新書推薦：
《
医学图形图像处理基于Python VTK的实现
》
售價：NT$
760.0
《
山家清供：小楷插图珍藏本 谦德国学文库系列
》
售價：NT$
653.0
《
政略与战略论
》
售價：NT$
638.0
《
百年词史-（1900-2000（全二册））
》
售價：NT$
1520.0
《
RDI人际关系发展疗法：修复孤独症核心障碍，让干预回归生活
》
售價：NT$
454.0
《
金融科技监管的目标、原则和实践：全球视野下加密货币的监管
》
售價：NT$
505.0
《
城市轨道交通绿色低碳规划设计研究——深圳地铁6号线工程创新与实践
》
售價：NT$
1010.0
《
艾尔米塔什国家博物馆 少年游学 人一生一定要看的博物馆
》
售價：NT$
173.0
|
| 編輯推薦： |
|
对于读者来说，将当前尖端的人工智能方法和*便携功能的树莓派如此完美结合在一起的书籍并不多见，其中更是涉及Prolog 和Python 语言的实用编程。虽然对人工智能方法和基于树莓派的编程的学习十分枯燥，过程也颇为艰辛，但是学成之后所获得的成就感和实用性是不言而喻的。通过本书，作者呈现了对基于树莓派的机器人和游戏等实际应用的丰富见解和实用解决方案，突出了目前被广泛使用的人工智能方法的优势，以帮助读者决定哪一个方法才*适合自己所面对的应用问题。通过逐步的编码方法，以及循序渐进、深入浅出的描述，读者能够理解多种人工智能方法的基本原理和不同编程语言的实现技巧。《人工智能入门与实战 使用Raspberry Pi和Python演练》配备了非常实用的示例和代码片段，以确保读者能够很好地掌握用于解决实际问题的人工智能方法。《人工智能入门与实战 使用Raspberry Pi和Python演练》在介绍人工智能AI、专家知识系统、机器学习和模糊逻辑等基本概念之后，详细描述在实际应用中使用*为普遍的多项技术的基本原理，这些技术分别是模糊逻辑系统、浅层机器学习、人工神经网络ANN、深度学习和进化计算。对每一项技
|
| 內容簡介： |
《人工智能入门与实战 使用Raspberry Pi和Python演练》使用Raspberry Pi作为计算平台，介绍AI世界。本书探索了大部分主要的人工智能主题，包括专家系统、浅层和深层的机器学习、模糊逻辑控制等。
主要内容：
AI简介、基本的AI概念、专家系统的展示、游戏、模糊逻辑系统、机器学习、机器学习：人工神经网络、机器学习：深入学习、机器学习：ANN展示实践、演化计算、基于行为的机器人等。
|
| 目錄：
|
目 录
第1章 人工智能简介 1
1.1 AI的历史起源 1
1.2 智能 6
1.3 强AI与弱AI，广义AI与
狭义AI 7
1.4 推理 8
1.5 人工智能的分类 9
1.6 人工智能和大数据 11
1.7 小结 12
第2章 基础AI概念 13
2.1 布尔代数 13
2.2 推论 15
2.3 专家系统 16
2.3.1 冲突解决 16
2.3.2 反向链 18
2.4 配置Raspberry Pi 18
2.5 SWI Prolog简介 19
2.6 在Raspberry Pi上安装
Prolog 19
2.7 Prolog初步演示 20
2.8 模糊逻辑简介 22
2.8.1 FL的例子 23
2.8.2 去模糊化 24
2.9 问题解决 25
2.9.1 广度优先搜索 25
2.9.2 深度优先搜索 25
2.9.3 深度有限搜索 26
2.9.4 双向搜索 26
2.9.5 问题解决的其他例子 26
2.10 机器学习 27
2.10.1
预测 27
2.10.2
分类 28
2.10.3
进一步分类 31
2.11 神经网络 32
2.12 浅层学习与深度学习 37
2.13 进化计算 37
2.14 遗传算法 38
2.15 小结 39
第3章 专家系统演示 41
3.1 例3-1：办公室数据库 42
3.2 例3-2：识别动物 47
3.3 例3-3：井字游戏 51
