自動(dòng)駕駛中的人工智能

定　價(jià)：￥159.00

作　者：	郭露露洪金龍王宇雷
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥134.30)

ISBN：	9787111782353	出版時(shí)間：	2025-07-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡介

　　人工智能（ＡＩ）技術(shù)的革新正在為自主系統(tǒng)如自動(dòng)駕駛系統(tǒng)帶來無限機(jī)遇。人工智能技術(shù)賦能自動(dòng)駕駛，使其能夠獲得比人類駕駛員更好的駕駛能力，例如自主感知、推理和決策，有望改變傳統(tǒng)的交通方式以服務(wù)人類。本書為自動(dòng)駕駛領(lǐng)域工程技術(shù)人員提供人工智能相關(guān)基礎(chǔ)理論和應(yīng)用技術(shù)等相關(guān)知識(shí)，并培養(yǎng)將人工智能算法應(yīng)用于自動(dòng)駕駛或其他自主系統(tǒng)的能力。本書涵蓋的主題有：概述模塊，包括人工智能、自動(dòng)駕駛及兩者關(guān)系的介紹；感知模塊，包括感知技術(shù)、人工智能算法應(yīng)用；決策模塊，包括自動(dòng)駕駛決策問題和基于人工智能的決策算法；控制模塊，包括數(shù)據(jù)和機(jī)理驅(qū)動(dòng)的控制方法及自動(dòng)駕駛應(yīng)用；優(yōu)化模塊，包括人工智能算法的優(yōu)化求解；案例分析模塊，包括人機(jī)交互和高級(jí)駕駛輔助系統(tǒng)。讀者通過本書將熟悉人工智能概念、算法和自動(dòng)駕駛系統(tǒng)最新技術(shù)。本書適合自動(dòng)駕駛研究與開發(fā)技術(shù)人員閱讀使用，也適合車輛工程及相關(guān)專業(yè)師生閱讀參考。

作者簡介

　　郭露露，同濟(jì)大學(xué)研究院，專注于智駕汽車控制與人工智能方向研究

圖書目錄

前　言第1 章人工智能與自動(dòng)駕駛概述1.1　自動(dòng)駕駛概述／００１１.１.１　自動(dòng)駕駛相關(guān)術(shù)語／００１１.１.２　自動(dòng)駕駛分級(jí)／００２１.１.３　自動(dòng)駕駛主要任務(wù)／００５1.2　人工智能概述／００６１.２.１　人工智能的起源與發(fā)展／００７１.２.２　人工智能的分類／０１０１.２.３　神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)／０１１１.２.４　人工智能的爆發(fā)與機(jī)遇／０１６1.3　自動(dòng)駕駛——人工智能競技場(chǎng)／０２０１.３.１　自動(dòng)駕駛的發(fā)展歷程／０２０１.３.２　自動(dòng)駕駛中的ＡＩ技術(shù)／０２１１.３.３　自動(dòng)駕駛對(duì)人工智能的挑戰(zhàn)／０２３參考文獻(xiàn)／０２７第2 章人工智能與優(yōu)化控制2.1　基于學(xué)習(xí)的優(yōu)化控制／０３１２.１.１　概述／０３２２.１.２　機(jī)器學(xué)習(xí)在優(yōu)化控制中的應(yīng)用／０３３2.2　基于學(xué)習(xí)的模型預(yù)測(cè)控制／０４９２.２.１　模型預(yù)測(cè)控制／０４９２.２.２　機(jī)器學(xué)習(xí)在模型預(yù)測(cè)控制中的角色／０５４2.3　內(nèi)嵌物理知識(shí)神經(jīng)網(wǎng)絡(luò)／０７７２.３.１　概述／０７７２.３.２　原理／０８２２.３.３　斯托克斯流體拓?fù)鋬?yōu)化／０８４2.4　人工智能中的優(yōu)化算法／０８７２.４.１　梯度下降與共軛梯度法／０８９２.４.２　動(dòng)量優(yōu)化與Ｎｅｓｔｅｒｏｖ動(dòng)量優(yōu)化算法／０９４２.４.３　自適應(yīng)梯度優(yōu)化算法／０９８２.４.４?。遥停樱校颍铮?優(yōu)化算法／０９９２.４.５?。粒洌幔?優(yōu)化算法／１０１2.5　人工智能中的反饋機(jī)制／１０２２.５.１　反饋的基本思想／１０２２.５.２　人類反饋強(qiáng)化學(xué)習(xí)／１０８參考文獻(xiàn)／１２３第3 章自動(dòng)駕駛感知中的人工智能3.1　基于圖像的目標(biāo)識(shí)別與追蹤／１２９３.１.１　基于圖像的目標(biāo)識(shí)別／１２９３.１.２　基于圖像的目標(biāo)追蹤／１３４3.2　基于傳感器融合的目標(biāo)識(shí)別與追蹤／１３７３.２.１　基于傳感器融合的目標(biāo)識(shí)別／１３８３.２.２　基于傳感器融合的目標(biāo)追蹤／１４１3.3　案例研究／１４３參考文獻(xiàn)／１４６第4 章自動(dòng)駕駛決策中的人工智能4.1　人工智能決策的可解釋性／１４９４.１.１　人工智能決策可解釋性方法概述／１４９４.１.２　語義Ｓｈａｐｌｅｙ值引導(dǎo)的視覺反事實(shí)解釋及自動(dòng)駕駛應(yīng)用／１５５4.2　基于可解釋獎(jiǎng)勵(lì)機(jī)強(qiáng)化學(xué)習(xí)的自動(dòng)駕駛決策／１６３４.２.１　可解釋獎(jiǎng)勵(lì)機(jī)／１６３４.２.２　高速公路場(chǎng)景下的獎(jiǎng)勵(lì)機(jī)強(qiáng)化學(xué)習(xí)決策設(shè)計(jì)／１６４４.２.３　仿真分析／１７０參考文獻(xiàn)／１７２第5 章自動(dòng)駕駛控制中的人工智能5.1　智能駕駛中的動(dòng)力系統(tǒng)控制／１７７５.１.１　研究場(chǎng)景與方案綜述／１７７５.１.２　車－路協(xié)同下智能預(yù)測(cè)巡航控制／１８１５.１.３　交通信號(hào)燈速度規(guī)劃／１８８5.2　基于深度學(xué)習(xí)的電池健康預(yù)測(cè)／１９７５.２.１　電池健康管理概述／１９７５.２.２　基于ＬＳＴＭ神經(jīng)網(wǎng)絡(luò)的電池健康狀態(tài)預(yù)測(cè)／２０２５.２.３　基于遷移學(xué)習(xí)的電池健康狀態(tài)預(yù)測(cè)／２１９5.3　基于強(qiáng)化學(xué)習(xí)的混動(dòng)汽車能量管理／２４２５.３.１　混合動(dòng)力汽車能量管理策略概述／２４２５.３.２　強(qiáng)化學(xué)習(xí)算法在能量管理策略中的應(yīng)用／２４９５.３.３　案例研究／２５２5.4　基于學(xué)習(xí)的車輛運(yùn)動(dòng)控制／２７７５.４.１　基于學(xué)習(xí)的車輛運(yùn)動(dòng)控制策略概述／２７７５.４.２　基于數(shù)據(jù)驅(qū)動(dòng)的車輛運(yùn)動(dòng)控制／２７８５.４.３　基于強(qiáng)化學(xué)習(xí)的車輛運(yùn)動(dòng)控制／２８２５.４.４　案例研究／２８６參考文獻(xiàn)／２８８