人工智慧入門與實戰 使用Raspberry Pi和Python演練
作者：[美] Donald J. Norris 著 沈益冉 潘海為 高琳琳 譯
定價：59.80元
印次：1-1
ISBN：9787302501718
出版日期：2018.07.01
印刷日期：2018.06.14
《人工智慧入門與實戰 使用Raspberry Pi和Python演練》使用Raspberry Pi作為計算平台，介紹AI世界。本書探索了大部分主要的人工智慧主題，包括專家系統、淺層和深層的機器學習、模糊邏輯控制等。 主要內容： AI簡介、基本的AI概念、專家系統的展示、遊戲、模糊邏輯系統、機器學習、機器學習：人工神經網路、機器學習：深入學習、機器學習：ANN展示實踐、演化計算、基於行為的機器人等。
作者介紹
Donald J. Norris擁有電子工程學士學位及生產管理MBA學位。他目前在南新罕布夏大學任職，教授本科生和研究生計算機科學相關課程。同時，他也開設了一些機器人技術的課程。他擁有33年的教學經驗，曾在多所大學擔任副教授。
Donald後來從美國海軍的民間聯合服務組織退休，在那裡他專注於核潛艇有關的聲學和高級數位訊號處理。自此，他作為一位使用C、C#、C++、Python、MicroPython、Node.js和Java等語言的專業軟體開發者已經擁有超過23年的編程經驗，其中有6年擔任IT安全顧問。
Donald撰寫並出版了6本書，主題內容涉及樹莓派、如何組裝和操作自己的無人機、MicroPython、物聯網和Edison微處理器等方面。
Donald創建了名為Norris Embedded Software Solutions (dba NESS LLC)的諮詢顧問公司，專門開發基於微處理器和微控制器的套用解決方案。Donald認為自己是一個充滿激情的極客，總是去嘗試新鮮事物。他也是私人飛行員、攝影愛好者、業餘無線電操作員和狂熱的跑步健身者。
目錄
第1章 人工智慧簡介 1
1.1 AI的歷史起源 1
1.2 智慧型 6
1.3 強AI與弱AI，廣義AI與
狹義AI 7
1.4 推理 8
1.5 人工智慧的分類 9
1.6 人工智慧和大數據 11
1.7 小結 12
第2章 基礎AI概念 13
2.1 布爾代數 13
2.2 推論 15
2.3 專家系統 16
2.3.1 衝突解決 16
2.3.2 反向鏈 18
2.4 配置Raspberry Pi 18
2.5 SWI Prolog簡介 19
2.6 在Raspberry Pi上安裝
Prolog 19
2.7 Prolog初步演示 20
2.8 模糊邏輯簡介 22
2.8.1 FL的例子 23
2.8.2 去模糊化 24
2.9 問題解決 25
2.9.1 廣度優先搜尋 25
2.9.2深度優先搜尋25
2.9.3深度有限搜尋26
2.9.4雙向搜尋26
2.9.5問題解決的其他例子26
2.10機器學習27
2.10.1預測27
2.10.2分類28
2.10.3進一步分類31
2.11神經網路32
2.12淺層學習與深度學習37
2.13進化計算37
2.14遺傳算法38
2.15小結39
第3章專家系統演示41
3.1例3-1：辦公室資料庫42
3.2例3-2：識別動物47
3.3例3-3：井字遊戲51
3.4例3-4：感冒還是
流感？56
3.5例3-5：使用RaspberryPi
GPIO控制輸出的專家
系統58
3.5.1安裝PySWIP庫59
3.5.2安裝硬體60
3.5.3配置Rpi.GPIO61
3.5.4帶LED控制的專家
系統62
3.6小結64
第4章遊戲65
4.1例4-1：剪刀石頭布66
4.1.1帶開關和LED的剪刀
石頭布遊戲69
4.1.2中斷73
4.2例4-2：Nim75
4.2.1帶LCD和開關的
Nim`81
4.2.2LCD顯示屏84
4.2.3載入AdafruitLCD庫85
4.2.4LCD測試86
4.2.5automated_nim.py87
4.3小結93
第5章模糊邏輯系統95
5.1部件清單95
5.2軟體安裝96
5.3基礎FLS96
5.4初始化：定義語言變數
和術語97
5.5例5-1：使用FL計算
小費97
5.6初始化：構建隸屬函式98
5.7初始化：構建規則集101
5.8推理：根據規則集評價
模糊集103
5.9聚集：綜合每個規則的
評估結果106
5.10去模糊化：將模糊集
轉換為清晰的輸出值106
5.11例5-2：修改tipping.py
程式113
5.12例5-3：FLS加熱和製冷
系統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測試控制程式121
5.13例5-4：修改HVAC
程式122
5.14小結124
第6章機器學習125
6.1部件清單125
6.2例6-1：顏色選擇126
6.2.1算法126
6.2.2輪盤賭算法129
6.3例6-2：自主機器人131
6.3.1自主算法132
6.3.2測試運行138
6.3.3額外學習138
6.4例6-3：使用能源消耗
計算的自適應學習142
6.5小結147
第7章機器學習：人工神經
網路149
7.1部件清單149
7.2Hopfield網路149
7.3例7-1：數字圖像識別
示例155
7.4例7-2：使用ANN的
自主機器人小車161
7.5例7-3：用於避開障礙物的
機器人小車的Python控制
腳本164
7.6例7-4：尋光機器人169
7.6.1未知情況172
7.6.2大腦映射172
7.6.3光強感測器173
7.6.4用於尋求目標的機器人小
車的Python控制腳本175
7.6.5測試運行180
7.6.6障礙物迴避和尋光181
7.7小結182
第8章機器學習：深度學習183
8.1泛化的ANN183
8.1.1較大的ANN188
8.1.2三層ANN中的後向
傳播191
8.1.3更新加權矩陣193
8.2梯度下降在ANN中的
運用199
8.3工作範例203
8.3.1ANN學習的一些
問題204
8.3.2初始權重的選擇204
8.4例8-1：ANN的Python
腳本205
8.4.1初始化206
8.4.2測試運行208
8.5例8-2：訓練ANN209
8.6小結213
第9章機器學習：實用的ANN
示例215
9.1部件清單215
9.2例9-1：MNIST數據集216
9.2.1圖像化一條MNIST
記錄219
9.2.2調整輸入和輸出數
據集221
9.2.3為手寫數字檢測配置
ANN224
9.2.4測試運行226
9.3例9-2：使用PiCamera
識別手寫數字231
9.3.1更改的trainANN.py
腳本236
9.3.2使用ANN自動識別
數字237
9.3.3測試運行239
9.4小結240
第10章進化計算241
10.1alife241
10.2進化編程242
10.3例10-1：手動計算243
10.4例10-2：Conway的生命
遊戲251
10.4.1SenseHAT硬體
安裝253
10.4.2SenseHAT軟體
安裝253
10.4.3生命遊戲：Python
版本254
10.4.4測試運行262
10.4.5單代生命遊戲264
10.5小結267
第11章基於行為的機器人269
11.1部件清單269
11.2人類的大腦結構270
11.3包容架構271
11.3.1傳統方法273
11.3.2基於行為的機器人
方法273
11.4例11-1：Breve項目276
11.5例11-2：構建使用包容架
構的機器人小車284
11.6例11-3：Alfie機器人
小車288
11.6.1添加另一個行為296
11.6.2測試運行297
11.7小結298
附錄Alfie機器人小車搭建
指南299
