| 作者 |
| Donald J. Norris |
| 丛书名 |
| 出版社 |
| 清华大学出版社 |
| ISBN |
| 9787302501718 |
| 简要 |
| 简介 |
| 内容简介书籍计算机书籍 《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 |