新书推荐 | MATLAB人工智能算法实战

《MATLAB人工智能算法实战》

ISBN：9787302653561

作者：丁伟雄

定价：89.80元

以MATLAB R2021为平台，通过“叙述+函数+经典应用”的形式，介绍MATLAB在人工智能中的经典应用。

内容简介

本书以MATLAB R2021为平台，以实际应用为背景，通过叙述+函数+经典应用相结合的形式，深入浅出地介绍了MATLAB在人工智能中的经典应用相关知识。全书共11章，主要内容包括MATLAB环境与操作、数据分析实战、科学计算实战、数据建模实战、统计性数据分析实战、机器学习算法实战、深度学习算法实战、控制系统分析与设计实战、神经网络信息处理实战、最优化方法实战、智能算法分析与实现实战。通过本书的学习，读者在领略到MATLAB简捷的同时将感受到利用MATLAB实现智能数据应用的领域广泛，功能强大。

本书可作为高等学校相关专业本科生和研究生的教学用书，也可作为相关领域科研人员、学者、工程技术人员的参考用书。

本书特色

理论与实践并重、站在工程与科技的前沿；

提供书中全部程序源代码，可快速进阶到实用阶段；

由浅入深，理论结合实际，案例丰富实用；

取材科学、结构严谨、实用性突出。

目录

向上滑动阅览

第1章 MATLAB环境与操作

1.1 MATLAB概述

1.1.1 MATLAB启动与退出

1.1.2 MATLAB帮助系统

1.2 数据类型

1.2.1 常量与变量

1.2.2 数值类型

1.2.3 字符串

1.2.4 矩阵的数组

1.3 控制语句

1.3.1 循环结构

1.3.2 选择结构

1.3.3 程序流程控制

1.4 绘图

第2章 数据分析实战

2.1 数据的预处理

2.2 数据汇总

2.3 数据建模

2.3.1 多项式回归

2.3.2 一般线性回归

2.4 数据插值

2.4.1 网格和散点数据

2.4.2 创建网格数据

2.4.3 基于网格的插值

2.4.4 interp系列函数的插值

2.4.5 griddedInterpolant类插值

2.4.6 内插散点数据

第3章 科学计算实战

3.1 数值积分和微分方程

3.1.1 数值积分和微分方程概述

3.1.2 数值微积分的应用

3.2 常微分方程

3.2.1 ODE求解器

3.2.2 边界值问题

3.2.3 时滞微分方程

3.2.4 偏微分方程

3.3 傅里叶变换与滤波

3.3.1 傅里叶变换

3.3.2 二维傅里叶变换

3.3.3 滤波数据

第4章 数据建模实战

4.1 数据降维

4.1.1 PCA概述

4.1.2 PCA的降维应用

4.2 一元回归

4.2.1 一元线性回归

4.2.2 一元非线性回归

4.3 多元线性回归

4.3.1 多元线性回归概述

4.3.2 多元线性回归的应用

4.4 逐步回归

4.4.1 逐步回归的概念

4.4.2 逐步型选元法

4.4.3 逐步回归的应用

4.5 Logistic回归

4.5.1 Logistic回归概述

4.5.2 Logistic回归的应用

第5章 统计性数据分析实战

5.1 统计量和统计图

5.1.1 描述性统计量

5.1.2 常用的统计量函数

5.1.3 统计可视化

5.2 概率分布

5.2.1 离散概率分布

5.2.2 连续分布

5.3 假设检验

5.3.1 K-S检验

5.3.2 t检验

5.3.3 双样本t检验

5.4 方差分析

5.4.1 方差的基本原理

5.4.2 单因素方差分析

5.4.3 双因素方差分析

5.4.4 多因素方差分析

第6章 机器学习算法实战

6.1 机器学习概述

6.1.1 机器学习的分类

6.1.2 机器学习步骤

6.1.3 分类方法

6.2 K最近邻分类

6.2.1 K最近邻概述

6.2.2 KNN分类的应用

6.3 判别分析

6.3.1 判别分析的基本原理

6.3.2 判别函数

6.3.3 判别方法

6.3.4 判别分析的应用

6.4 贝叶斯分类

6.4.1 贝叶斯算法

6.4.2 朴素贝叶斯算法的原理

6.4.3 朴素贝叶斯算法的优缺点

6.4.4 朴素贝叶斯的应用

