MATLAB人工智慧算法實戰

《MATLAB人工智慧算法實戰》是2024年清華大學出版社出版的圖書，作者是丁偉雄。

基本介紹

• 中文名：MATLAB人工智慧算法實戰
• 作者：丁偉雄
• 出版時間：2024年2月
• 出版社：清華大學出版社
• ISBN：9787302653561 
• 定價：89.80 元

內容簡介

本書以MATLAB R2021為平台，以實際套用為背景，通過敘述+函式+經典套用相結合的形式，深入淺出地介紹了MATLAB在人工智慧中的經典套用相關知識。全書共11章，主要內容包括MATLAB環境與操作、數據分析實戰、科學計算實戰、數據建模實戰、統計性數據分析實戰、機器學習算法實戰、深度學習算法實戰、控制系統分析與設計實戰、神經網路信息處理實戰、**化方法實戰、智慧型算法分析與實現實戰。通過本書的學習，讀者在領略到MATLAB簡捷的同時將感受到利用MATLAB實現智慧型數據套用的領域廣泛，功能強大。

圖書目錄

目錄

下載資源

第1章MATLAB環境與操作

1.1MATLAB概述

1.1.1MATLAB啟動與退出

1.1.2MATLAB幫助系統

1.2數據類型

1.2.1常量與變數

1.2.2數值類型

1.2.3字元串

1.2.4矩陣的數組

1.3控制語句

1.3.1循環結構

1.3.2選擇結構

1.3.3程式流程控制

1.4繪圖

第2章數據分析實戰

2.1數據的預處理

2.2數據匯總

2.3數據建模

2.3.1多項式回歸

2.3.2一般線性回歸

2.4數據插值

2.4.1格線和散點數據

2.4.2創建格線數據

2.4.3基於格線的插值

2.4.4interp系列函式的插值

2.4.5griddedInterpolant類插值

2.4.6內插散點數據

第3章科學計算實戰

3.1數值積分和微分方程

3.1.1數值積分和微分方程概述

3.1.2數值微積分的套用

3.2常微分方程

3.2.1ODE求解器

3.2.2邊界值問題

3.2.3時滯微分方程

3.2.4偏微分方程

3.3傅立葉變換與濾波

3.3.1傅立葉變換

3.3.2二維傅立葉變換

3.3.3濾波數據

第4章數據建模實戰

4.1數據降維

4.1.1PCA概述

4.1.2PCA的降維套用

4.2一元回歸

4.2.1一元線性回歸

4.2.2一元非線性回歸

4.3多元線性回歸

4.3.1多元線性回歸概述

4.3.2多元線性回歸的套用

4.4逐步回歸

4.4.1逐步回歸的概念

4.4.2逐步型選元法

4.4.3逐步回歸的套用

4.5Logistic回歸

4.5.1Logistic回歸概述

4.5.2Logistic回歸的套用

第5章統計性數據分析實戰

5.1統計量和統計圖

5.1.1描述性統計量

5.1.2常用的統計量函式

5.1.3統計可視化

5.2機率分布

5.2.1離散機率分布

5.2.2連續分布

5.3假設檢驗

5.3.1KS檢驗

5.3.2t檢驗

5.3.3雙樣本t檢驗

5.4方差分析

5.4.1方差的基本原理

5.4.2單因素方差分析

5.4.3雙因素方差分析

5.4.4多因素方差分析

第6章機器學習算法實戰

6.1機器學習概述

6.1.1機器學習的分類

6.1.2機器學習步驟

6.1.3分類方法

6.2K最近鄰分類

6.2.1K最近鄰概述

6.2.2KNN分類的套用

6.3判別分析

6.3.1判別分析的基本原理

6.3.2判別函式

6.3.3判別方法

6.3.4判別分析的套用

6.4貝葉斯分類

6.4.1貝葉斯算法

6.4.2樸素貝葉斯算法的原理

6.4.3樸素貝葉斯算法的優缺點

6.4.4樸素貝葉斯的套用

6.5支持向量機

6.5.1支持向量機概述

6.5.2使用支持向量機

