人工智慧：智慧型系統導論 (3版)

相關熱銷的書籍推薦給您

書名：人工智慧：智慧型系統導論(第三版) 作者：李聯旺 出版社：全華 ISBN：9789862800959

機器學習：類神經網路、模糊系統以及基因演算法則 (4版)

相關熱銷的書籍推薦給您

書名：機器學習：類神經網路、模糊系統以及基因演算法則(第四版) 作者：蘇木春、張孝德 出版社：全華 出版日期：2016/05/00 ISBN：9789864632060 內容簡介 ■ 本書優點特色 1.將三種與機械學習相關的技術-類神經網路、模糊系統及基因演繹法作一通盤介紹。 2.以深入淺出的方式建立類神經網路與生物神經網路的關聯性，以便讓讀者更能發揮想像力。 3.每一種理論都儘可能配合書中範例及圖表加以說明。 ■ 內容簡介 本書將三種與機械學習相關的技術-類神經網路、模糊系統及基因演繹法作一通盤介紹。此外，作者以深入淺出的方式建立類神經網路與生物神經網路的關聯性，以便讓讀者更能發揮想像力。 目錄 第1章 類神經網路之簡介 第2章 感知機 第3章 多層感知機 第4章 非監督式類神經網路 第5章 聯想記憶 第6章 增強式學習 第7章 模糊集合 第8章 模糊關係及推論 第9章 模糊系統 第10章 基因演算法則

從機器學習到人工智慧｜寫給Android/iOS程式師的ML/AI開發指南

類似書籍推薦給您

內容簡介 　　幫助Android/iOS開發者了解如何應用AI/機器學習技術開發app 　　如果無處可用，AI什麼都不是。在人手一機的時代裡，如何應用AI已經成為行動裝置App開發人員的必修課程。本書是你在主流行動裝置平台（iOS與Android）上應用機器學習技術開發相關app的最佳指南。 　　本書介紹機器學習的相關技術與工具，並引導你應用ML Kit、TensorFlow Lite與Core ML等工具，開發電腦視覺與文字辨識等應用機器學習技術的Android/iOS應用程式。 　　．介紹可以應用在行動裝置上的AI/ML相關技術 　　．建立為iOS和Android的機器學習模型 　　．應用ML Kit與TensorFlow Lite開發Android/iOS應用程式 　　．如何依據需求選擇技術與工具，如雲端或裝置端的取捨，以及API的選擇 　　．了解機器學習技術應用的上的隱私與道德考量 目錄 第一章 人工智慧 & 機器學習簡介 第二章 電腦視覺簡介 第三章 ML Kit 簡介 第四章 善用 ML Kit的電腦視覺Android App 第五章 善用 ML Kit的文字處理Android App 第六章 善用 ML Kit的電腦視覺iOS App 第七章 善用 ML Kit的文字處理iOS App 第八章 深入理解 TensorFlow Lite 第九章 建立自定義模型 第十章 使用自定義模型的 Android App 第十一章 使用自定義模型的 iOS App 第十二章 用 Firebase 來協助 App 產品化 第十三章 使用 Create ML 與 Core ML 的 iOS App 第十四章 行動 App 存取雲端模型 第十五章 行動 App 的道德面、公平性與隱私權考量

邊緣AI－使用NVIDIA Jetson Orin Nano開發具備深度學習、電腦視覺與生成式AI功能的ROS2機器人 (1版)

