实用MATLAB深度学习：基于项目的方法

本书从深度学习基础理论和MATLAB机器学习工具箱开始，由浅入深地介绍主流深度学习技术在多个特定工程领域的技术实践。在广泛的场景中为读者提供有价值的理论建模、数据生成以及网络结构设计的方法与技术，这些知识将带领读者探寻深度学习技术的本质，并教会读者适当地使用这类技术解决自己的研究问题。

本书结合作者多年从事MATLAB商用工具箱设计的丰富经验，专门针对从事实际工作的工程师撰写，覆盖深度学习的技术细节，告诉我们深度学习集技术、科学和艺术于一体，涉及统计、矩阵、算法、优化、编程、分布式计算和安全等多个领域。本书出版后，好评如潮，获得相关领域内众多学者和工程师的关注。

Michael Paluszek，普林斯顿卫星系统公司（PSS）总裁，获麻省理工学院电气工程学士学位和航空航天学的硕士学位以及工程师学位。PSS公司主要提供航空航天咨询服务，先后基于MATLAB 开发IndoStar-1 地球同步通信卫星的控制系统，推出s个商用 MATLAB 工具箱（即航天器控制工具箱），为飞机、潜艇、机器人和核聚变推进系统开发工具箱和软件包，拥有广泛的产品线。曾任通用电气（GE）工程师，基于MATLAB 进行控制设计，设计Global Geospace Science Polar 设计平台控制系统，领导设计GPS IIR姿态控制系统、Inmarsat-3 姿态控制系统和 Mars Observer delta-V 控制系统。曾研究 DMSP 气象卫星的姿态确定系统；发射超过 12 次通信卫星，其中包括 GSTAR III 回收。在 Draper实验室从事航天飞机、空间站和潜艇导航的工作，包括设计基于控制力矩陀螺的姿态控制系统。发表多篇论文，拥有十多项美国专利。著有《MATLAB 方法》《MATLAB 机器学习》《MATLAB 机器学习方法：一种问题解决方案》等多部图书。

Stephanie Thomas，PSS公司副总裁，获麻省理工学院航空航天学学士学位和硕士学位。近20年来，一直将MATLAB用于航空航天的分析，开发了许多软件工具，包括用于航天器控制工具箱的 SolarSail Module、用于空军的近距离卫星操作工具箱、用于Prisma 卫星任务的碰撞监测 Simulink 模块，以及MATLAB 和Java 车辆分析工具。提出用于空间状况评估的新方法，比如在 MATLAB 和 C++中实现任何两颗卫星之间的一般会合问题的数字方法。为 PSS 的航天器姿态和轨道控制教科书做出贡献，包括撰写航天器控制工具箱的使用说明以及许多软件用户指南。为澳大利亚、加拿大、巴西和泰国等不同国家的工程师进行 SCT 培训，并为NASA、空军和欧洲航天局提供 MATLAB 咨询。著有《MATLAB 方法》《MATLAB 机器学习》《MATLAB 机器学习方法：一种问题解决方案》等多部图书。2016 年被选为“融合型冥王星和着陆器”项目的 NASA NIAC 研究员。

译者简介：

罗俊海，电子科技大学副教授，博士（后），硕士生导师。主持过国家自然科学基金、四川省科技厅基金、总装预研基金和中央高校基本科研业务等15个项目，参与制订标准6项，发表文章60余篇，其中SCI检索50余篇，总引用1500余次。申请和授权发明专利共30余项，获得四川省科技进步奖二等和三等各1项。出版《多源数据融合和传感器管理》《物联网系统开发及应用实战》《使用HTML和CSS开发WEB网站》等5部教材和专著，目前主要研究方向为智能计算和数据融合。

目录

第1章什么是深度学习

1.1深度学习

1.2深度学习的历史

1.3神经网络

1.3.1日光检测器

1.3.2“异或”神经网络

1.4深度学习与数据

1.5深度学习的类型

1.5.1多层神经网络

1.5.2卷积神经网络(CNN)

