热搜关键词: 信号与系统无刷电机ADSTCP/IP

pdf

AIoT系统开发 基于机器学习和Python深度学习

  • 1星
  • 日期: 2022-05-31
  • 大小: 9.64MB
  • 所需积分:1分
  • 下载次数:1
  • favicon收藏
  • rep举报
  • free评论
标签: AIoT

AIoT

机器学习

机器学习

python

python

本书重点阐述利用机器学习、深度学习、自然语言处理等多种方法,以及当前流行的Python库——Tensorflow和Keras构建实时数据的智能物联网IOT系统。还给出了工业物联网、智能城市和家庭自动化等物联网主要应用领域的实际案例。

译者序

前言

作者简介

审阅者简介

第1章 物联网与人工智能的原理和基础  1

1.1 什么是物联网  1

1.1.1 物联网参考模型  3

1.1.2 物联网平台  4

1.1.3 物联网垂直领域  4

1.2 大数据和物联网  5

1.3 人工智能的注入:物联网中的数据科学  6

1.3.1 数据挖掘跨行业标准流程  7

1.3.2 人工智能平台和物联网平台  8

1.4 本书使用的工具  9

1.4.1 TensorFlow  9

1.4.2 Keras  10

1.4.3 数据集  11

1.5 小结  13

第2章 面向物联网的数据访问和分布式处理  14

2.1 TXT格式  14

2.1.1 使用Python读写TXT文件  15

2.2 CSV格式  16

2.2.1 使用csv模块读写CSV文件  16

2.2.2 使用pandas模块读写CSV文件  18

2.2.3 使用NumPy模块读写CSV文件  20

2.3 XLSX格式  20

2.3.1 使用OpenPyXl模块读写XLSX文件  21

2.3.2 使用pandas模块读写XLSX文件  22

2.4 JSON格式  22

2.4.1 使用JSON模块读写JSON文件  22

2.4.2 使用pandas模块读写JSON文件  23

2.5 HDF5格式  24

2.5.1 使用PyTables模块读写HDF5文件  24

2.5.2 使用pandas模块读写HDF5文件  25

2.5.3 使用h5py模块读写HDF5文件  26

2.6 SQL数据  27

2.6.1 SQLite数据库引擎  27

2.6.2 MySQL数据库引擎  29

2.7 NoSQL数据  29

2.8 HDFS分布式文件系统  31

2.8.1 使用hdfs3模块操作HDFS  31

2.8.2 使用PyArrow  的文件系统接口操作HDFS  32

2.9 小结  32

第3章 用于物联网的机器学习  33

3.1 机器学习与物联网  33

3.2 学习范式  34

3.3 用线性回归进行预测  35

3.3.1 用回归预测电力输出  36

3.4 分类的逻辑回归  39

3.4.1 交叉熵损失函数  40

3.4.2 用逻辑回归分类葡萄酒  40

3.5 用支持向量机分类  42

3.5.1   间隔分类超平面  43

3.5.2 核技巧  44

3.5.3 用SVM分类葡萄酒  45

3.6 朴素贝叶斯分类器  47

3.6.1 用高斯朴素贝叶斯分类器评估葡萄酒质量  47

3.7 决策树  49

3.7.1 scikit  中的决策树  51

3.7.2 决策树实践  52

3.8 集成学习  54

3.8.1 投票分类器  54

3.8.2 bagging与pasting  55

3.9 改进模型的窍门与技巧  56

3.9.1 特征缩放以解决不均匀的数据尺度  56

3.9.2 过拟合  57

3.9.3 “没有免费的午餐”定理  58

3.9.4 超参数调整和网格搜索  58

3.10 小结  59

第4章 用于物联网的深度学习  60

4.1 深度学习基础  60

4.1.1 深度学习为何如此流行  62

4.1.2 人工神经元  62

4.1.3 在TensorFlow中建模单个神经元  67

4.2 用于回归和分类任务的多层感知器  71

4.2.1 反向传播算法  72

4.2.2 使用TensorFlow中的MLP进行电力输出预测  74

4.2.3 使用TensorFlow中的MLP进行葡萄酒质量分类  77

