人工智能入门与实战 使用Raspberry Pi和Python演练

目 录

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

4.2.5automated_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HVAC

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ANN209

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trainANN.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

10.1alife 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

10.4.1Sense HAT硬件

安装 253

10.4.2Sense 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