總金額: 會員:NT$ 0 非會員:NT$ 0 
(此金額尚未加上運費)
電子電信技術 電腦技術 自動化基礎理論
 
 
 
 
人工智能入門與實戰:使用Raspberry Pi和Python演練
 作  者: (美)唐納德•J•諾利斯
 出版單位: 清華大學
 出版日期: 2018.07
 進貨日期: 2018/9/12
 ISBN: 9787302501718
 開  本: 16 開    
 定  價: 449
 售  價: 359
  會 員 價 : 329

目前無補書計畫,訂書請洽門市或使用留言版訂書功能詢價

推到Facebook 推到Plurk 推到Twitter
前往新書區 書籍介紹 購物流程  
 
編輯推薦:

對於讀者來說,將當前尖端的人工智慧方法和最具便攜功能的樹莓派如此完美結合在一起的書籍並不多見,其中更是涉及Prolog 和Python 語言的實用編程。雖然對人工智慧方法和基於樹莓派的編程的學習十分枯燥,過程也頗為艱辛,但是學成之後所獲得的成就感和實用性是不言而喻的。通過本書,作者呈現了對基於樹莓派的機器人和遊戲等實際應用的豐富見解和實用解決方案,突出了目前被廣泛使用的人工智慧方法的優勢,以幫助讀者決定哪一個方法才最適合自己所面對的應用問題。通過逐步的編碼方法,以及循序漸進、深入淺出的描述,讀者能夠理解多種人工智慧方法的基本原理和不同編程語言的實現技巧。
《人工智慧入門與實戰 使用Raspberry Pi和Python演練》配備了非常實用的示例和代碼片段,以確保讀者能夠很好地掌握用於解決實際問題的人工智慧方法。《人工智慧入門與實戰 使用Raspberry Pi和Python演練》在介紹人工智能(AI)、專家知識系統、機器學習和模糊邏輯等基本概念之後,詳細描述在實際應用中使用最為普遍的多項技術的基本原理,這些技術分別是模糊邏輯系統、淺層機器學習、人工神經網路(ANN)、深度學習和進化計算。對每一項技術的講解都是從一個基於樹莓派的實際問題案例(例如遊戲和機器人)開始,通過Prolog 或Python 語言的編程實現,向讀者展示了人工智慧技術是如何工作並實實在在地應用於現實問題中的。《人工智慧入門與實戰 使用Raspberry Pi和Python演練》極具易讀性、實用性和可操作性,將理論和實踐有機地結合在了一起。


內容簡介:

《人工智慧入門與實戰 使用Raspberry Pi和Python演練》使用Raspberry Pi作為計算平臺,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。


作者簡介:

Donald J. Norris
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電腦科學相關課程。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,在那堨L專注於核潛艇有關的聲學和高級數字信號處理。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應用解決方案。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。


圖書目錄:

第1章 人工智慧簡介 1
1.1 AI的歷史起源 1
1.2 智能 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 廣度優先搜索 25
2.9.2 深度優先搜索 25
2.9.3 深度有限搜索 26
2.9.4 雙向搜索 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 遺傳演算法 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Raspberry Pi
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.GPIO 61
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:Nim 75
4.2.1 帶LCD和開關的
Nim` 81
4.2.2 LCD顯示幕 84
4.2.3 加載Adafruit LCD庫 85
4.2.4 LCD測試 86
4.2.5 automated_nim.py 87
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FLS 96
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:構建隸屬函數 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 演算法 126
6.2.2 輪盤賭演算法 129
6.3 例6-2:自主機器人 131
6.3.1 自主演算法 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
7.2 Hopfield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 障礙物回避和尋光 181
7.7 小結 182
第8章 機器學習:深度學習 183
8.1 泛化的ANN 183
8.1.1 較大的ANN 188
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
8.3.1 ANN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ANN 209
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
ANN 224
9.2.4 測試運行 226
9.3 例9-2:使用Pi Camera
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
10.1 alife 241
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
10.4.1 Sense HAT硬體
安裝 253
10.4.2 Sense HAT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專案 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


章節試讀:

