第一部分 机器学习概论
第1章 机器学习概述
1.1 引言
1.2 机器学习基础
1.2.1 数据
1.2.2 模型
1.2.3 训练
1.3 学习机
1.4 机器学习分类
1.5 自主学习方法
1.5.1 回归
1.5.2 神经网络
1.5.3 支持向量机
1.5.4 决策树
1.5.5 专家系统
第2章 自主学习的历史
2.1引言
2.2 人工智能
2.3 学习控制
2.4 机器学习
2.5 未来
第3章 机器学习软件
3.1 自主学习软件
3.2 商业化MATLAB软件
3.2.1 MathWorks公司产品
3.2.2 普林斯顿卫星系统产品
3.3 MATLAB开源资源
3.3.1 深度学习工具箱
3.3.2 深度神经网络
3.3.3 MatConvNet
3.4 机器学习工具
3.4.1 R语言
3.4.2 Scikit learn
3.4.3 LIBSVM
3.5 优化工具
3.5.1 LOQO
3.5.2 SNOPT
3.5.3 GLPK
3.5.4 CVX
3.5.5 SeDuMi
3.5.6 YALMIP
第二部分 机器学习的MATLAB实现
第4章 用于机器学习的MATLAB数据类型
4.1 MATLAB数据类型概述
4.1.1 矩阵
4.1.2 元胞数组
4.1.3 数据结构
4.1.4 数值类型
4.1.5 图像
4.1.6 数据存储
4.1.7 Tall数组
4.1.8 稀疏矩阵
4.1.9 表与分类数组
4.1.10 大型MAT文件
4.2 使用参数初始化数据结构
4.2.1 问题
4.2.2 方法
4.2.3 步骤
4.3 在图像数据存储上执行mapReduce
4.3.1 问题
4.3.2 方法
4.3.3 步骤
总结
第5章MATLAB图形
5.1 二维线图
5.1.1 问题
5.1.2 方法
5.1.3 步骤
5.2二维图形
5.2.1 问题
5.2.2 方法
5.2.3 步骤
5.3 定制二维图
5.3.1 问题
5.3.2 方法
5.3.3 步骤
5.4 三维盒子
5.4.1 问题
5.4.2 方法
5.4.3 步骤
5.5 用纹理绘制三维对象
5.5.1 问题
5.5.2 方法
5.5.3 步骤
5.6 三维图形
5.6.1 问题
5.6.2 方法
5.6.3 步骤
5.7 构建图形用户界面
5.7.1 问题
5.7.2 方法
5.7.3 步骤
总结
第6章 MATLAB机器学习示例
6.1引言
6.2 机器学习
6.2.1 神经网络
6.2.2 面部识别
6.2.3 数据分类
6.3 控制
6.3.1卡尔曼滤波器
6.3.2自适应控制
6.4人工智能
第7章 基于深度学习的面部识别
7.1在线获取数据：用于训练神经网络
7.1.1 问题
7.1.2 方法
7.1.3 步骤
7.2 生成神经网络的训练数据
7.2.1 问题
7.2.2 方法
7.2.3 步骤
7.3 卷积
7.3.1 问题
7.3.2 方法
7.3.3 步骤
7.4卷积层
7.4.1 问题
7.4.2 方法
7.4.3 步骤
7.5 池化
7.5.1 问题
7.5.2 方法
7.5.3 步骤
7.6 全连接层
7.6.1 问题
7.6.2 方法
7.6.3 步骤
7.7 确定输出概率
7.7.1 问题
7.7.2 方法
7.7.3 步骤
7.8 测试神经网络
7.8.1 问题
7.8.2 方法
7.8.3 步骤
7.9 识别图像
7.9.1 问题
7.9.2 方法
7.9.3 步骤
总结
第8章 数据分类
8.1 生成分类测试数据
8.1.1 问题
8.1.2 方法
8.1.3 步骤
8.2 绘制决策树
8.2.1 问题
8.2.2 方法
8.2.3 步骤
8.3 决策树的算法实现
8.3.1 问题
8.3.2 方法
8.3.3 步骤
8.4 生成决策树
8.4.1 问题
8.4.2 方法
8.4.3 步骤
8.5 手工创建决策树
8.5.1 问题
8.5.2 方法
8.5.3 步骤
8.6 训练和测试决策树
8.6.1 问题
8.6.2 方法
8.6.3 步骤
总结
第9章 基于神经网络的数字分类
9.1 生成带噪声的测试图像
9.1.1 问题
9.1.2 方法
9.1.3 步骤
9.2创建神经网络工具箱
9.2.1 问题
9.2.2 方法
9.2.3 步骤
9.3 训练单一输出节点的神经网络
9.3.1 问题
9.3.2 方法
9.3.3 步骤
9.4 测试神经网络
9.4.1 问题
9.4.2 方法
9.4.3 步骤
9.5 训练多输出节点的神经网络
9.5.1 问题
9.5.2 方法
9.5.3 步骤
总结
第10章 卡尔曼滤波器
10.1 状态估计器
10.1.1 问题
10.1.2 方法
10.1.3 步骤
10.1.4 传统卡尔曼滤波器
10.2 使用UKF进行状态估计
10.2.1 问题
10.2.2 方法
10.2.3 步骤
10.3 使用UKF进行参数估计
10.3.1 问题
10.3.2 方法
10.3.3 步骤
总结
第11章 自适应控制
11.1 自调谐：求振荡器频率
11.1.1 问题
11.1.2 方法
11.1.3 步骤
11.2 模型参考自适应控制
11.2.1 创建方波输入
11.2.2 实现模型参考自适应控制
11.2.3 转子的MRAC系统实现
11.3 飞机的纵向控制
11.3.1 编写飞机纵向运动的微分方程
11.3.2 利用数值方法寻找平衡状态
11.3.3 飞机的数值仿真
11.3.4 神经网络中对取值范围的限定和缩放
11.3.5 寻找学习控制的神经网络
11.3.6 枚举输入集合
11.3.7 编写通用神经网络函数
11.3.8 实现PID控制
11.3.9 飞机俯仰角PID控制演示
11.3.10 创建俯仰动力学的神经网络
11.3.11 非线性仿真中的控制器演示
11.4 轮船驾驶：实现轮船驾驶控制的增益调度
11.4.1 问题
11.4.2 方法
11.4.3 步骤
总结
第12章 自动驾驶
12.1 汽车雷达建模
12.1.1 问题
12.1.2 步骤
12.1.3 方法
12.2 汽车的自主传递控制
12.2.1 问题
12.2.2 方法
12.2.3 步骤
12.3 汽车动力学
12.3.1 问题
12.3.2 步骤
12.3.3 方法
12.4 汽车仿真与卡尔曼滤波器
12.4.1 问题
12.4.2 方法
12.4.3 步骤
12.5 雷达数据的MHT实现
12.5.1问题
12.5.2 方法
12.5.3 步骤
12.5.4 假设形成
12.5.5 轨道剪枝