3.4 例3-4：感冒还是
流感？ 56
3.5 例3-5：使用Raspberry Pi
GPIO控制输出的专家
系统 58
3.5.1 安装PySWIP库 59
3.5.2 安装硬件 60
3.5.3 配置Rpi.GPIO 61
3.5.4 带LED控制的专家
系统 62
3.6 小结 64
第4章 游戏 65
4.1 例4-1：剪刀石头布 66
4.1.1 带开关和LED的剪刀
石头布游戏 69
4.1.2 中断 73
4.2 例4-2：Nim 75
4.2.1 带LCD和开关的
Nim` 81
4.2.2 LCD显示屏 84
4.2.3 加载Adafruit LCD库 85
4.2.4 LCD测试 86
4.2.5
automated_nim.py 87
4.3 小结 93
第5章 模糊逻辑系统 95
5.1 部件清单 95
5.2 软件安装 96
5.3 基础FLS 96
5.4 初始化：定义语言变量
和术语 97
5.5 例5-1：使用FL计算
小费 97
5.6 初始化：构建隶属函数 98
5.7 初始化：构建规则集 101
5.8 推理：根据规则集评价
模糊集 103
5.9 聚集：综合每个规则的
评估结果 106
5.10 去模糊化：将模糊集
转换为清晰的输出值 106
5.11 例5-2：修改tipping.py
程序 113
5.12 例5-3：FLS加热和制冷
系统 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
测试控制程序 121
5.13 例5-4：修改HVAC
程序 122
5.14 小结 124
第6章 机器学习 125
6.1 部件清单 125
6.2 例6-1：颜色选择 126
6.2.1 算法 126
6.2.2 轮盘赌算法 129
6.3 例6-2：自主机器人 131
6.3.1 自主算法 132
6.3.2 测试运行 138
6.3.3 额外学习 138
6.4 例6-3：使用能源消耗
计算的自适应学习 142
6.5 小结 147
第7章 机器学习：人工神经
网络 149
7.1 部件清单 149
7.2 Hopfield网络 149
7.3 例7-1：数字图像识别
示例 155
7.4 例7-2：使用ANN的
自主机器人小车 161
7.5 例7-3：用于避开障碍物的
机器人小车的Python控制
脚本 164
7.6 例7-4：寻光机器人 169
7.6.1 未知情况 172
7.6.2 大脑映射 172
7.6.3 光强传感器 173
7.6.4 用于寻求目标的机器人小
车的Python控制脚本 175
7.6.5 测试运行 180
7.6.6 障碍物回避和寻光 181
7.7 小结 182
第8章 机器学习：深度学习 183
8.1 泛化的ANN 183
8.1.1 较大的ANN 188
8.1.2 三层ANN中的后向
传播 191
8.1.3 更新加权矩阵 193
8.2 梯度下降在ANN中的
运用 199
8.3 工作范例 203
8.3.1 ANN学习的一些
问题 204
8.3.2 初始权重的选择 204
8.4 例8-1：ANN的Python
脚本 205
8.4.1 初始化 206
8.4.2 测试运行 208
8.5 例8-2：训练ANN
209
8.6 小结 213
第9章 机器学习：实用的ANN
示例 215
9.1 部件清单 215
9.2 例9-1：MNIST数据集 216
9.2.1 图像化一条MNIST
记录 219
9.2.2 调整输入和输出数
据集 221
9.2.3 为手写数字检测配置
ANN 224
9.2.4 测试运行 226
9.3 例9-2：使用Pi Camera
识别手写数字 231
9.3.1 更改的trainANN.py
脚本 236
9.3.2 使用ANN自动识别
数字 237
9.3.3 测试运行 239
9.4 小结 240
第10章 进化计算 241
10.1
