人工智能入门与实战 使用Raspberry Pi和Python演练PDF|Epub|txt|kindle电子书版本网盘下载

人工智能入门与实战 使用Raspberry Pi和Python演练PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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AI7

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 Pi18

2.5 SWI Prolog简介19

2.6 在Raspberry Pi上安装Prolog19

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.GPIO61

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： Nim75

4.2.1 带LCD和开关的Nim81

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.py87

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FLS96

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H VAC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ANN183

8.1.1 较大的ANN188

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ANN209

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ANN224

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tramANN.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 alife241

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