4.3 卷积神经网络  80

4.3.1 CNN中的不同层  80

4.3.2 一些流行的CNN模型  83

4.3.3 用LeNet识别手写数字  84

4.4 递归神经网络  88

4.4.1 长短时记忆网络  90

4.4.2 门控递归单元  93

4.5 自编码器  94

4.5.1 去噪自编码器  95

4.5.2 变分自编码器  95

4.6 小结  96

第5章 用于物联网的遗传算法  97

5.1 优化  97

5.1.1 确定与分析方法  99

5.1.2 自然优化方法  101

5.2 遗传算法概论  103

5.2.1 遗传算法  104

5.2.2 优点与缺点  106

5.3 使用Python中的分布式进化算法编写遗传算法代码  107

5.3.1 猜词  107

5.3.2 CNN架构的遗传算法  111

5.3.3 用于LSTM优化的遗传算法  117

5.4 小结  120

第6章 用于物联网的强化学习  121

6.1 引言  121

6.1.1 强化学习术语  122

6.1.2 成功案例  125

6.2 仿真环境  126

6.2.1 OpenAI  gym  127

6.3 Q-学习  129

6.3.1 用Q-表解决出租车落客问题  130

6.4 Q-网络  132

6.4.1 用Q-网络解决出租车落客问题  133

6.4.2 用DQN玩Atari游戏  135

6.4.3 双DQN  143

6.4.4 决斗  DQN  143

6.5 策略梯度  144

6.5.1 为何使用策略梯度  145

6.5.2 使用策略梯度玩Pong游戏  145

6.5.3 演员–评论家算法  149

6.6 小结  150

第7章 用于物联网的生成式模型  151

7.1 引言  152

7.2 用VAE生成图像  152

7.2.1 在TensorFlow中实现VAE  153

7.3 GAN  158

7.3.1 在TensorFlow中实现vanilla  GAN  159

7.3.2 深度卷积GAN  163

7.3.3 GAN的变体及其应用  168

7.4 小结  170

第8章 面向物联网的分布式人工智能  171

8.1 引言  171

8.1.1 Spark组件  172

8.2 Apache  MLlib  173

8.2.1 MLlib中的回归  173

8.2.2 MLlib中的分类  177

8.2.3 使用SparkDL的迁移学习  179

8.3 H2O.ai简介  183

8.3.1 H2O  AutoML  184

8.3.2 H2O中的回归  184

8.3.3 H2O中的分类  189

8.4 小结  191

第9章 个人物联网和家庭物联网  193

9.1 个人物联网  193

9.1.1 MIT的  鞋  194

9.1.2 持续血糖监测  195

9.1.3 心律监测器  198

9.1.4 数字助理  200

9.2 物联网和智能家居  200

9.2.1 人类活动识别  201

9.2.2 智能照明  206

9.2.3 家庭监控  207

9.3 小结  208

0章 人工智能用于工业物联网  209

10.1 人工智能工业物联网简介  209

10.1.1 一些有趣的用例  210

10.2 使用人工智能进行预测性维护  211

10.2.1 使用长短时记忆网络的预测性维护  212

10.2.2 预测性维护的优缺点  221

10.3 工业用电负荷预测  222

10.3.1 使用LSTM实现STLF  222

10.4 小结  225

1章 人工智能用于智慧城市物联网  226

11.1 为什么需要智慧城市  226

11.2 智慧城市的组成部分  227

11.2.1 智能交通管理  228

11.2.2 智能停车  228

11.2.3 智能垃圾管理  229

11.2.4 智能警务  230

11.2.5 智能照明  230

11.2.6 智能治理  231

11.3 适应智慧城市的物联网和必要步骤  231

11.3.1 拥有开放数据的城市  232

11.3.2 利用旧金山的犯罪数据来侦查犯罪  234

11.4 挑战和收益  236

