據(jù)類型概述17
2.2　使用參數(shù)初始化數(shù)據(jù)結(jié)構(gòu)27
2.3　在圖像datastore上執(zhí)行mapreduce29
2.4　從文件中創(chuàng)建表格31
2.5　處理表格數(shù)據(jù)33
2.6　使用MATLAB字符串36
2.7　小結(jié)38
第3章　MATLAB作圖39
3.1　二維線圖39
3.2　通用二維作圖42
3.3　定制二維圖表44
3.4　三維盒子45
3.5　用紋理繪制三維對(duì)象47
3.6　通用三維作圖49
3.7　構(gòu)建圖形用戶界面51
3.8　柱狀圖動(dòng)畫56
3.9　畫一個(gè)機(jī)器人59
3.10　小結(jié)61
第4章　卡爾曼濾波63
4.1　用線性卡爾曼濾波器實(shí)現(xiàn)的狀態(tài)估計(jì)器64
4.2　使用擴(kuò)展卡爾曼濾波器進(jìn)行狀態(tài)估計(jì)80
4.3　使用無(wú)跡卡爾曼濾波器進(jìn)行狀態(tài)估計(jì)84
4.4　使用無(wú)跡卡爾曼濾波器進(jìn)行參數(shù)估計(jì)90
4.5　小結(jié)93
第5章　自適應(yīng)控制95
5.1　自調(diào)諧：振蕩器建模96
5.2　自調(diào)諧：調(diào)校振蕩器97
5.3　模型參考自適應(yīng)控制的實(shí)現(xiàn)102
5.4　創(chuàng)建方波輸入106
5.5　轉(zhuǎn)子的MRAC演示系統(tǒng)107
5.6　輪船駕駛：實(shí)現(xiàn)輪船駕駛控制的增益調(diào)度110
5.7　航天器的指向114
5.8　小結(jié)116
第6章　模糊邏輯118
6.1　構(gòu)建模糊邏輯系統(tǒng)119
6.2　模糊邏輯的實(shí)現(xiàn)122
6.3　演示模糊邏輯125
6.4　小結(jié)127
第7章　用決策樹(shù)進(jìn)行數(shù)據(jù)分類129
7.1　生成測(cè)試數(shù)據(jù)130
7.2　繪制決策樹(shù)133
7.3　決策樹(shù)的算法實(shí)現(xiàn)136
7.4　創(chuàng)建決策樹(shù)139
7.5　手工創(chuàng)建決策樹(shù)142
7.6　訓(xùn)練和測(cè)試決策樹(shù)145
7.7　小結(jié)148
第8章　神經(jīng)網(wǎng)絡(luò)入門149
8.1　日光檢測(cè)器149
8.2　單擺建模150
8.3　單神經(jīng)元角度估計(jì)器155
8.4　為單擺系統(tǒng)設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)159
8.5　小結(jié)163
第9章　基于神經(jīng)網(wǎng)絡(luò)的數(shù)字分類164
9.1　生成帶噪聲的測(cè)試圖像165
9.2　創(chuàng)建神經(jīng)網(wǎng)絡(luò)函數(shù)169
9.3　訓(xùn)練單一輸出節(jié)點(diǎn)的神經(jīng)網(wǎng)絡(luò)173
9.4　測(cè)試神經(jīng)網(wǎng)絡(luò)178
9.5　訓(xùn)練多輸出節(jié)點(diǎn)的神經(jīng)網(wǎng)絡(luò)179
9.6　小結(jié)182
第10章　基于深度學(xué)習(xí)的模式識(shí)別183
10.1　為訓(xùn)練神經(jīng)網(wǎng)絡(luò)在線獲取數(shù)據(jù)185
10.2　產(chǎn)生貓的訓(xùn)練圖像集185
10.3　矩陣卷積188
10.4　卷積層190
10.5　池化層192
10.6　全連接層193
10.7　確定輸出概率195
10.8　測(cè)試神經(jīng)網(wǎng)絡(luò)196
10.9　識(shí)別數(shù)字198
10.10　識(shí)別圖像200
10.11　小結(jié)202
第11章　用于飛機(jī)控制的神經(jīng)網(wǎng)絡(luò)203
11.1　縱向運(yùn)動(dòng)204
11.2　利用數(shù)值方法尋找平衡狀態(tài)210
11.3　飛機(jī)的數(shù)值仿真211
11.4　激活函數(shù)213
11.5　學(xué)習(xí)控制的神經(jīng)網(wǎng)絡(luò)214
11.6　枚舉數(shù)據(jù)集218
11.7　編寫sigma-pi神經(jīng)網(wǎng)絡(luò)函數(shù)220
11.8　實(shí)現(xiàn)PID控制器222
11.9　飛機(jī)俯仰角PID控制226
11.10　創(chuàng)建俯仰動(dòng)力學(xué)的神經(jīng)網(wǎng)絡(luò)228
11.11　非線性仿真中的控制器演示231
11.12　小結(jié)232
第12章　多重假設(shè)檢驗(yàn)233
12.1　概覽233
12.2　理論235
12.3　追蹤臺(tái)球的卡爾曼濾波器240
12.4　追蹤臺(tái)球的MHT246
12.5　一維運(yùn)動(dòng)250
12.6　軌道關(guān)聯(lián)的一維運(yùn)動(dòng)252
12.7　小結(jié)255
第13章　基于多重假設(shè)檢驗(yàn)的自動(dòng)駕駛256
13.1　汽車動(dòng)力學(xué)257
13.2　汽車?yán)走_(dá)建模260
13.3　汽車的自主超車控制262
13.4　汽車動(dòng)畫264
13.5　汽車仿真與卡爾曼濾波器266
13.6　汽車目標(biāo)追蹤270
13.7　小結(jié)273
第14章　基于案例的專家系統(tǒng)275
14.1　構(gòu)建專家系統(tǒng)276
14.2　運(yùn)行專家系統(tǒng)277
14.3　小結(jié)279
附錄A　自主學(xué)習(xí)的歷史281
附錄B　機(jī)器學(xué)習(xí)軟件288
參考文獻(xiàn)298
中英文術(shù)語(yǔ)對(duì)照表300