類似書籍推薦給您

【簡介】 內容簡介:★ NVIDIA DLI 深度學習機構白金級認證講師專業講解 ★ ★ 完整解析 NVIDIA Jetson 邊緣運算電腦，最新的 Jetson Orin Nano Super 算力飆升1.7倍！【Jetson Orin Nano Super】NVIDIA 執行長黃仁勳盛讚的1.7倍AI算力提升在這裡！【加速運算】NVIDIA Jetson 系列邊緣運算電腦，搭載 CUDA 與 TensorRT 加速技術，實現掌上高速運算的承諾。【立體機器視覺】整合 Intel RealSense 與 StereoLab ZED 景深攝影機，讓機器人擁有清晰的空間感知能力。【ROS2 作業系統】機器人智慧全面升級，輕鬆實現各種自動化任務。【生成式 AI 應用】在裝置端執行各種大語言、圖像、語音與 Cosmos 等多模態生成模型，讓無限創意在邊緣運算中展翅高飛！ 【目錄】 章節說明:第 1 章 單板電腦與邊緣運算1.1 邊緣運算裝置1.2 單板電腦1.3 NVIDIA 線上資源1.4 NVIDIA Jetson 家族1.5 Jetson Orin Nano 開發套件開箱1.6 總結第 2 章 Jetson Orin Nano 初體驗2.1 Jetson Orin Nano 開機！2.2 基礎系統操作2.3 Jetson Orin Nano Super2.4 總結第 3 章 深度學習結合視覺辨識應用3.1 OpenCV 電腦視覺函式庫3.2 NVIDIA 深度學習視覺套件包3.3 總結第 4 章 整合深度視覺4.1 Intel RealSense 景深攝影機4.2 ZED 景深攝影機4.3 總結第 5 章 ROS2 機器人作業系統5.1 ROS / ROS25.2 NVIDIA Issac ROS5.3 安裝 ROS25.4 RK ROS2 移動平台5.5 ROS2 基本節點5.6 AI 節點5.7 進階應用5.8 總結第 6 章 生成式 AI 結合邊緣運算裝置6.1 淺談生成式 AI6.2 NVIDIA Jetson Generative AI lab6.3 總結

了解物理世界的AI：搶先了解ROS2智慧機器人OS開發 (1版)