11.5 小结  237

2章 组合应用  238

12.1 处理不同类型的数据  238

12.1.1 时间序列建模  239

12.1.2 文本数据预处理  243

12.1.3 图像的数据增强  245

12.1.4 视频文件处理  247

12.1.5 音频文件作为输入数据  248

12.2 云计算  251

12.2.1 AWS  251

12.2.2 谷歌云平台  252

12.2.3 微软Azure  252

12.3 小结  252

推荐帖子 最新更新时间:2022-06-21 12:08

软件开发经典书籍推荐(三)---《人月神话》
本帖最后由 tiankai001 于 2015-2-27 17:20 编辑 软件工程领域影响最大的两本书之一《人月神话》 作为软件工程的经典著作,《人月神话》的主要贡献是对软件开发过程的几个重要关键点,提出了独到的见解。       这几个关键内容就是:   (1)提倡外科手术式的团队组织:    [在软件开发组织上的过份民主,往往带来的是没有效率和责任,参与
tiankai001 下载中心专版
运放的参数和选择
偏置电压和输入偏置电流 在精密电路设计中,偏置电压是一个关键因素。对于那些经常被忽视的参数,诸如随温度而变化的偏置电压漂移和电压噪声等,也必须测定。精确的放大器要求偏置电压的漂移小于200μV和输入电压噪声低于6nV/√Hz。随温度变化的偏置电压漂移要求小于1μV/℃ 。 低偏置电压的指标在高增益电路设计中很重要,因为偏置电压经过放大可能引起大电压输出,并会占据输出摆幅的一大部分。温度感应和张
fish001 模拟与混合信号
Sitara 的AM335x问题
     在有些的情况下可能要使用的串口会非常的多,可能会达到七八个之多,这是就很少有CPU可以达到这个程度,这时如果你使用别的一些CPU通过串口扩展芯来做,这是就有一个问题:多串口的扩展芯片非常的贵,有时甚至超过了CPU本身,如果是用电脑通过插多串口卡来做,串口卡的价格也是一个永远的痛,前段时间论坛好像就有人问什么片子有10个串口!             而TI Sitara 的AM335
Aguilera DSP 与 ARM 处理器
【NXP Rapid IoT评测】为Rapid添加USB模拟串口功能
NXP Rapid IoT  SLN-RPK-NODE还有一个痛点就是虽然扩展板进能进行调试,在没有扩展板的情况下,不能调试,无疑添加了调试的难度。幸亏还有一个有用的接口,就是USB,这次主要的功能是为其添加Virtual com功能 由于NXP Rapid IoT 并没有USB的模块,只能采用离线编译的方式,如下所示: 【NXP Rapid IoT评测】离线编译与测试总结 http://
dvd1478 RF/无线
编译出现的问题,谁知道,指点一下吧
Error[e16]: Segment DATA20_N (size: 0x581 align: 0x1) is too long for segment definition. At least 0x343 more bytes needed. The problem occurred while processing the segment placement command "-Z(
newnew0601 微控制器 MCU
关于传感器的一些问题,比较急
各位传感器大神好,我在网上找了一个小时也没有什么头绪,可能是我自己的原因,我不会搜索,然后呢,就想通过各位大神的力量,能不能解决,并且本人的专业和这个也没多大联系,学的课程更是没有传感器,但是机缘巧合,被老师安排的这样的一项任务,而且最好在两天之内解决,因为以前没有接触过,所以就很蒙,望各位大神解决一番。老师的题目是这样,可能表达不是很到位,我尽量把他说的写出来。       就是一个人去跑步,然
pengzai 传感器

评论

登录/注册

意见反馈

求资源

回顶部
查找数据手册?

EEWorld Datasheet 技术支持

热门活动

相关视频

可能感兴趣器件

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版 版权声明

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2022 EEWORLD.com.cn, Inc. All rights reserved
×