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／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)測控制／０４９２.２.１　模型預(yù)測控制／０４９２.２.２　機(jī)器學(xué)習(xí)在模型預(yù)測控制中的角色／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　ＲＭＳＰｒｏｐ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　研究場景與方案綜述／１７７５.１.２　車－路協(xié)同下智能預(yù)測巡航控制／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／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／２０２５.２.３　基于遷移學(xué)習(xí)的電池健康狀態(tài)預(yù)測／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