類似書籍推薦給您

【簡介】 　　☆ROS 2 核心架構與通訊機制深度解析 　　☆ROS 2 節點、話題、服務、動作完整實作 　　☆DDS 通訊模型與QoS參數實務設定 　　☆tf 座標系統操作與動態轉換程式開發 　　☆Gazebo 模擬環境與 URDF/XACRO 模型建構 　　☆ROS 2 驅動層設計：從PWM到閉環控制實作 　　☆差速運動學正逆解與底盤驅動開發 　　☆相機標定、影像處理與 OpenCV 整合應用 　　☆深度學習視覺巡線與 YOLO 物件辨識部署 　　☆SLAM Toolbox、Cartographer、ORB 與 RTAB地圖建構實戰 　　☆Nav2 導航框架全域規劃、局部避障與定位技術實務 　　☆rqt、rosbag 與 RViz 資料視覺化工具詳解 　　☆ROS 2 分散式通訊與 SSH 網路整合部署 　　☆C++ 與 Python 雙語言範例完整提供 　　【內容簡介】 　　本書共分三部分、九章，完整涵蓋ROS 2在實際機器人開發中的應用。 　　第一部分為基礎原理篇（第1至第3章），說明ROS 2的核心概念與技術基礎，包括節點、話題、服務、動作、參數機制，並深入解析ROS 2所採用的DDS通訊架構與QoS設定方式，此外也介紹實務開發常用的工具，如ros2 launch、tf變換、RViz可視化、rosbag記錄與Gazebo模擬環境的整合方法。 　　第二部分為機構與驅動篇（第4至第6章），從機器人建模的URDF與XACRO語法開始，延伸到機構模擬與差速底盤的運動學正逆解與實作，並包含感測器資料處理、馬達PWM控制、編碼器讀值、PID閉環控制與ROS 2硬體驅動的整合流程。 　　第三部分為應用實作篇（第7至第9章），涵蓋影像處理與機器視覺模組建置，包含OpenCV影像分析、YOLO物件偵測與視覺巡線應用，並介紹常見SLAM建圖方案如SLAM Toolbox、Cartographer與RTAB-Map的使用流程與設定方式，最後完整說明導航框架Nav2的架構設計、路徑規劃、障礙物避讓與自主探索參數調校方法，協助開發者快速建立具備自我定位與導航能力的智慧型移動機器人。   【目錄】 ◆第1部分 ROS 2 基礎原理 ▍第1章 ROS：智慧型機器人的靈魂 1.1 智慧型機器人時代 1.2 ROS 發展歷程 1.2.1 ROS 的起源 1.2.2 ROS 的發展 1.2.3 ROS 的特點 1.3 ROS 2 與ROS 1 1.3.1 ROS 1 的局限性 1.3.2 全新的ROS 2 1.3.3 ROS 2 與ROS 1 的對比 1.4 ROS 2 安裝方法 1.4.1 Linux 是什麼 1.4.2 Ubuntu 是什麼 1.4.3 Ubuntu 作業系統安裝 1.4.4 ROS 2 系統安裝 1.5 ROS 2 命令列操作 1.5.1 Linux 中的命令列 1.5.2 海龜模擬實踐 1.5.3 ROS 2 中的命令列 1.6 本章小結 ▍第2章 ROS 2 核心原理：建構機器人的基石 2.1 ROS 2 機器人開發流程 2.2 工作空間：機器人開發的大本營 2.2.1 工作空間是什麼 2.2.2 建立工作空間 2.2.3 編譯工作空間 2.2.4 設置環境變數 2.3 功能套件：機器人功能分類 2.3.1 功能套件是什麼 2.3.2 建立功能套件 2.3.3 功能套件的結構 2.3.4 編譯功能套件 2.4 節點：機器人的工作細胞 2.4.1 節點是什麼 2.4.2 節點程式設計方法（Python） 2.4.3 節點程式設計方法（C++） 2.4.4 節點的命令列操作 2.4.5 節點應用範例：物件辨識 2.5 話題：節點間傳遞資料的橋樑 2.5.1 話題是什麼 2.5.2 話題通訊模型 2.5.3 話題通訊程式設計範例 2.5.4 話題發行者程式設計方法（Python） 2.5.5 話題訂閱者程式設計方法（Python） 2.5.6 話題發行者程式設計方法（C++） 2.5.7 話題訂閱者程式設計方法（C++） 2.5.8 話題的命令列操作 2.5.9 話題應用範例：物件辨識（週期式） 2.6 服務：節點間的你問我答 2.6.1 服務是什麼 2.6.2 服務通訊模型 2.6.3 服務通訊程式設計範例 2.6.4 使用者端程式設計方法（Python） 2.6.5 服務端程式設計方法（Python） 2.6.6 使用者端程式設計方法（C++） 2.6.7 服務端程式設計方法（C++） 2.6.8 服務的命令列操作 2.6.9 服務應用範例：物件辨識（請求式） 2.7 通訊介面：資料傳遞的標準結構 2.7.1 通訊介面是什麼 2.7.2 通訊介面的定義方法 2.7.3 通訊介面的命令列操作 2.7.4 服務介面應用範例：請求物件辨識的座標 2.7.5 話題介面應用範例：週期性發佈物件辨識的座標 2.8 