人工智能入門與實戰(zhàn)：使用Raspberry Pi和Python演練

定　價：￥59.80

作　者：	Donald J.Norris 著，沈益冉，潘海為，高琳琳譯
出版社：	清華大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥59.80)

ISBN：	9787302501718	出版時間：	2015-05-01	包裝：	平裝
開本：	16	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　《人工智能入門與實戰(zhàn)　使用Raspberry Pi和Python演練》使用Raspberry Pi作為計算平臺，介紹AI世界。本書探索了大部分主要的人工智能主題，包括專家系統(tǒng)、淺層和深層的機器學習、模糊邏輯控制等。主要內(nèi)容： AI簡介、基本的AI概念、專家系統(tǒng)的展示、游戲、模糊邏輯系統(tǒng)、機器學習、機器學習：人工神經(jīng)網(wǎng)絡、機器學習：深入學習、機器學習：ANN展示實踐、演化計算、基于行為的機器人等。

作者簡介

　　Donald J. Norris擁有電子工程學士學位及生產(chǎn)管理MBA學位。他目前在南新罕布什爾大學任職，教授本科生和研究生計算機科學相關課程。同時，他也開設了一些機器人技術的課程。他擁有33年的教學經(jīng)驗，曾在多所大學擔任副教授。 Donald后來從美國海軍的民間聯(lián)合服務組織退休，在那里他專注于核潛艇有關的聲學和高級數(shù)字信號處理。自此，他作為一位使用C、C＃、C++、Python、MicroPython、Node.js和Java等語言的專業(yè)軟件開發(fā)者已經(jīng)擁有超過23年的編程經(jīng)驗，其中有6年擔任IT安全顧問。 Donald撰寫并出版了6本書，主題內(nèi)容涉及樹莓派、如何組裝和操作自己的無人機、MicroPython、物聯(lián)網(wǎng)和Edison微處理器等方面。 Donald創(chuàng)建了名為Norris Embedded Software Solutions （dba NESS LLC）的咨詢顧問公司，專門開發(fā)基于微處理器和微控制器的應用解決方案。Donald認為自己是一個充滿激情的極客，總是去嘗試新鮮事物。他也是私人飛行員、攝影愛好者、業(yè)余無線電操作員和狂熱的跑步健身者。

圖書目錄

第1章人工智能簡介 1
1.1 AI的歷史起源 1
1.2 智能 6
1.3 強AI與弱AI，廣義AI與
狹義AI 7
1.4 推理 8
1.5 人工智能的分類 9
1.6 人工智能和大數(shù)據(jù) 11
1.7 小結 12
第2章基礎AI概念 13
2.1 布爾代數(shù) 13
2.2 推論 15
2.3 專家系統(tǒng) 16
2.3.1 沖突解決 16
2.3.2 反向鏈 18
2.4 配置Raspberry Pi 18
2.5 SWI Prolog簡介 19
2.6 在Raspberry Pi上安裝
Prolog 19
2.7 Prolog初步演示 20
2.8 模糊邏輯簡介 22
2.8.1 FL的例子 23
2.8.2 去模糊化 24
2.9 問題解決 25
2.9.1 廣度優(yōu)先搜索 25
2.9.2 深度優(yōu)先搜索 25
2.9.3 深度有限搜索 26
2.9.4 雙向搜索 26
2.9.5 問題解決的其他例子 26
2.10 機器學習 27
2.10.1 預測 27
2.10.2 分類 28
2.10.3 進一步分類 31
2.11 神經(jīng)網(wǎng)絡 32
2.12 淺層學習與深度學習 37
2.13 進化計算 37
2.14 遺傳算法 38
2.15 小結 39
第3章專家系統(tǒng)演示 41
3.1 例3-1：辦公室數(shù)據(jù)庫 42
3.2 例3-2：識別動物 47
3.3 例3-3：井字游戲 51
3.4 例3-4：感冒還是
流感？ 56
3.5 例3-5：使用Raspberry Pi
GPIO控制輸出的專家
系統(tǒng) 58
3.5.1 安裝PySWIP庫 59
3.5.2 安裝硬件 60
3.5.3 配置Rpi.GPIO 61
3.5.4 帶LED控制的專家
系統(tǒng) 62
3.6 小結 64
第4章游戲 65
4.1 例4-1：剪刀石頭布 66
4.1.1 帶開關和LED的剪刀
石頭布游戲 69
4.1.2 中斷 73
4.2 例4-2：Nim 75
4.2.1 帶LCD和開關的
Nim` 81
4.2.2 LCD顯示屏 84
4.2.3 加載Adafruit LCD庫 85
4.2.4 LCD測試 86
4.2.5 automated_nim.py 87
4.3 小結 93
第5章模糊邏輯系統(tǒng) 95
5.1 部件清單 95
5.2 軟件安裝 96
5.3 基礎FLS 96
5.4 初始化：定義語言變量
和術語 97
5.5 例5-1：使用FL計算
小費 97
5.6 初始化：構建隸屬函數(shù) 98
5.7 初始化：構建規(guī)則集 101
5.8 推理：根據(jù)規(guī)則集評價
模糊集 103
5.9 聚集：綜合每個規(guī)則的
評估結果 106
5.10 去模糊化：將模糊集
轉換為清晰的輸出值 106
5.11 例5-2：修改tipping.py
程序 113
5.12 例5-3：FLS加熱和制冷
系統(tǒng) 114
5.12.1 模糊化 116
5.12.2 推理 117
5.12.3 聚集 118
5.12.4 去模糊 119
5.12.5 測試控制程序 121
5.13 例5-4：修改HVAC
程序 122
5.14 小結 124
第6章機器學習 125
6.1 部件清單 125
6.2 例6-1：顏色選擇 126
6.2.1 算法 126
6.2.2 輪盤賭算法 129
6.3 例6-2：自主機器人 131
6.3.1 自主算法 132
6.3.2 測試運行 138
6.3.3 額外學習 138
6.4 例6-3：使用能源消耗
計算的自適應學習 142
6.5 小結 147