前 言

人工智慧(Artificial Intelligence,AI)是一個飛速發展的領域,寫這《人工智慧入門與實戰 使用Raspberry Pi和Python演練》旨在向你展示這一領域的“神奇”。在《人工智慧入門與實戰 使用Raspberry Pi和Python演練》中將使用Raspberry Pi(樹莓派)作為主要工具,可以通過它瞭解人工智慧的工作原理,進一步將AI應用在未來的工作與專案中。
在最開始想聲明一點:即使讀完《人工智慧入門與實戰 使用Raspberry Pi和Python演練》並完成書中所有的示例,你也不會成為人工智慧領域的專家。這個道理就好比一個人參加完急救課程後,也不可能立即成為醫生或護士一樣。想要成為AI專家,需要學習不同領域的大學課程,其中包括數學、電腦科學、邏輯學,甚至哲學。當然也有來自其他領域的人工智慧專家,包括音樂和聯合藝術。做了上述聲明後,希望你明白,通過閱讀《人工智慧入門與實戰 使用Raspberry Pi和Python演練》可以快速瞭解AI的基本知識及原理,但想要成為人工智慧專家,還需要更進一步的學習。
接下來,將討論為什麼Raspberry Pi是學習AI的一個良好平臺。首先,雖然沒有現代PC或Mac的計算速度快,但它本身是一臺功能完整的電腦。Raspberry Pi 3的時鐘頻率為1 GHz,CPU為4核,RAM大小為1GB,但讓人驚喜的是,它只需要35美元(USD)就可以買到。其次,我們推薦使用Raspberry Pi作為學習人工智慧的基本工具,主要原因就是它相當於一個微控制器。由於微控制器可以很方便地連接各種感測器,因此可以實現AI與現實世界的簡單且有效的交互。
雖然PC也可以控制感測器,但它通常需要昂貴、複雜的專用介面來實現這些功能。Raspberry Pi最初的目的就是以最少的介面要求來感知和控制設備,更準確地說,是以最小的軟體成本。同時PC軟體介面通常非常複雜,一般針對某項功能定制而成——這意味著用戶難以進行個性化的修改和設定。
《人工智慧入門與實戰 使用Raspberry Pi和Python演練》中使用的Raspberry Pi搭載的操作系統是名為Jessie的Linux發行版。它是一款非常穩定的操作系統(Operating System,OS),並且完全開源,可以從Raspberry Pi基金會的網站免費下載。Jessie支持絕大部分的開源應用,這也就是說,《人工智慧入門與實戰 使用Raspberry Pi和Python演練》中使用的所有軟體都是免費提供的,可以下載並部署在你的Raspberry Pi上。
《人工智慧入門與實戰 使用Raspberry Pi和Python演練》的各種演示程式和專案使用的語言主要是Python、Prolog和Wolfram。這些語言中的每一種都有自身獨有的特性,使得我們可以根據不同的應用場景,快速高效地實現所需的功能。
我使用的主要應用是Mathematica,它是一款科學計算軟體,很好地結合了數值和符號計算引擎、圖形系統、編程語言、文本系統,以及與其他應用的高級連接。這是一款商業軟體,由Wolfram公司的Stephen Wolfram博士(CEO)贈予我免費使用。
我按照邏輯順序編排了《人工智慧入門與實戰 使用Raspberry Pi和Python演練》的章節內容,第1章首先介紹人工智能(AI)。儘管AI已經應用於我們的日常生活,但向沒有聽說過的人解釋清楚AI也不是一件容易的事情。第1章中給出了AI的定義並列舉了一些AI用於日常生活中的具體例子。你會發現無論喜歡與否,人工智慧已經滲透到現代社會的很多領域,正以越來越多的形式影響著我們的生活。另外,還會介紹一下商業智能(Business Intelligence,BI),它與AI密切相關,主要應用於汽車領域。一些AI從業者通常將BI簡稱為AI在商業環境中的應用。但這遠不止於此。之所以介紹,是因為它是一種合理的簡化。
接下來,將在第2章中探討AI的一些基本概念。首先講解一些基本的邏輯結構,瞭解基本邏輯推理是理解AI核心的重要基礎。接著介紹專家知識系統,它是知識管理系統(Knowledge Management System,KMS)的主要組成部分,同時也是BI的重要組成部分之一。然後介紹機器學習,這是一個前景廣闊的AI研究方向。最後,在該章的小結中簡單介紹模糊邏輯(Fuzzy Logic),在後續的章節中還會著重研究它。
第3章主要介紹如何使用Prolog語言編寫一個實用的專家系統。將使用Prolog編寫一個簡單的控制臺問答程式來闡述Prolog的一些關鍵特性,這種特殊語言在實現人工智慧的概念方面非常有用。與Prolog相比,實現相同的目的,使用C、C++、Java等語言則需要更多的代碼和擴展程式。
第4章著重於介紹人工智能與遊戲。雖然例子中的遊戲很簡單,但本章的主要目的是演示AI如何應用於遊戲邏輯。這些遊戲AI概念可以很容易地延伸到更複雜的遊戲中。使用Python來實現通過傳統文本控制臺介面控制遊戲的功能。不要期望在本章中看到《魔獸世界》(World of Warcraft,WoW),但請放心,WoW在遊戲中使用了AI。
在第5章中,將再次使用Prolog來實現一些模糊的邏輯控制,在這個專案中也有一個簡化的專家規則系統。由一個使用溫度和濕度感測器的Raspberry Pi系統控制一個虛擬的加熱和冷卻系統。
第6章介紹淺層機器學習的概念。我們將編寫一個Python程式,它的功能是使電腦“學習”你.....的顏色,並根據顏色選擇做出“決定”。在該章的最後,將會介紹自適應學習,它在BI中起著重要的作用。
第7章通過人工神經網路(Artificial Neural Network,ANN)來繼續機器學習的話題。ANN是目前用於實現機器學習的最普遍的AI方法。該章將詳細講解ANN的構建方法,並演示一個使用Python創建的實際神經網路。
第8章繼續討論深度學習。在該章的專案中,將詳細討論多層次的ANN功能,包括梯度搜索特性。
第9章包含兩個使用多層ANN深度學習的案例。第一個是對手寫數字的識別,它使用MNIST數據集進行訓練和測試。 第二個使用帶有相機功能的Raspberry Pi對手寫數字進行成像,然後使用先前訓練過的ANN來確定最接近的數字。
第10章涉及進化計算(Evolutionary Computing,EC),包含進化規劃、遺傳演算法和遺傳規劃。將列舉幾個有趣的示例,突出了一些EC功能,提供了很好的入門介紹。
第11章討論包容,這是一個基於行為的機器人研究領域。它與AI密切相關。該章使用第7章介紹的機器人汽車來進行演示。使用包容行為的機器人可以更好地模仿人類的行為,從而實現人類思考和機械運動之間的AI迴圈。
通過閱讀《人工智慧入門與實戰 使用Raspberry Pi和Python演練》和動手複現書中的示例,相信你會對AI有更為深刻的理解,並且對於如何將其融入未來的專案中有更進一步的規劃。