動作：完整行為的流程管理 2.8.1 動作是什麼 2.8.2 動作通訊模型 2.8.3 動作通訊程式設計範例 2.8.4 動作介面的定義方法 2.8.5 服務端程式設計方法（Python） 2.8.6 使用者端程式設計方法（Python） 2.8.7 使用者端程式設計方法（C++） 2.8.8 服務端程式設計方法（C++） 2.8.9 動作的命令列操作 2.9 參數：機器人系統的全域字典 2.9.1 參數是什麼 2.9.2 參數通訊模型 2.9.3 參數的命令列操作 2.9.4 參數程式設計方法（Python） 2.9.5 參數程式設計方法（C++） 2.9.6 參數應用範例：設置物件辨識的設定值 2.10 資料分發服務（DDS）：機器人的神經網路 2.10.1 DDS 是什麼 2.10.2 DDS 通訊模型 2.10.3 品質服務策略 2.10.4 命令列中配置DDS 的QoS 2.10.5 DDS 程式設計範例 2.11 分散式通訊 2.11.1 分散式通訊是什麼 2.11.2 SSH 遠端網路連接 2.11.3 分散式資料傳輸 2.11.4 分散式網路分組 2.11.5 海龜分散式通訊範例 2.12 本章小結 ▍第3章 ROS 2 常用工具：讓機器人開發更便捷 3.1 Launch：多節點啟動與配置指令稿 3.1.1 多節點啟動方法 3.1.2 命令列參數配置 3.1.3 資源重映射 3.1.4 ROS 參數設置 3.1.5 Launch 開機檔案巢狀結構包含 3.2 tf：機器人座標系管理系統 3.2.1 機器人中的座標系 3.2.2 tf 命令列操作 3.2.3 靜態tf 廣播（Python） 3.2.4 靜態tf 廣播（C++） 3.2.5 動態tf 廣播（Python） 3.2.6 動態tf 廣播（C++） 3.2.7 tf 監聽（Python） 3.2.8 tf 監聽（C++） 3.2.9 tf 綜合應用範例：海龜跟隨（Python） 3.2.10 tf 綜合應用範例：海龜跟隨（C++） 3.3 Gazebo：機器人三維物理模擬平臺 3.3.1 Gazebo 介紹 3.3.2 機器人模擬範例 3.3.3 感測器模擬範例 3.4 RViz：資料視覺化平臺 3.4.1 RViz 介紹 3.4.2 資料視覺化操作流程 3.4.3 應用範例一：tf 資料視覺化 3.4.4 應用範例二：圖像資料視覺化 3.4.5 Gazebo 與RViz 的關係 3.5 rosbag：資料記錄與重播 3.5.1 記錄資料 3.5.2 重播資料 3.6 rqt：模組化視覺化工具箱 3.6.1 rqt 介紹 3.6.2 日誌顯示 3.6.3 影像顯示 3.6.4 發佈話題/ 服務資料 3.6.5 繪製資料曲線 3.6.6 資料封包管理 3.6.7 節點視覺化 3.7 ROS 2 開發環境配置 3.7.1 版本管理軟體git 3.7.2 整合式開發環境VSCode 3.8 本章小結 ◆第2部分 ROS 2 機器人設計 ▍第4章 ROS 2 機器人模擬：零成本玩轉機器人 4.1 機器人的定義與組成 4.2 URDF 機器人建模 4.2.1 連桿的描述 4.2.2 關節的描述 4.2.3 完整機器人模型 4.3 建立機器人URDF 模型 4.3.1 機器人模型功能套件 4.3.2 機器人模型視覺化 4.3.3 機器人模型解析 4.4 XACRO 機器人模型最佳化 4.4.1 XACRO 檔案常見語法 4.4.2 機器人模型最佳化 4.4.3 機器人模型視覺化 4.5 完善機器人模擬模型 4.5.1 完善物理參數 4.5.2 增加控制器外掛程式 4.6 Gazebo 機器人模擬 4.6.1 在Gazebo 中載入機器人模型 4.6.2 機器人運動控制模擬 4.6.3 RGB 相機模擬與視覺化 4.6.4 RGBD 相機模擬與視覺化 4.6.5 雷射雷達模擬與視覺化 4.7 本章小結 ▍第5章 ROS 2 機器人建構：從模擬到實物 5.1 機器人從模擬到實物 5.1.1 案例剖析 5.1.2 機器人設計 5.1.3 軟體架構設計 5.1.4 電腦端開發環境配置 5.1.5 機器人模擬測試 5.2 驅動系統設計：讓機器人動得了 5.2.1 馬達驅動原理：從PWM 到H 橋 5.2.2 馬達正反轉控製程式設計 5.3 底盤運動控制：讓機器人動得穩 5.3.1 馬達編碼器測速原理 5.3.2 編碼器測速程式設計 5.3.3 馬達閉環控制方法 5.3.4 馬達閉環控製程式設計 5.4 運動學正逆解：讓機器人動得準 5.4.1 常見機器人運動學模型 5.4.2 差速運動學原理 5.4.3 差速運動學逆解：計算兩個輪子的轉速 5.4.4 差速運動學正解：計算機器人整體的速度 5.5 運動控制器中還有什麼 5.5.1 電源管理：一個輸入多種輸出 5.5.2 IMU：測量機器人的姿態變化 