第7章機器學習：人工神經(jīng)
網(wǎng)絡 149
7.1 部件清單 149
7.2 Hopfield網(wǎng)絡 149
7.3 例7-1：數(shù)字圖像識別
示例 155
7.4 例7-2：使用ANN的
自主機器人小車 161
7.5 例7-3：用于避開障礙物的
機器人小車的Python控制
腳本 164
7.6 例7-4：尋光機器人 169
7.6.1 未知情況 172
7.6.2 大腦映射 172
7.6.3 光強傳感器 173
7.6.4 用于尋求目標的機器人小
車的Python控制腳本 175
7.6.5 測試運行 180
7.6.6 障礙物回避和尋光 181
7.7 小結 182
第8章機器學習：深度學習 183
8.1 泛化的ANN 183
8.1.1 較大的ANN 188
8.1.2 三層ANN中的后向
傳播 191
8.1.3 更新加權矩陣 193
8.2 梯度下降在ANN中的
運用 199
8.3 工作范例 203
8.3.1 ANN學習的一些
問題 204
8.3.2 初始權重的選擇 204

8.4 例8-1：ANN的Python
腳本 205
8.4.1 初始化 206
8.4.2 測試運行 208
8.5 例8-2：訓練ANN 209
8.6 小結 213
第9章機器學習：實用的ANN
示例 215
9.1 部件清單 215
9.2 例9-1：MNIST數(shù)據(jù)集 216
9.2.1 圖像化一條MNIST
記錄 219
9.2.2 調整輸入和輸出數(shù)
據(jù)集 221
9.2.3 為手寫數(shù)字檢測配置
ANN 224
9.2.4 測試運行 226
9.3 例9-2：使用Pi Camera
識別手寫數(shù)字 231
9.3.1 更改的trainANN.py
腳本 236
9.3.2 使用ANN自動識別
數(shù)字 237
9.3.3 測試運行 239
9.4 小結 240
第10章進化計算 241
10.1 alife 241
10.2 進化編程 242
10.3 例10-1：手動計算 243
10.4 例10-2：Conway的生命
游戲 251
10.4.1 Sense HAT硬件
安裝 253
10.4.2 Sense HAT軟件
安裝 253
10.4.3 生命游戲：Python
版本 254
10.4.4 測試運行 262
10.4.5 單代生命游戲 264
10.5 小結 267
第11章基于行為的機器人 269
11.1 部件清單 269
11.2 人類的大腦結構 270
11.3 包容架構 271
11.3.1 傳統(tǒng)方法 273
11.3.2 基于行為的機器人
方法 273
11.4 例11-1：Breve項目 276
11.5 例11-2：構建使用包容架
構的機器人小車 284
11.6 例11-3：Alfie機器人
小車 288
11.6.1 添加另一個行為 296
11.6.2 測試運行 297
11.7 小結 298
附錄 Alfie機器人小車搭建
指南 299