圖片預覽:

 
  步驟一.
依據網路上的圖書,挑選你所需要的書籍,根據以下步驟進行訂購
選擇產品及數量 結 帳 輸入基本資料 取貨與付款方式
┌───────────────────────────────────────────────────┘
資料確定 確認結帳 訂單編號    

步驟二.
完成付款的程序後,若採用貨到付款等宅配方式,3~7天內 ( 例假日將延期一至兩天 ) 您即可收到圖書。若至分店門市取貨,一週內聯絡取書。

步驟三.
完成購書程序者,可利用 訂單查詢 得知訂單進度。

注意事項.
● 付款方式若為網路刷卡必須等" 2 ~ 3 個工作天"確認款項已收到,才會出貨.如有更改書籍數量請記得按更新購物車,謝謝。

● 大陸出版品封面老舊、磨痕、凹痕等均屬常態,除封面破損、內頁脫落...等較嚴重的狀態外,其餘所有商品將正常出貨。

● 部分書籍附贈配件(如音頻mp3或dvd等)已無實體光碟提供,需以QR CODE 連結至出版社提供的網站註冊並通過驗證程序,方可下載使用。

● 我們將保留所有商品出貨權利,如遇缺書情形,訂單未達免運門檻運費需自行負擔。

預訂海外庫存.
商品到貨時間須4週,訂單書籍備齊後方能出貨,如果您有急用書籍,建議與【預訂海外庫存】商品分開訂購。