MATLAB Machine Learning Recipes: A Problem-Solution Approach
Nutzen Sie die Leistungsfähigkeit von MATLAB, um eine Vielzahl von Herausforderungen im Bereich des maschinellen Lernens zu meistern. Diese neue und aktualisierte dritte Auflage enthält Beispiele für Technologien, die für maschinelles Lernen entscheidend sind. Jedes Beispiel löst ein reales Problem, und der gesamte mitgelieferte Code ist ausführbar. Sie können einfach ein bestimmtes Problem nachschlagen und die Schritte der Lösung nachvollziehen.
Dieses Buch bietet etwas für jeden, der sich für maschinelles Lernen interessiert. Es enthält auch Material, das es Interessenten aus anderen Technologiebereichen ermöglicht, zu erkennen, wie maschinelles Lernen und MATLAB ihnen bei der Lösung von Problemen in ihrem Fachgebiet helfen können. Das Kapitel über Datendarstellung und MATLAB-Grafiken enthält neue Datentypen und zusätzliche Grafiken. In den Kapiteln über Fuzzy-Logik, einfache neuronale Netze und autonomes Fahren wurden neue Beispiele hinzugefügt. Außerdem gibt es ein neues Kapitel über die Lagebestimmung von Raumfahrzeugen mithilfe neuronaler Netze. Die Autoren Michael Paluszek und Stephanie Thomas zeigen, wie Sie mit all diesen Technologien anspruchsvolle Anwendungen erstellen können, um Probleme mit Mustererkennung, autonomem Fahren, Expertensystemen und vielem mehr zu lösen.
(Was Sie lernen werden)
⬤ Schreiben Sie Code für maschinelles Lernen, adaptive Steuerung und Schätzung mit MATLAB.
⬤ MATLAB-Grafik- und Visualisierungstools für maschinelles Lernen nutzen.
⬤ Sich mit neuronalen Netzen vertraut machen.
⬤ Erstellung von Expertensystemen.
⬤ Verstehen der adaptiven Steuerung.
⬤ Kenntnisse über Kalman-Filter erwerben.
Für wen ist dieses Buch gedacht?
Software-Ingenieure, Regelungsingenieure, Hochschullehrer, Studenten und Absolventen, Hobbyisten.
| ISBN: | 9781484298459 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