6.5 支持向量机

6.5.1 支持向量机概述

6.5.2 使用支持向量机

6.5.3 支持向量机的应用

第7章 深度学习算法实战

7.1 迁移学习

7.1.1 迁移学习概述

7.1.2 迁移学习的应用

7.2 图像的深度学习

7.3 时间序列在深度学习中的应用

7.3.1 时间序列概述

7.3.2 LSTM网络

7.3.3 序列分类的应用

7.4 深度学习进行时序预测

7.5 AlexNet卷积网络

7.5.1 ReLU激活函数

7.5.2 层叠池化

7.5.3 局部相应归一化

7.5.4 AlexNet结构

7.5.5 AlexNet生成Deep Dream图像

7.6 堆叠自编码器

7.6.1 自编码网络的结构

7.6.2 自编码器进行图像分类

第8章 控制系统分析与设计实战

8.1 自动控制概述

8.1.1 控制仿真概述

8.1.2 计算机仿真的步骤

8.2 控制系统的数学建模

8.3 判定系统稳定性

8.3.1 直接判定

8.3.2 图形化判定

8.4 时域分析

8.4.1 动态性能指标

8.4.2 稳定性指标

8.4.3 时域响应的典型函数应用

8.5 根轨迹

8.5.1 根轨迹图

8.5.2 根轨迹法分析

8.6 频域分析

8.6.1 频率特性

8.6.2 频域分析的应用

8.7 控制系统综合应用

第9章 神经网络信息处理实战

9.1 神经网络概述

9.1.1 神经元结构

9.1.2 人工神经元模型

9.1.3 人工神经网络的特点

9.2 感知器

9.2.1 单层感知器

9.2.2 多层感知器

9.2.3 感知器在分类中的应用

9.3 径向基函数网络

9.3.1 RBF神经元模型

9.3.2 径向基的逼近

9.3.3 广义回归神经网络

9.4 BP神经网络

9.5 学习向量量化

9.5.1 LVQ网络结构

9.5.2 LVQ学习算法

9.5.3 LVQ网络的应用

9.6 自组织特征映射网络

9.6.1 SOM网络拓扑结构

9.6.2 自组织映射在鸢尾花聚类中的应用

第10章 最优化方法实战

10.1 最优化概述

10.1.1 最优化问题

10.1.2 最优化算法

10.2 线性规划

10.2.1 线性规划的模型

10.2.2 线性规划标准型

10.2.3 线性规划的应用

10.3 非线性规划

10.3.1 非线性规划的数学模型

10.3.2 一维非线性最优实现

10.3.3 多维非线性最优实现

10.4 整数规划

10.4.1 整数规划的分类

10.4.2 求解法分类的应用

10.5 二次规划

10.5.1 二次规划的模型

10.5.2 二次规划的实现

10.6 多目标规划

10.6.1 多目标规划的数学模型

10.6.2 多目标规划的实现

10.7 最大最小规划

10.7.1 最大最小规划模型

10.7.2 最大最小规划的实现

10.8 动态规划

10.8.1 动态规划的基本思想

10.8.2 动态规划的线路图

10.8.3 动态规划的实现

10.9 图与网络优化

10.9.1 图的基本概念

10.9.2 最短路径问题

第11章 智能算法分析与实现实战

11.1 遗传算法

11.1.1 遗传算法的特点

11.1.2 遗传算法的术语

11.1.3 遗传算法的运算过程

11.1.4 遗传算法的实现

11.2 模拟退火算法

11.2.1 模拟退火的组成

11.2.2 模拟退火的思想

11.2.3 模拟退火的寻优步骤

11.2.4 模拟退火的实现

11.2.5 模拟退火的实际应用

11.3 粒子群算法

11.3.1 粒子群算法概述

11.3.2 粒子群算法的特点

11.3.3 粒子群的算法及实现

11.4 免疫算法

11.4.1 免疫算法的原理

11.4.2 免疫算法步骤和流程

11.4.3 免疫算法的实现

11.5 蚁群算法

11.5.1 蚁群的基本算法

11.5.2 蚁群算法的实现

11.6 小波分析

11.6.1 傅里叶变换

11.6.2 小波分析概述

11.6.3 小波变换的实现

参考文献

精彩样章

向上滑动阅览