6.5.3支持向量機的套用

第7章深度學習算法實戰

7.1遷移學習

7.1.1遷移學習概述

7.1.2遷移學習的套用

7.2圖像的深度學習

7.3時間序列在深度學習中的套用

7.3.1時間序列概述

7.3.2LSTM網路

7.3.3序列分類的套用

7.4深度學習進行時序預測

7.5AlexNet卷積網路

7.5.1ReLU激活函式

7.5.2層疊池化

7.5.3局部相應歸一化

7.5.4AlexNet結構

7.5.5AlexNet生成Deep Dream圖像

7.6堆疊自編碼器

7.6.1自編碼網路的結構

7.6.2自編碼器進行圖像分類

第8章控制系統分析與設計實戰

8.1自動控制概述

8.1.1控制仿真概述

8.1.2計算機仿真的步驟

8.2控制系統的數學建模

8.3判定系統穩定性

8.3.1直接判定

8.3.2圖形化判定

8.4時域分析

8.4.1動態性能指標

8.4.2穩定性指標

8.4.3時域回響的典型函式套用

8.5根軌跡

8.5.1根軌跡圖

8.5.2根軌跡法分析

8.6頻域分析

8.6.1頻率特性

8.6.2頻域分析的套用

8.7控制系統綜合套用

第9章神經網路信息處理實戰

9.1神經網路概述

9.1.1神經元結構

9.1.2人工神經元模型

9.1.3人工神經網路的特點

9.2感知器

9.2.1單層感知器

9.2.2多層感知器

9.2.3感知器在分類中的套用

9.3徑向基函式網路

9.3.1RBF神經元模型

9.3.2徑向基的逼近

9.3.3廣義回歸神經網路

9.4BP神經網路

9.5學習向量量化

9.5.1LVQ網路結構

9.5.2LVQ學習算法

9.5.3LVQ網路的套用

9.6自組織特徵映射網路

9.6.1SOM網路拓撲結構

9.6.2自組織映射在鳶尾花聚類中的套用

第10章最最佳化方法實戰

10.1最最佳化概述

10.1.1最最佳化問題

10.1.2最最佳化算法

10.2線性規劃

10.2.1線性規劃的模型

10.2.2線性規劃標準型

10.2.3線性規劃的套用

10.3非線性規劃

10.3.1非線性規劃的數學模型

10.3.2一維非線性最優實現

10.3.3多維非線性最優實現

10.4整數規劃

10.4.1整數規劃的分類

10.4.2求解法分類的套用

10.5二次規劃

10.5.1二次規劃的模型

10.5.2二次規劃的實現

10.6多目標規劃

10.6.1多目標規劃的數學模型

10.6.2多目標規劃的實現

10.7最大最小規劃

10.7.1最大最小規劃模型

10.7.2最大最小規劃的實現

10.8動態規劃

10.8.1動態規劃的基本思想

10.8.2動態規劃的線路圖

10.8.3動態規劃的實現

10.9圖與網路最佳化

10.9.1圖的基本概念

10.9.2最短路徑問題

第11章智慧型算法分析與實現實戰

11.1遺傳算法

11.1.1遺傳算法的特點

11.1.2遺傳算法的術語

11.1.3遺傳算法的運算過程

11.1.4遺傳算法的實現

11.2模擬退火算法

11.2.1模擬退火的組成

11.2.2模擬退火的思想

11.2.3模擬退火的尋優步驟

11.2.4模擬退火的實現

11.2.5模擬退火的實際套用

11.3粒子群算法

11.3.1粒子群算法概述

11.3.2粒子群算法的特點

11.3.3粒子群的算法及實現

11.4免疫算法

11.4.1免疫算法的原理

11.4.2免疫算法步驟和流程

11.4.3免疫算法的實現

11.5蟻群算法

11.5.1蟻群的基本算法

11.5.2蟻群算法的實現

11.6小波分析

11.6.1傅立葉變換

11.6.2小波分析概述

11.6.3小波變換的實現

參考文獻