5.5.3 人機互動：底層狀態清晰明瞭 5.6 機器人控制系統：從「肌肉」到「大腦」 5.6.1 控制系統的計算平臺 5.6.2 控制系統的燒錄與配置 5.7 本章小結 ▍第6章 ROS 2 控制與感知：讓機器人動得了、看得見 6.1 機器人通訊協定開發 6.1.1 通訊協定設計 6.1.2 通訊協定範例解析 6.1.3 運動控制器端協定開發（下位機） 6.1.4 應用處理器端協定開發（上位機） 6.2 機器人ROS 2 底盤驅動開發 6.2.1 機器人ROS 2 底盤驅動 6.2.2 速度控制話題的訂閱 6.2.3 里程計話題與tf 的維護 6.2.4 機器人狀態的動態監控 6.3 機器人運動程式設計與視覺化 6.3.1 ROS 2 速度控制訊息定義 6.3.2 運動程式設計與視覺化 6.4 相機驅動與圖像資料 6.4.1 常用相機類型 6.4.2 相機驅動與視覺化 6.4.3 ROS 2 影像訊息定義 6.4.4 三維相機驅動與視覺化 6.4.5 ROS 2 點雲訊息定義 6.5 雷射雷達驅動與視覺化 6.5.1 常見雷射雷達類型 6.5.2 ROS 2 雷達訊息定義 6.5.3 雷射雷達驅動與資料視覺化 6.6 IMU 驅動與資料視覺化 6.6.1 ROS 2 IMU 訊息定義 6.6.2 IMU 驅動與視覺化 6.7 本章小結 ◆第3部分 ROS 2 機器人應用 ▍第7章 ROS 2 視覺應用：讓機器人看懂世界 7.1 機器視覺原理簡介 7.2 ROS 2 相機標定 7.2.1 安裝相機標定功能套件 7.2.2 執行相機標定節點 7.2.3 相機標定流程 7.2.4 相機標定檔案的使用 7.2.5 二元相機標定 7.3 OpenCV 影像處理 7.3.1 安裝OpenCV 7.3.2 在ROS 2 中使用OpenCV 7.4 視覺應用一：視覺巡線 7.4.1 基本原理與實現框架 7.4.2 機器人視覺巡線模擬 7.4.3 真實機器人視覺巡線 7.5 視覺應用二：QR Code 辨識 7.5.1 QR Code 掃描函式庫——Zbar 7.5.2 相機辨識QR Code 7.5.3 真實機器人相機辨識QR Code 7.5.4 真實機器人QR Code 跟隨 7.6 機器學習應用一：深度學習視覺巡線 7.6.1 基本原理與實現框架 7.6.2 深度學習視覺巡線應用 7.6.3 資料獲取與模型訓練 7.6.4 模型效果評估測試 7.6.5 在機器人中部署模型 7.7 機器學習應用二：YOLO 物件辨識 7.7.1 基本原理與實現框架 7.7.2 YOLO 物件辨識部署 7.7.3 資料獲取與模型訓練 7.7.4 機器人物件辨識與跟隨 7.8 本章小結 ▍第8章 ROS 2 地圖建構：讓機器人理解環境 8.1 SLAM 地圖建構原理 8.1.1 SLAM 是什麼 8.1.2 SLAM 基本原理 8.1.3 SLAM 後端最佳化 8.2 SLAM Toolbox 地圖建構 8.2.1 演算法原理介紹 8.2.2 安裝與配置方法 8.2.3 模擬環境中的SLAM Toolbox 地圖建構 8.2.4 真實機器人SLAM Toolbox 地圖建構 8.3 Cartographer：二維地圖建構 8.3.1 演算法原理介紹 8.3.2 安裝與配置方法 8.3.3 模擬環境中的Cartographer 地圖建構 8.3.4 真實機器人Cartographer 地圖建構 8.4 ORB：視覺地圖建構 8.4.1 演算法原理介紹 8.4.2 安裝與配置方法 8.4.3 真實機器人ORB 地圖建構 8.5 RTAB：三維地圖建構 8.5.1 演算法原理介紹 8.5.2 安裝與配置方法 8.5.3 模擬環境中的RTAB 地圖建構 8.5.4 真實機器人RTAB 地圖建構 8.6 本章小結 ▍第9章 ROS 2 自主導航：讓機器人運動自由 9.1 機器人自主導航原理 9.2 Nav2 自主導航框架 9.2.1 系統框架 9.2.2 全域導航 9.2.3 局部導航 9.2.4 定位功能 9.3 Nav2 安裝與體驗 9.3.1 Nav2 安裝方法 9.3.2 Nav2 案例體驗 9.4 機器人自主導航模擬 9.4.1 Nav2 參數配置 9.4.2 Launch 開機檔案配置 9.4.3 機器人自主導航模擬 9.5 機器人自主導航實踐 9.5.1 導航地圖配置 9.5.2 Nav2 參數與Launch 開機檔案配置 9.5.3 機器人自主導航實踐 9.6 機器人自主導航程式設計 9.6.1 功能執行 9.6.2 程式設計方法（C++） 9.6.3 程式設計方法（Python） 9.7 機器人自主探索應用 9.7.1 Nav2+SLAM Toolbox 自主探索應用 9.7.2 Nav2+Cartographer 自主探索應用 9.8 本章小結