1.5.3循环神经网络(RNN)

1.5.4长短期记忆网络(LSTM)

1.5.5递归神经网络

1.5.6时间卷积机(TCM)

1.5.7堆叠自动编码器

1.5.8极限学习机(ELM)

1.5.9递归深度学习

1.5.10生成式深度学习

1.6深度学习的应用

1.7本书的组成架构

第2章MATLAB机器学习工具箱

2.1商业MATLAB软件

2.2MATLAB开源工具

2.2.1深度学习工具箱

2.2.2深度神经网络

2.2.3MatConvNet

2.2.4模式识别和机器学习工具箱(PRMLT)

2.3XOR示例

2.4训练

2.5策梅洛问题

第3章利用深度学习寻找圆形

3.1引言

3.2结构

3.2.1图像输入层

3.2.2二维卷积层

3.2.3批标准化层

3.2.4激活函数层

3.2.5二维最大池化层

3.2.6全连接层

3.2.7softmax层

3.2.8分类层

3.2.9将层结构化

3.3生成数据: 椭圆和圆

3.3.1问题

3.3.2解决方案

3.3.3运行过程

3.4训练和测试

3.4.1问题

3.4.2解决方案

3.4.3运行过程

第4章电影分类

4.1引言

4.2生成电影数据库

4.2.1问题

4.2.2解决方案

4.2.3运行过程

4.3生成观影者数据库

4.3.1问题

4.3.2解决方案

4.3.3运行过程

4.4训练和测试

4.4.1问题

4.4.2解决方案

4.4.3运行过程

第5章深度学习算法

5.1构建检测过滤器

5.1.1问题

5.1.2解决方案

5.1.3运行过程

5.2模拟故障检测

5.2.1问题

5.2.2解决方案

5.2.3运行过程

5.3训练和测试

5.3.1问题

5.3.2解决方案

5.3.3运行过程

第6章托卡马克中断检测

6.1引言

6.2数值模型

6.2.1动力学

6.2.2传感器

6.2.3扰动

6.2.4控制器

6.3动力学模型

6.3.1问题

6.3.2解决方案

6.3.3运行过程

6.4等离子体仿真

6.4.1问题

6.4.2解决方案

6.4.3运行过程

6.5等离子体控制

6.5.1问题

6.5.2解决方案

6.5.3运行过程

6.6训练和测试

6.6.1问题

6.6.2解决办法

6.6.3运行过程

第7章分类芭蕾舞者的足尖旋转动作

7.1引言

7.1.1惯性测量单元

7.1.2物理原理

7.2数据获取

7.2.1问题

7.2.2解决方案

7.2.3运行过程

7.3定向

7.3.1问题

7.3.2解决方案

7.3.3运行过程

7.4舞者仿真

7.4.1问题

7.4.2解决方案

7.4.3运行过程

7.5实时绘制

7.5.1问题

7.5.2解决方案

7.5.3运行过程

7.6四元数显示

7.6.1问题

7.6.2解决方案

7.6.3运行过程

7.7获取数据的图形用户界面

7.7.1问题

7.7.2解决方案

7.7.3运行过程

7.8制作IMU腰带

7.8.1问题

7.8.2解决方案

7.8.3运行过程

7.9测试系统

7.9.1问题

7.9.2解决方案

7.9.3运行过程

7.10分类足尖旋转动作

7.10.1问题

7.10.2解决方案

7.10.3运行过程

7.11硬件资源

第8章补全句子

8.1引言

8.1.1句子的补全

8.1.2语法

8.1.3通过模式识别实现句子补全

8.1.4生成句子

8.2生成句子数据库

8.2.1问题

8.2.2解决方案

8.2.3运行过程

8.3创建一个数字字典

8.3.1问题

8.3.2解决方案

8.3.3运行过程

8.4把句子映射为数字

8.4.1问题

8.4.2解决方案

8.4.3运行过程

