人工智能入門與實戰 pdf epub mobi txt 電子書 下載2025

想要找書就要到 小美書屋

立刻按 ctrl+D收藏本頁

你會得到大驚喜!!

《人工智能入門與實戰　使用Raspberry Pi和Python演練》使用Raspberry Pi作為計算平颱，介紹AI世界。本書探索瞭大部分主要的人工智能主題，包括專傢係統、淺層和深層的機器學習、模糊邏輯控製等。

主要內容：

AI簡介、基本的AI概念、專傢係統的展示、遊戲、模糊邏輯係統、機器學習、機器學習：人工神經網絡、機器學習：深入學習、機器學習：ANN展示實踐、演化計算、基於行為的機器人等。

Donald J. Norris擁有電子工程學士學位及生産管理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，他也開設瞭一些機器人技術的課程。他擁有33年的教學經驗，曾在多所大學擔任副教授。

Donald後來從美國海軍的民間聯閤服務組織退休，在那裏他專注於核潛艇有關的聲學和高級數字信號處理。自此，他作為一位使用C、C＃、C++、Python、MicroPython、Node.js和Java等語言的專業軟件開發者已經擁有超過23年的編程經驗，其中有6年擔任IT安全顧問。

Donald撰寫並齣版瞭6本書，主題內容涉及樹莓派、如何組裝和操作自己的無人機、MicroPython、物聯網和Edison微處理器等方麵。

Donald創建瞭名為Norris Embedded Software Solutions (dba NESS LLC)的谘詢顧問公司，專門開發基於微處理器和微控製器的應用解決方案。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、業餘無綫電操作員和狂熱的跑步健身者。

第1章 人工智能簡介 1
1.1 AI的曆史起源 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 人工智能和大數據 11
1.7 小結 12
第2章 基礎AI概念 13
2.1 布爾代數 13
2.2 推論 15
2.3 專傢係統 16
2.3.1 衝突解決 16
2.3.2 反嚮鏈 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 廣度優先搜索 25
2.9.2 深度優先搜索 25
2.9.3 深度有限搜索 26
2.9.4 雙嚮搜索 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 神經網絡 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 專傢係統演示 41
3.1 例3-1：辦公室數據庫 42
3.2 例3-2：識彆動物 47
3.3 例3-3：井字遊戲 51
3.4 例3-4：感冒還是
流感？ 56
3.5 例3-5：使用Raspberry Pi
GPIO控製輸齣的專傢
係統 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控製的專傢
係統 62
3.6 小結 64
第4章 遊戲 65
4.1 例4-1：剪刀石頭布 66
4.1.1 帶開關和LED的剪刀
石頭布遊戲 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 模糊邏輯係統 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 98
5.7 初始化：構建規則集 101
5.8 推理：根據規則集評價
模糊集 103
5.9 聚集：綜閤每個規則的
評估結果 106
5.10 去模糊化：將模糊集
轉換為清晰的輸齣值 106
5.11 例5-2：修改tipping.py
程序 113
5.12 例5-3：FLS加熱和製冷
係統 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 測試控製程序 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：顔色選擇 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
網絡 149
7.1 部件清單 149
7.2 Hopfield網絡 149
7.3 例7-1：數字圖像識彆
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：用於避開障礙物的
機器人小車的Python控製
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 用於尋求目標的機器人小
車的Python控製腳本 175
7.6.5 測試運行 180
7.6.6 障礙物迴避和尋光 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中的後嚮
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 工作範例 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數據集 216
9.2.1 圖像化一條MNIST
記錄 219
9.2.2 調整輸入和輸齣數
據集 221
9.2.3 為手寫數字檢測配置
ANN 224
9.2.4 測試運行 226
9.3 例9-2：使用Pi Camera
識彆手寫數字 231
9.3.1 更改的trainANN.py
腳本 236
9.3.2 使用ANN自動識彆
數字 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
遊戲 251
10.4.1 Sense HAT硬件
安裝 253
10.4.2 Sense HAT軟件
安裝 253
10.4.3 生命遊戲：Python
版本 254
10.4.4 測試運行 262
10.4.5 單代生命遊戲 264
10.5 小結 267
第11章 基於行為的機器人 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 傳統方法 273
11.3.2 基於行為的機器人
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
· · · · · · (收起)