Sora開創AI視覺新紀元：影像生成 × 大模型時代 × AI商機，盤點AI世代的商業巨頭發展與未來趨勢 (1版)

類似書籍推薦給您

【簡介】 ★解析 Sora 模型將為哪些產業帶來重大革命★ ★探討大模型發展的挑戰、風險與未來趨勢★ ★盤點 OpenAI、Google、Meta 的 AI 產業發展★ 技術進化的新紀元已然開啟。從 ChatGPT 到 GPT-4，再到 Sora，人工智慧正跨越機械邏輯的邊界，模擬並延展人類思維維度，從被動回應走向主動理解。 本書以 GPT 為主線，介紹 ChatGPT 的誕生和爆發，以及 ChatGPT 的真正價值，ChatGPT 又開啟了一個怎樣的 AI 新紀元？本書還將對 ChatGPT 發布後，OpenAI 近一年的行動（包括發布 GPT-4、開放 API 和微調功能，上線 GPT 商店等）進行詳細介紹及分析。同時，ChatGPT 推出的最強文字生成影片模型 ── Sora，它使用了什麼樣的 技術、背後的團隊組成、它的誕生將為影視產業帶來哪些衝擊與助力，以及各行各業將能如何擁抱這個 AI 技術，創造出潛在的巨大效益？本書將一一為您解析。 除了 GPT 系列和 Sora，本書也對 OpenAI 的競爭對手進行了介紹和分析，包括老牌科技巨頭 Google、從元宇宙轉向 AI 的 Meta、四年前從 OpenAI 離職後成立的 Anthropic。本書還同時對 ChatGPT 掀起的 AI 模型大戰進行分析，並對大模型的下一步發展進行前瞻性的預測。 你將深入認識一夕爆紅的 ChatGPT 的所有資訊，以及近年來的大模型發展脈絡，並在繁雜的資訊中梳理出人工智慧行業變革以及即將到來的 通用人工智慧時代的線索。 【目錄】 Chapter 1 進入大模型時代 1.1 ChatGPT，人工智慧的里程碑 1.2 ChatGPT 的成功是大模型的勝利 1.3 通用人工智慧之門，已經打開 Chapter 2 進擊的 ChatGPT 2.1 ChatGPT 的進階之路 2.2 GPT-5 呼之欲出 2.3 大模型，智慧時代的基礎設施 2.4 人人都可打造的專屬 GPT 2.5 GPT Store，OpenAI 的野心 Chapter 3 GPT 的無限未來 3.1 賦能百業的 GPT 3.2 為機器人裝上 GPT 大腦 3.3 AI Pin，一場瘋狂的實驗 Chapter 4 Sora 問世，創造現實 4.1 引起全球關注的 Sora 4.2 Sora 技術報告全解讀 4.3 揭祕 Sora 團隊 4.4 多模態的跨越式突破 Chapter 5 Sora 搶了誰的飯碗？ 5.1 影視製作，一夜變天 5.2 Sora 暴擊短影片行業 5.3 Sora 如何改變廣告行銷？ 5.4 視覺化，Sora 的真正價值 5.5 未來屬於擁抱技術的人 Chapter 6 百模大戰，勝利者誰？ 6.1 OpenAI，勝者為王 6.2 失守大模型，Google 的追趕 6.3 放棄元宇宙，Meta 的努力 6.4 Anthropic，OpenAI 的最強競爭對手 6.5 大模型的下一步，路在何方？ Chapter 7 大模型的挑戰與風險 7.1 被困在運算能力裡的大模型 7.2 大模型的能耗之傷 7.3 大模型的「胡言亂語」 7.4 大模型深陷版權爭議 7.5 一場關於真實的博弈 7.6 價值對齊的憂慮