从机器学习到无人驾驶电子书

封面页

书名页

版权页

作者简介

内容简介

致谢

前言

目录

第一篇　机器学习基础

第1章　机器学习与无人驾驶

1.1　机器学习简介

1.1.1　机器学习

1.1.2　深度学习

1.1.3　强化学习

1.2　无人驾驶与机器学习

1.2.1　无人驾驶的历史

1.2.2　为什么要在无人驾驶中应用机器学习

1.2.3　无人驾驶商业化的优势

1.2.4　无人驾驶商业化的进展

参考文献

第2章　TensorFlow基础

2.1　机器学习主流框架简介

1. Apache Singa

2. Amazon Machine Learning

3. Azure ML Studio

4. Caffe

5. H2O

6. Massive Online Analysis

7. MLlib（Spark）

8. Mlpack

9. Pattern

10. Scikit-Learn

11. Shogun

12. TensorFlow

13. Theano

14. Torch

15. Veles

2.2　TensorFlow开发环境搭建

2.2.1　基于Python语言框架的Virtualenv方案

2.2.2　基于应用容器化的Docker方案

2.3　Hello TensorFlow—一个简单的例子

2.4　TensorFlow架构

2.4.1　TensorFlow架构概述

2.4.2　TensorFlow客户端架构

2.4.3　TensorFlow分布式主服务架构

2.4.4　TensorFlow工作器服务架构

2.4.5　TensorFlow内核架构

2.5　TensorFlow核心API

2.5.1　TensorFlow低级API

2.5.2　TensorFlow高级API

2.6　扩展：使用tensorflow.js进行机器学习

1. 类库引入

2. hello tfjs — 一个简单的示例

参考文献

第3章　线性回归

3.1　什么是线性回归

3.1.1　线性回归的概念

3.1.2　线性回归的历史

3.1.3　线性回归模型

3.2　线性回归中的最小二乘法模型

3.3　最小二乘法模型实例

3.4　线性回归的梯度下降模型

3.5　梯度下降模型实例

参考文献

第4章　逻辑回归

4.1　逻辑回归简介

4.2　逻辑回归模型

4.3　泛逻辑回归

4.4　实例：股价预测

参考文献

第二篇　机器学习进阶

第5章　神经网络

5.1　神经元模型

5.1.1　神经网络的灵感来源

5.1.2　感知器模型概述

5.2　单神经元模型实例

5.2.1　验证码概述

5.2.2　开发实例代码详解

5.3　激活函数

5.3.1　常用激活函数

5.3.2　Sigmoid函数

5.3.3　tanh函数

5.3.4　ReLU函数以及变式

5.4　全连接神经网络模型

5.4.1　多层感知器神经网络结构

5.4.2　BP算法

5.5　全连接神经网络实例

参考文献

第6章　卷积神经网络

6.1　卷积神经网络概述

6.1.1　卷积神经网络架构

6.1.2　卷积操作

6.1.3　池化操作

6.1.4　卷积神经网络的特点

6.2　实例1：验证码识别

6.2.1　神经网络的具体设计

6.2.2　卷积过程分析

6.2.3　池化过程分析

6.2.4　完整学习过程分析

6.3　实例2：过拟合和欠拟合

6.3.1　下载IMDB数据集

6.3.2　构建模型

6.3.3　训练模型

6.3.4　过拟合过程实践

6.3.5　过拟合应对策略

参考文献

第7章　循环神经网络

7.1　循环神经网络概述

7.1.1　时序数据

7.1.2　循环神经网络模型

7.2　长短时记忆神经网络架构

7.3　实例：仿写西游记

7.3.1　文本的读取和分段

7.3.2　循环神经网络模型定义

7.3.3　模型训练和结果分析

参考文献

第8章　强化学习

8.1　强化学习概述

8.1.1　强化学习简史

8.1.2　强化学习的特点

8.1.3　强化学习模型

8.1.4　强化学习分类

8.2　Q-Learning架构

8.2.1　Q-Learning数学模型

8.2.2　Q-Learning算法伪代码

8.3　实例：贪吃蛇人工智能

8.3.1　Pygame框架

8.3.2　游戏功能实现

8.3.3　强化学习功能实现

参考文献

第三篇　无人驾驶

第9章　无人驾驶系统

9.1　无人驾驶系统概述

9.1.1　环境感知概述

9.1.2　车辆定位概述

9.1.3　路径规划概述

9.1.4　车辆控制概述

9.2　Apollo简介

9.2.1　Apollo架构概述

9.2.2　Apollo子系统交互关系

9.3　Apollo开发环境搭建

9.3.1　软件系统代码本地安装

9.3.2　开发环境搭建中的注意事项

参考文献

第10章　Cyber基础

10.1　Cyber简介（包括和ROS的对比）

10.1.1　什么是Apollo Cyber RT

10.1.2　ROS系统

10.1.3　Cyber RT的架构及核心软件模块分析

10.2　Cyber API和API Demo

10.2.1　Talker-Listener（简单对话系统）

10.2.2　Cyber服务

10.2.3　日志类库

10.2.4　Cyber模组

10.2.5　Timer计时器

10.2.6　时间（Time）类

10.2.7　Apollo记录文件的读写操作

10.3　Apollo模块启动源码分析

10.3.1　Apollo模块启动流程

10.3.2　Apollo模块注册及动态创建

参考文献

第11章　无人驾驶地图技术

11.1　高精地图

11.1.1　高精地图在自动驾驶子系统中的应用

11.1.2　高精地图的解决方案

11.1.3　OpenDrive地图格式简介

11.1.4　百度Apollo相关源代码分析

11.2　PncMap

11.3　Relative Map模块

参考文献

第12章　无人驾驶定位技术

12.1　RTK定位技术

12.2　多传感器融合定位技术

12.2.1　激光雷达简介

12.2.2　扩展卡尔曼滤波原理

12.2.3　百度Apollo相关源码分析

参考文献

第13章　无人驾驶预测技术

13.1　预测模块简介

13.2　成本评估器：由一组成本函数计算概率

13.3　MLP评估器：用MLP模型计算概率

13.4　RNN评估器：用RNN模型计算概率

参考文献

第14章　无人驾驶规划策略

14.1　规划模块简介

14.1.1　规划业务流程分析

14.1.2　Frenet坐标系

14.1.3　路径-速度解耦

14.1.4　三维轨迹生成Lattice

14.1.5　车辆状态

14.2　路径规划

14.3　障碍物规划

14.4　速度规划

参考文献

第15章　无人驾驶控制策略

15.1　车辆模型

15.1.1　运动学模型

15.1.2　动力学模型

15.2　PID控制算法

15.2.1　比例控制算法

15.2.2　积分控制算法

15.2.3　微分控制算法

15.2.4　百度Apollo相关源码分析

15.3　MPC控制算法

15.3.1　MPC的控制原理

15.3.2　百度Apollo相关源码分析

参考文献

附录A　强化学习：贪吃蛇AI完整游戏逻辑代码

附录B　CyberRT系统核心API字典