alife 241
10.2
进化编程 242
10.3
例10-1：手动计算 243
10.4
例10-2：Conway的生命
游戏 251
10.4.1
Sense HAT硬件
安装 253
10.4.2
Sense HAT软件
安装 253
10.4.3
生命游戏：Python
版本 254
10.4.4
测试运行 262
10.4.5
单代生命游戏 264
10.5
小结 267
第11章 基于行为的机器人 269
11.1
部件清单 269
11.2
人类的大脑结构 270
11.3
包容架构 271
11.3.1
传统方法 273
11.3.2
基于行为的机器人
方法 273
11.4
例11-1：Breve项目 276
11.5
例11-2：构建使用包容架
构的机器人小车 284
11.6
例11-3：Alfie机器人
小车 288
11.6.1
添加另一个行为 296
11.6.2
测试运行 297
11.7
小结 298
附录 Alfie机器人小车搭建
指南 299
|
| 內容試閱：
|
前言
人工智能Artificial Intelligence，AI是一个飞速发展的领域，写这《人工智能入门与实战 使用Raspberry Pi和Python演练》旨在向你展示这一领域的神奇。在《人工智能入门与实战 使用Raspberry Pi和Python演练》中将使用Raspberry Pi树莓派作为主要工具，可以通过它了解人工智能的工作原理，进一步将AI应用在未来的工作与项目中。在最开始想声明一点：即使读完《人工智能入门与实战 使用Raspberry Pi和Python演练》并完成书中所有的示例，你也不会成为人工智能领域的专家。这个道理就好比一个人参加完急救课程后，也不可能立即成为医生或护士一样。想要成为AI专家，需要学习不同领域的大学课程，其中包括数学、计算机科学、逻辑学，甚至哲学。当然也有来自其他领域的人工智能专家，包括音乐和联合艺术。做了上述声明后，希望你明白，通过阅读《人工智能入门与实战 使用Raspberry Pi和Python演练》可以快速了解AI的基本知识及原理，但想要成为人工智能专家，还需要更进一步的学习。接下来，将讨论为什么Raspberry Pi是学习AI的一个良好平台。首先，虽然没有现代PC或Mac的计算速度快，但它本身是一台功能完整的计算机。Raspberry Pi 3的时钟频率为1 GHz，CPU为4核，RAM大小为1GB，但让人惊喜的是，它只需要35美元USD就可以买到。其次，我们推荐使用Raspberry Pi作为学习人工智能的基本工具，主要原因就是它相当于一个微控制器。由于微控制器可以很方便地连接各种传感器，因此可以实现AI与现实世界的简单且有效的交互。虽然PC也可以控制传感器，但它通常需要昂贵、复杂的专用接口来实现这些功能。Raspberry Pi最初的目的就是以最少的接口要求来感知和控制设备，更准确地说，是以最小的软件成本。同时PC软件界面通常非常复杂，一般针对某项功能定制而成这意味着用户难以进行个性化的修改和设定。《人工智能入门与实战 使用Raspberry Pi和Python演练》中使用的Raspberry Pi搭载的操作系统是名为Jessie的Linux发行版。它是一款非常稳定的操作系统Operating System，OS，并且完全开源，可以从Raspberry Pi基金会的网站免费下载。Jessie支持绝大部分的开源应用，这也就是说，《人工智能入门与实战 使用Raspberry Pi和Python演练》中使用的所有软件都是免费提供的，可以下载并部署在你的Raspberry Pi上。《人工智能入门与实战 使用Raspberry Pi和Python演练》的各种演示程序和项目使用的语言主要是Python、Prolog和Wolfram。这些语言中的每一种都有自身独有的特性，使得我们可以根据不同的应用场景，快速高效地实现所需的功能。