科技 类型
可以朗读 语音朗读
178千字 字数
2022-06-01 发行日期
展开全部

主编推荐语

本书系统阐述人工智能技术落地所需的信号处理、网络通信、机器学习等关键技术。

内容简介

本书的技术内容包括机器人基础知识、信息物理系统、人工智能、统计决策和马尔可夫决策过程、强化学习、状态估计、定位、计算机视觉和多模态数据融合、机器人规划、多智能体系统、网络化多智能体系统、网络化机器人的安全性和鲁棒性、以及超可靠和低延迟的机器对机器的网络。提供的例题和练习有助于简单和有效的理解本书的内容。

目录

  • 版权信息
  • 译者序
  • 前言
  • 作译者简介
  • 第1章 人工智能和机器人概述
  • 1.1 人工智能、控制论和机器人学的基础知识
  • 1.2 智能体
  • 1.2.1 合理性的概念
  • 1.2.2 系统动力学
  • 1.2.3 任务环境
  • 1.2.4 机器人和多智能体系统
  • 1.3 推理
  • 1.3.1 约束满足问题
  • 1.3.2 通过搜索来求解CSP
  • 参考文献
  • 第2章 基本搜索算法
  • 2.1 问题求解智能体
  • 2.2 搜索求解
  • 2.3 统一搜索
  • 2.3.1 广度优先搜索
  • 2.3.2 动态规划
  • 2.3.3 深度优先搜索
  • 2.4 有信息搜索
  • 2.5 优化
  • 2.5.1 线性规划
  • 2.5.2 非线性规划
  • 2.5.3 凸优化
  • 参考文献
  • 第3章 机器学习基础
  • 3.1 监督学习
  • 3.1.1 回归
  • 3.1.2 贝叶斯分类
  • 3.1.3 KNN
  • 3.1.4 支持向量机
  • 3.2 无监督学习
  • 3.2.1 K均值聚类
  • 3.2.2 EM算法
  • 3.2.3 主成分分析
  • 3.3 深度神经网络
  • 3.4 数据预处理
  • 参考文献
  • 第4章 马尔可夫决策过程
  • 4.1 统计决策
  • 4.1.1 数学基础
  • 4.1.2 贝叶斯决策
  • 4.1.3 雷达信号探测
  • 4.1.4 贝叶斯序贯决策
  • 4.2 马尔可夫决策过程
  • 4.2.1 马尔可夫决策过程的数学基础
  • 4.2.2 最优策略
  • 4.2.3 开发贝尔曼方程的解
  • 4.3 决策及规划：动态规划
  • 4.4 MDP的应用：搜索移动目标
  • 4.5 多臂赌博机问题
  • 4.5.1 ε-贪婪算法
  • 4.5.2 上置信界
  • 4.5.3 汤普森采样
  • 参考文献
  • 第5章 强化学习
  • 5.1 强化学习基础
  • 5.1.1 重访多臂赌博机问题
  • 5.1.2 强化学习基础
  • 5.1.3 基于马尔可夫过程的强化学习
  • 5.1.4 贝尔曼最优性原理
  • 5.2 Q学习
  • 5.2.1 部分可观测状态
  • 5.2.2 Q学习算法
  • 5.2.3 Q学习示例
  • 5.3 无模型的学习
  • 5.3.1 蒙特卡罗方法
  • 5.3.2 时序差分学习
  • 5.3.3 SARSA
  • 5.3.4 Q学习与TD学习的关系
  • 参考文献
  • 第6章 状态估计
  • 6.1 估计基础
  • 6.1.1 基于观测的线性估计量
  • 6.1.2 线性预测
  • 6.1.3 贝叶斯估计
  • 6.1.4 极大似然估计
  • 6.2 递归状态估计
  • 6.3 贝叶斯滤波
  • 6.4 高斯滤波
  • 6.4.1 卡尔曼滤波
  • 6.4.2 标量卡尔曼滤波
  • 6.4.3 扩展卡尔曼滤波
  • 参考文献
  • 第7章 定位
  • 7.1 传感器网络定位
  • 7.1.1 到达时间技术
  • 7.1.2 到达角技术
  • 7.1.3 到达时间差技术
  • 7.2 移动机器人定位
  • 7.3 同时定位与建图
  • 7.3.1 概率SLAM
  • 7.3.2 扩展卡尔曼滤波SLAM
  • 7.3.3 立体摄像机辅助的SLAM
  • 7.4 网络定位和导航
  • 参考文献
  • 第8章 机器人规划
  • 8.1 知识表示和分类逻辑
  • 8.1.1 贝叶斯网络
  • 8.1.2 语义表示
  • 8.2 离散规划
  • 8.3 自主移动机器人的规划和导航
  • 8.3.1 规划和导航示例
  • 8.3.2 强化学习的系统阐述
  • 8.3.3 定长规划
  • 8.3.4 条件穷举规划
  • 参考文献
  • 第9章 多模态数据融合
  • 9.1 计算机视觉
  • 9.1.1 计算机视觉基础
  • 9.1.2 边缘检测
  • 9.1.3 图像特征和目标识别
  • 9.2 基于视觉功能的多模态信息融合
  • 9.3 决策树
  • 9.3.1 决策示例
  • 9.3.2 正式处理
  • 9.3.3 分类树
  • 9.3.4 回归树
  • 9.3.5 规则和树
  • 9.3.6 定位机器人
  • 9.3.7 带决策树的强化学习
  • 9.4 联邦学习
  • 9.4.1 联邦学习基础
  • 9.4.2 通过无线通信进行联邦学习
  • 9.4.3 无线网络上的联邦学习
  • 9.4.4 多接入通信上的联邦学习
  • 参考文献
  • 第10章 多机器人系统
  • 10.1 多机器人任务分配
  • 10.1.1 最优分配
  • 10.1.2 多旅行商问题
  • 10.1.3 工厂自动化
  • 10.2 无线通信和网络
  • 10.2.1 数字通信系统
  • 10.2.2 计算机网络
  • 10.2.3 多址通信
  • 10.3 网络多机器人系统
  • 10.3.1 曼哈顿街道上的联网自动驾驶汽车
  • 10.3.2 网络协同多机器人系统
  • 参考文献
  • 技术缩略语
  • 索引
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

机械工业出版社

机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。