推荐序
译者序
前言
作者简介
D1章 机器学习概述1
1.1 引言1
1.2 机器学习基础2
1.3 学习机4
1.4 机器学习分类体系5
1.5 控制7
1.6 自主学习方法9
1.7 人工智能14
1.8 小结16
D2章 用于机器学习的MATLAB数据类型17
2.1 MATLAB数据类型概述17
2.2 使用参数初始化数据结构27
2.3 在图像datastore上执行mapreduce29
2.4 从文件中创建表格31
2.5 处理表格数据33
2.6 使用MATLAB字符串36
2.7 小结38
D3章 MATLAB作图39
3.1 二维线图39
3.2 通用二维作图42
3.3 定制二维图表44
3.4 三维盒子45
3.5 用纹理绘制三维对象47
3.6 通用三维作图49
3.7 构建图形用户界面51
3.8 柱状图动画56
3.9 画一个机器人59
3.10 小结61
D4章 卡尔曼滤波63
4.1 用线性卡尔曼滤波器实现的状态估计器64
4.2 使用扩展卡尔曼滤波器进行状态估计80
4.3 使用无迹卡尔曼滤波器进行状态估计84
4.4 使用无迹卡尔曼滤波器进行参数估计90
4.5 小结93
D5章 自适应控制95
5.1 自调谐：振荡器建模96
5.2 自调谐：调校振荡器97
5.3 模型参考自适应控制的实现102
5.4 创建方波输入106
5.5 转子的MRAC演示系统107
5.6 轮船驾驶：实现轮船驾驶控制的增益调度110
5.7 航天器的指向114
5.8 小结116
D6章 模糊逻辑118
6.1 构建模糊逻辑系统119
6.2 模糊逻辑的实现122
6.3 演示模糊逻辑125
6.4 小结127
D7章 用决策树进行数据分类129
7.1 生成测试数据130
7.2 绘制决策树133
7.3 决策树的算法实现136
7.4 创建决策树139
7.5 手工创建决策树142
7.6 训练和测试决策树145
7.7 小结148
D8章 神经网络入门149
8.1 日光检测器149
8.2 单摆建模150
8.3 单神经元角度估计器155
8.4 为单摆系统设计神经网络159
8.5 小结163
D9章 基于神经网络的数字分类164
9.1 生成带噪声的测试图像165
9.2 创建神经网络函数169
9.3 训练单一输出节点的神经网络173
9.4 测试神经网络178
9.5 训练多输出节点的神经网络179
9.6 小结182
D10章 基于深度学习的模式识别183
10.1 为训练神经网络在线获取数据185
10.2 产生猫的训练图像集185
10.3 矩阵卷积188
10.4 卷积层190
10.5 池化层192
10.6 全连接层193
10.7 确定输出概率195
10.8 测试神经网络196
10.9 识别数字198
10.10 识别图像200
10.11 小结202
D11章 用于飞机控制的神经网络203
11.1 纵向运动204
11.2 利用数值方法寻找平衡状态210
11.3 飞机的数值仿真211
11.4 激活函数213
11.5 学习控制的神经网络214
11.6 枚举数据集218
11.7 编写sigma-pi神经网络函数220
11.8 实现PID控制器222
11.9 飞机俯仰角PID控制226
11.10 创建俯仰动力学的神经网络228
11.11 非线性仿真中的控制器演示231
11.12 小结232
D12章 多重假设检验233
12.1 概览233
12.2 理论235
12.3 追踪台球的卡尔曼滤波器240
12.4 追踪台球的MHT246
12.5 一维运动250
12.6 轨道关联的一维运动252
12.7 小结255
D13章 基于多重假设检验的自动驾驶256
13.1 汽车动力学257
13.2 汽车雷达建模260
13.3 汽车的自主超车控制262
13.4 汽车动画264
13.5 汽车仿真与卡尔曼滤波器266
13.6 汽车目标追踪270
13.7 小结273
D14章 基于案例的专家系统275
14.1 构建专家系统276
14.2 运行专家系统277
14.3 小结279
附录A 自主学习的历史281
附录B 机器学习软件288
参考文献298
中英文术语对照表300