我使用的主要应用是Mathematica，它是一款科学计算软件，很好地结合了数值和符号计算引擎、图形系统、编程语言、文本系统，以及与其他应用的高级连接。这是一款商业软件，由Wolfram公司的Stephen Wolfram博士CEO赠予我免费使用。我按照逻辑顺序编排了《人工智能入门与实战 使用Raspberry Pi和Python演练》的章节内容，第1章首先介绍人工智能AI。尽管AI已经应用于我们的日常生活，但向没有听说过的人解释清楚AI也不是一件容易的事情。第1章中给出了AI的定义并列举了一些AI用于日常生活中的具体例子。你会发现无论喜欢与否，人工智能已经渗透到现代社会的很多领域，正以越来越多的形式影响着我们的生活。另外，还会介绍一下商业智能Business Intelligence，BI，它与AI密切相关，主要应用于汽车领域。一些AI从业者通常将BI简称为AI在商业环境中的应用。但这远不止于此。之所以介绍，是因为它是一种合理的简化。接下来，将在第2章中探讨AI的一些基本概念。首先讲解一些基本的逻辑结构，了解基本逻辑推理是理解AI核心的重要基础。接着介绍专家知识系统，它是知识管理系统Knowledge Management System，KMS的主要组成部分，同时也是BI的重要组成部分之一。然后介绍机器学习，这是一个前景广阔的AI研究方向。最后，在该章的小结中简单介绍模糊逻辑Fuzzy Logic，在后续的章节中还会着重研究它。第3章主要介绍如何使用Prolog语言编写一个实用的专家系统。将使用Prolog编写一个简单的控制台问答程序来阐述Prolog的一些关键特性，这种特殊语言在实现人工智能的概念方面非常有用。与Prolog相比，实现相同的目的，使用C、C、Java等语言则需要更多的代码和扩展程序。第4章着重于介绍人工智能与游戏。虽然例子中的游戏很简单，但本章的主要目的是演示AI如何应用于游戏逻辑。这些游戏AI概念可以很容易地延伸到更复杂的游戏中。使用Python来实现通过传统文本控制台界面控制游戏的功能。不要期望在本章中看到《魔兽世界》World of Warcraft，WoW，但请放心，WoW在游戏中使用了AI。在第5章中，将再次使用Prolog来实现一些模糊的逻辑控制，在这个项目中也有一个简化的专家规则系统。由一个使用温度和湿度传感器的Raspberry Pi系统控制一个虚拟的加热和冷却系统。第6章介绍浅层机器学习的概念。我们将编写一个Python程序，它的功能是使计算机学习你最喜欢的颜色，并根据颜色选择做出决定。在该章的最后，将会介绍自适应学习，它在BI中起着重要的作用。第7章通过人工神经网络Artificial Neural Network，ANN来继续机器学习的话题。ANN是目前用于实现机器学习的最普遍的AI方法。该章将详细讲解ANN的构建方法，并演示一个使用Python创建的实际神经网络。第8章继续讨论深度学习。在该章的项目中，将详细讨论多层次的ANN功能，包括梯度搜索特性。第9章包含两个使用多层ANN深度学习的案例。第一个是对手写数字的识别，它使用MNIST数据集进行训练和测试。 第二个使用带有相机功能的Raspberry Pi对手写数字进行成像，然后使用先前训练过的ANN来确定最接近的数字。第10章涉及进化计算Evolutionary Computing，EC，包含进化规划、遗传算法和遗传规划。将列举几个有趣的示例，突出了一些EC功能，提供了很好的入门介绍。第11章讨论包容，这是一个基于行为的机器人研究领域。它与AI密切相关。该章使用第7章介绍的机器人汽车来进行演示。使用包容行为的机器人可以更好地模仿人类的行为，从而实现人类思考和机械运动之间的AI循环。通过阅读《人工智能入门与实战 使用Raspberry Pi和Python演练》和动手复现书中的示例，相信你会对AI有更为深刻的理解，并且对于如何将其融入未来的项目中有更进一步的规划。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
