人工智能入门与实战 使用Raspberry Pi和Python演练pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

人工智能入门与实战 使用Raspberry Pi和Python演练PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 人工智能简介 1

1.1 AI的历史起源 1

1.2 智能 6

1.3 强AI与弱AI，广义AI与狭义AI 7

1.4 推理 8

1.5 人工智能的分类 9

1.6 人工智能和大数据 11

1.7 小结 12

第2章 基础AI概念 13

2.1 布尔代数 13

2.2 推论 15

2.3 专家系统 16

2.3.1 冲突解决 16

2.3.2 反向链 18

2.4 配置Raspberry Pi 18

2.5 SWI Prolog简介 19

2.6 在Raspberry Pi上安装Prolog 19

2.7 Prolog初步演示 20

2.8 模糊逻辑简介 22

2.8.1 FL的例子 23

2.8.2 去模糊化 24

2.9 问题解决 25

2.9.1 广度优先搜索 25

2.9.2 深度优先搜索 25

2.9.3 深度有限搜索 26

2.9.4 双向搜索 26

2.9.5 问题解决的其他例子 26

2.10 机器学习 27

2.10.1 预测 27

2.10.2 分类 28

2.10.3 进一步分类 31

2.11 神经网络 32

2.12 浅层学习与深度学习 37

2.13 进化计算 37

2.14 遗传算法 38

2.15 小结 39

第3章 专家系统演示 41

3.1 例3-1：办公室数据库 42

3.2 例3-2：识别动物 47

3.3 例3-3：井字游戏 51

3.4 例3-4：感冒还是流感？ 56

3.5 例3-5：使用Raspberry Pi GPIO控制输出的专家系统 58

3.5.1 安装PySWIP库 59

3.5.2 安装硬件 60

3.5.3 配置Rpi.GPIO 61

3.5.4 带LED控制的专家系统 62

3.6 小结 64

第4章 游戏 65

4.1 例4-1：剪刀石头布 66

4.1.1 带开关和LED的剪刀石头布游戏 69

4.1.2 中断 73

4.2 例4-2： Nim 75

4.2.1 带LCD和开关的Nim 81

4.2.2 LCD显示屏 84

4.2.3 加载Adafruit LCD库 85

4.2.4 LCD测试 86

4.2.5 automated_ nim.py 87

4.3 小结 93

第5章 模糊逻辑系统 95

5.1 部件清单 95

5.2 软件安装 96

5.3 基础FLS 96

5.4 初始化：定义语言变量和术语 97

5.5 例5-1：使用FL计算小费 97

5.6 初始化：构建隶属函数 98

5.7 初始化：构建规则集 101

5.8 推理：根据规则集评价模糊集 103

5.9 聚集：综合每个规则的评估结果 106

5.10 去模糊化：将模糊集转换为清晰的输出值 106

5.11 例5-2：修改tipping.py程序 113

5.12 例5-3： FLS加热和制冷系统 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 测试控制程序 121

5.13 例5-4：修改H VAC程序 122

5.14 小结 124

第6章 机器学习 125

6.1 部件清单 125

6.2 例6-1：颜色选择 126

6.2.1 算法 126

6.2.2 轮盘赌算法 129

6.3 例6-2：自主机器人 131

6.3.1 自主算法 132

6.3.2 测试运行 138

6.3.3 额外学习 138

6.4 例6-3：使用能源消耗计算的自适应学习 142

6.5 小结 147

第7章 机器学习：人工神经网络 149

7.1 部件清单 149

7.2 Hopfield网络 149

7.3 例7-1：数字图像识别示例 155

7.4 例7-2：使用ANN的自主机器人小车 161

7.5 例7-3：用于避开障碍物的机器人小车的Python控制脚本 164

7.6 例7-4：寻光机器人 169

7.6.1 未知情况 172

7.6.2 大脑映射 172

7.6.3 光强传感器 173

7.6.4 用于寻求目标的机器人小车的Python控制脚本 175

7.6.5 测试运行 180

7.6.6 障碍物回避和寻光 181

7.7 小结 182

第8章 机器学习：深度学习 183

8.1 泛化的ANN 183

8.1.1 较大的ANN 188

8.1.2 三层ANN中的后向传播 191

8.1.3 更新加权矩阵 193

8.2 梯度下降在ANN中的运用 199

8.3 工作范例 203

8.3.1 ANN学习的一些问题 204

8.3.2 初始权重的选择 204

8.4 例8-1：ANN的Python脚本 205

8.4.1 初始化 206

8.4.2 测试运行 208

8.5 例8-2：训练ANN 209

8.6 小结 213

第9章 机器学习：实用的ANN示例 215

9.1.部件清单 215

9.2 例9-1：MNIST数据集 216

9.2.1 图像化一条MNIST记录 219

9.2.2 调整输入和输出数据集 221

9.2.3 为手写数字检测配置ANN 224

9.2.4 测试运行 226

9.3 例9-2：使用Pi Camera识别手写数字 231

9.3.1 更改的tramANN.py脚本 236

9.3.2 使用ANN自动识别数字 237

9.3.3 测试运行 239

9.4 小结 240

第10章 进化计算 241

10.1 alife 241

10.2 进化编程 242

10.3 例10-1：手动计算 243

10.4 例10-2： Conway的生命游戏 251

10.4.1 Sense HAT硬件安装 253

10.4.2 Sense HAT软件安装 253

10.4.3 生命游戏：Python版本 254

10.4.4 测试运行 262

10.4.5 单代生命游戏 264

10.5 小结 267

第11章 基于行为的机器人 269

11.1 部件清单 269

11.2 人类的大脑结构 270

11.3 包容架构 271

11.3.1 传统方法 273

11.3.2 基于行为的机器人方法 273

11.4 例11-1： Breve项目 276

11.5 例11-2：构建使用包容架构的机器人小车 284

11.6 例11-3： Alfie机器人小车 288

11.6.1 添加另一个行为 296

11.6.2 测试运行 297

11.7 小结 298

附录 Alfie机器人小车搭建指南 299