人工智能入門與實戰 使用Raspberry Pi和Python演練 ( 簡體 字) |
| 作者：[美] Donald J. Norris 著 沈益冉 潘海為 高琳琳 譯 | 類別：1. -> 程式設計 -> 人工智慧
2. -> 電腦組織與體系結構 -> 單晶片 -> Raspberry Pi
3. -> 程式設計 -> Python |
| 譯者： |
| 出版社：清華大學出版社 |  3dWoo書號： 49489
詢問書籍請說出此書號！【缺書】
NT售價： 300 元 |
| 出版日：7/1/2018 |
| 頁數：310 |
| 光碟數：0 |
|
站長推薦：  |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787302501718 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：人工智能(Artificial Intelligence，AI)是一個飛速發展的領域，寫這《人工智能入門與實戰 使用Raspberry Pi和Python演練》旨在向你展示這一領域的“神奇”。在《人工智能入門與實戰 使用Raspberry Pi和Python演練》中將使用Raspberry Pi(樹莓派)作為主要工具，可以通過它了解人工智能的工作原理，進一步將AI應用在未來的工作與項目中。
在最開始想聲明一點：即使讀完《人工智能入門與實戰 使用Raspberry Pi和Python演練》并完成書中所有的示例，你也不會成為人工智能領域的專家。這個道理就好比一個人參加完急救課程后，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、計算機科學、邏輯學，甚至哲學。當然也有來自其他領域的人工智能專家，包括音樂和聯合藝術。做了上述聲明后，希望你明白，通過閱讀《人工智能入門與實戰 使用Raspberry Pi和Python演練》可以快速了解AI的基本知識及原理，但想要成為人工智能專家，還需要更進一步的學習。
接下來，將討論為什么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計算機。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作為學習人工智能的基本工具，主要原因就是它相當于一個微控制器。由于微控制器可以很方便地連接各種傳感器，因此可以實現AI與現實世界的簡單且有效的交互。
雖然PC也可以控制傳感器，但它通常需要昂貴、復雜的專用接口來實現這些功能。Raspberry Pi最初的目的就是以最少的接口要求來感知和控制設備，更準確地說，是以最小的軟件成本。同時PC軟件界面通常非常復雜，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。
《人工智能入門與實戰 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)，并且完全開源，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，《人工智能入門與實戰 使用Raspberry Pi和Python演練》中使用的所有軟件都是免費提供的，可以下載并部署在你的Raspberry Pi上。
《人工智能入門與實戰 使用Raspberry Pi和Python演練》的各種演示程序和項目使用的語言主要是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件，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。這是一款商業軟件，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《人工智能入門與實戰 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)。盡管AI已經應用于我們的日常生活，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的定義并列舉了一些AI用于日常生活中的具體例子。你會發現無論喜歡與否，人工智能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，主要應用于汽車領域。一些AI從業者通常將BI簡稱為AI在商業環境中的應用。但這遠不止于此。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，了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。然后介紹機器學習，這是一個前景廣闊的AI研究方向。最后，在該章的小結中簡單介紹模糊邏輯(Fuzzy Logic)，在后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序來闡述Prolog的一些關鍵特性，這種特殊語言在實現人工智能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序。
第4章著重于介紹人工智能與游戲。雖然例子中的游戲很簡單，但本章的主要目的是演示AI如何應用于游戲邏輯。這些游戲AI概念可以很容易地延伸到更復雜的游戲中。使用Python來實現通過傳統文本控制臺界面控制游戲的功能。不要期望在本章中看到《魔獸世界》(World of Warcraft，WoW)，但請放心，WoW在游戲中使用了AI。
在第5章中，將再次使用Prolog來實現一些模糊的邏輯控制，在這個項目中也有一個簡化的專家規則系統。由一個使用溫度和濕度傳感器的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程序，它的功能是使計算機“學習”你最喜歡的顏色，并根據顏色選擇做出“決定”。在該章的最后，將會介紹自適應學習，它在BI中起著重要的作用。
第7章通過人工神經網絡(Artificial Neural Network，ANN)來繼續機器學習的話題。ANN是目前用于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，并演示一個使用Python創建的實際神經網絡。
第8章繼續討論深度學習。在該章的項目中，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，然后使用先前訓練過的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，這是一個基于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循環。
通過閱讀《人工智能入門與實戰 使用Raspberry Pi和Python演練》和動手復現書中的示例，相信你會對AI有更為深刻的理解，并且對于如何將其融入未來的項目中有更進一步的規劃。 |
內容簡介：《人工智能入門與實戰 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能主題，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、游戲、模糊邏輯系統、機器學習、機器學習：人工神經網絡、機器學習：深入學習、機器學習：ANN展示實踐、演化計算、基于行為的機器人等。 |
目錄：第1章人工智能簡介1
1.1AI的歷史起源1
1.2智能6
1.3強AI與弱AI，廣義AI與
狹義AI7
1.4推理8
1.5人工智能的分類9
1.6人工智能和大數據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沖突解決16
2.3.2反向鏈18
2.4配置RaspberryPi18
2.5SWIProlog簡介19
2.6在RaspberryPi上安裝
Prolog19
2.7Prolog初步演示20
2.8模糊邏輯簡介22
2.8.1FL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神經網絡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：辦公室數據庫42
3.2例3-2：識別動物47
3.3例3-3：井字游戲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安裝硬件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章游戲65
4.1例4-1：剪刀石頭布66
4.1.1帶開關和LED的剪刀
石頭布游戲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加載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軟件安裝96
5.3基礎FLS96
5.4初始化：定義語言變量
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
程序113
5.12例5-3：FLS加熱和制冷
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測試控制程序121
5.13例5-4：修改HVAC
程序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
網絡149
7.1部件清單149
7.2Hopfield網絡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：用于避開障礙物的
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光強傳感器173
7.6.4用于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ANN183
8.1.1較大的ANN188
8.1.2三層ANN中的后向
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工作范例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
游戲251
10.4.1SenseHAT硬件
安裝253
10.4.2SenseHAT軟件
安裝253
10.4.3生命游戲：Python
版本254
10.4.4測試運行262
10.4.5單代生命游戲264
10.5小結267
第11章基于行為的機器人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基于行為的機器人
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 |
| 序： |
