机器学习算法与应用(微课视频版)
提供课件、大纲、习题答案、源码,咨询QQ:2301891038(仅限教师)。40个综合实例+200分钟微课视频,详述对机器学习算法的嵌入式应用及在ARM和FPGA平台的并行加速实现

作者:杨云、段宗涛

丛书名:人工智能科学与技术丛书

定价:79元

印次:1-5

ISBN:9787302550648

出版日期:2020.07.01

印刷日期:2025.01.09

图书责编:刘星

图书分类:教材

电子书
在线购买
分享
内容简介
作者简介
前言序言
资源下载
查看详情 查看详情 查看详情

本书内容涵盖经典的有监督机器学习算法,无监督机器学习算法,深度机器学习算法,阐述从浅层学习到深度学习,从简单的线性模型到复杂的神经网络非线性模型的原理与应用。书中每个章节遵循先简介理论基础,再构建数学模型,然后辅以实例分析,从理论到实践的讲解原则。每个章节可独立阅读,也可从前向后,从简到难,从浅层学习到深度学习,循序渐进学习。本书**特色为机器学习算法的嵌入化应用,尤其对难于并行化的深度学习算法,详细介绍了在ARM处理器和FPGA硬件平台的实现步骤。

杨云 女,1973年生,2007年毕业于华南理工大学控制理论与控制工程专业,获博士学位,2009年于西北工业大学航天学院兵器科学与技术博士后流动站出站,同年进入长安大学信息工程学院物联网与网络工程系任教,2018—2019年在美国佛罗里达大学工程学院电子与计算机工程系访学。目前主讲课程“射频识别技术及应用”“人工智能基础”,主要研究方向为智能交通、机器学习应用和物联网硬件安全;主持4项科研项目,发表10余篇国际期刊和会议论文,授权2项专利。段宗涛 男,1977年生,2006年毕业于西北工业大学计算机科学与技术专业,获博士学位,同年进入长安大学交通运输与工程博士后流动站工作,2009年出站后于长安大学信息工程学院任教至今。2009—2010年在美国北卡罗来纳大学信息学院访学。主要研究方向为交通大数据处理和泛在交通信息服务理论与技术;主持6项科研项目,发表20余篇国际期刊和会议论文,授权6项专利。

前言 人工智能如同长生不老和登陆火星一样,是人类最美好的梦想之一。从20世纪50年代著名的图灵测试提出至今,人工智能经历学科寒冬,迎来了新的春天,然而到目前为止,尚未有一台计算机能获取智慧生命的真正的“自我意识”。 人工智能的核心技术是机器学习算法,尤其是深度学习算法,自从21世纪初获得突破性研究进展之后,机器学习算法已经成为各研究领域的热门话题。无论在科研还是工程领域,拥有了机器学习以及深度学习算法,就似乎真的找到了如何让机器自主获取智慧的那扇神奇之门。人类想让机器获得并提升智能,媲美甚至超越人类智慧。物联网为机器提供了丰富的知识,让机器能像人一样,获取物理环境中的丰富信息,制订计划和策略,并做出智能的抉择,这是机器学习研究的重要目标。 无处不在的物联网传感器,为机器学习算法提供了大量丰富的原始数据,数字图像传感器如同人的眼睛,声音传感器如同人的耳朵,还有数十亿种温度、压力、流量、气体和火焰等传感器,存在于物联网的嵌入式设备中,实时采集海量数据。面对如此庞大的信息,机器学习这个大脑需要像初生的婴儿一样,从海量数据和知识中学习智慧,训练高度的特征抽象能力、知识表示能力和分类预测能力,才能做出媲美甚至超越人类智慧的最优决策。然而,物联网数据通过各种复杂的传感器收集,包含大量噪声,同时绝大部分物联网设备的存储和计算能力有限,如何设计有效的机器学习算法,处理物联网传感器采集的粗糙原始数据,如何嵌入机器学习算法,尤其是深度学习算法,使得物联网设备拥有真正的智能,是未来机器学习算法在物联网应用中面临的重大挑战和机遇。 本书的学习要求具备熟练的编程技能、基本线性...

课件下载

样章下载

暂无网络资源

扫描二维码
下载APP了解更多

目录
荐语
查看详情 查看详情

配套资源下载

目录

第1章机器学习简介

1.1什么是机器学习

1.2有监督学习

1.3无监督学习

1.4强化学习

1.5深度学习

1.6机器学习算法的应用趋势

1.6.1机器学习算法在物联网的应用

1.6.2机器学习算法在其他领域的应用

1.7安装MATLAB或Octave

1.8Python语言和C/C++语言简介

1.8.1Python语言简介

1.8.2C/C++语言简介

1.9习题

第2章线性回归

2.1线性回归模型

2.2代价函数

2.3梯度下降法

2.4线性回归中的梯度下降

2.5特征归一化

2.6最小二乘正规方程

2.7线性回归实例分析

2.7.1实例一: 一元线性回归模型与代价函数理解

2.7.2实例二: 多元线性回归模型与代价函数理解

2.8习题

第3章逻辑回归

3.1逻辑回归模型

3.2逻辑回归的代价函数

3.3优化函数

3.4逻辑回归解决分类问题

3.4.1实例一: 牛顿法实现逻辑回归模型

3.4.2实例二: 逻辑回归解决二分类问题

3.5正则化

3.6正则化后的线性回归和逻辑回归模型实例分析

3.6.1实例一: 最小二乘正规方程法优化正则化线性回归模型

3.6.2实例二: 牛顿法优化正则化逻辑回归模型

3.6.3参考解决方案

3.7习题

第4章朴素贝叶斯

4...

《机器学习算法与应用(微课视频版)》讲解机器学习算法在物联网时代边缘计算平台的嵌入化个性应用,尤其对计算复杂度高且难以并行化的深度循环神经网络模型,详细介绍了在ARM处理器和FPGA硬件平台的并行加速实现步骤。
(1)涵盖内容  有监督机器学习算法、无监督机器学习算法、强化学习算法和深度学习算法,阐述从浅层学习到深度学习,从简单的线性模型到复杂的神经网络非线性模型的原理与应用。涉及模型在物联网边缘计算平台的实现、**知识图谱与推荐系统结合的应用。
(2)讲解原则  从理论到实践,每个章节先简介理论基础,再构建数学模型,然后辅以实例分析,最后设计源码实现,共给出40个实例。
(3)学习方法  每个章节可独立阅读,也可从前向后,从简到难,循序渐进学习。