8.5转换句子

8.5.1问题

8.5.2解决方案

8.5.3运行过程

8.6训练与测试

8.6.1问题

8.6.2解决方案

8.6.3运行过程

第9章基于地形的导航

9.1引言

9.2对飞行器建模

9.2.1问题

9.2.2解决方案

9.2.3运行过程

9.3生成一个地形模型

9.3.1问题

9.3.2解决方案

9.3.3运行过程

9.4拼合地形

9.4.1问题

9.4.2解决方案

9.4.3运行过程

9.5建立相机模型

9.5.1问题

9.5.2解决方案

9.5.3运行过程

9.6在地形图上绘制航迹

9.6.1问题

9.6.2解决方案

9.6.3运行过程

9.7创建测试图片

9.7.1问题

9.7.2解决方案

9.7.3运行过程

9.8训练和测试

9.8.1问题

9.8.2解决方案

9.8.3运行过程

9.9仿真

9.9.1问题

9.9.2解决方案

9.9.3运行过程

第10章股票预测

10.1引言

10.2生成一个股票市场

10.2.1问题

10.2.2解决方案

10.2.3运行过程

10.3创建一个股票市场

10.3.1问题

10.3.2解决方案

10.3.3运行过程

10.4训练和测试

10.4.1问题

10.4.2解决方案

10.4.3运行过程

第11章图像分类

11.1引言

11.2使用预训练网络

11.2.1问题

11.2.2解决方案

11.2.3运行过程

第12章轨道测定

12.1引言

12.2生成轨道

12.2.1问题

12.2.2解决方案

12.2.3运行过程

12.3训练和测试

12.3.1问题

12.3.2解决方案

12.3.3运行过程

12.4实现一个LSTM网络

12.4.1问题

12.4.2解决方案

12.4.3运行过程

12.5圆锥截面

参考文献

中英文术语对照表

译者序

人工智能包罗万象，包括场景理解、知识表达、融合决策、智能优化、预测规划、数据挖掘、自然语言处理、机器学习、计算机视觉、逻辑判别、模糊控制和信息物理系统等。《实用MATLAB深度学习——基于项目的方法》由全球知名的两位专家Michael Paluszek和Stephanie Thomas撰写，是深度学习领域基于实际项目的畅销教材。本书出版后，好评如潮，得到相关领域内众多学者和工程师的广泛关注。本书内容翔实，逻辑清晰，图文并茂，是一本不可多得的人工智能教科书。

本书完整展示了多种深度神经网络（FNN、CNN、RNN等）在一系列分类和回归问题中的应用，有助于读者认识不同神经网络的结构特点和适用性； 图文并茂地描述特定工程领域的数学建模和理论推导过程，帮助读者理解工程问题和对应仿真代码； 详述不同应用场景的数据生成过程，包括特征字段的选择和赋值，有助于启发工程师创建多样的数据以验证模型性能。

本书理论联系实际展示了深度学习工具解决实际问题的能力，使用MATLAB机器学习工具箱进行深度学习技术实践，并应用于多样的应用领域。本书适合各类读者阅读，特别适合相关专业的本科生或研究生，以及在实际产品或平台中进行深度学习应用和开发的工程师。

在这里，要感谢清华大学出版社的领导和编辑们，特别感谢文怡对我的信任和理解，把这样一本好书交给我翻译。我也要特别感谢我的研究生吴蔓、陈燕平、杨阳、王芝燕、田雨鑫、陈瑜等的辛勤工作，他们的责任心和独立工作能力让我倍感欣慰，因此得以从容。

由于译者无论是中文还是英语能力都深感有限，见闻浅薄，唯恐译文还是有些生硬，特别担心未能全面地理解和传达作者的真实想法和观点。因此，我们希望具有条件的读者结合英文阅读本书，也非常期待大家批评指正，以便今后进一步修订完善译著，不胜感激。

2020年，这一年，四季轮回，一起拼过的春夏秋冬，仿佛就在眼前，感恩时光厚爱，热爱漫无边际。

译者

2020年12月