清華大學計算機系的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和資訊懶人包

打好AI的基礎：一探機器學習底層數學運作

為了解決清華大學計算機系的問題，作者雷明 這樣論述：

★★★★★【機器學習】、【底層數學】★★★★★ 數學是科學之母，想在AI領域發光發熱，先要打下穩固的數學基礎！ 　　本書技術重點 　　✪一元多元函數微積分 　　✪線性代數、向量、矩陣分解 　　✪偏導數、漢森矩陣、雅可比矩陣、無窮級數 　　✪最佳化方法、泛函數極值與變分法 　　✪機率統計理論、柴比雪夫不等式 　　✪資訊理論、交叉熵、條件熵 　　✪隨機過程、馬可夫過程、高斯過程 　　✪圖論、拓撲排序演算法、拉普拉斯矩陣 本書特色 　　◎完美圖解，通俗易懂 　　本書對數學知識採取圖解演示。透過圖解，許多問題都變得簡單，一點就通。 　　◎生活化的實例，簡單又有趣 　　例如隨機過程的典型代表

，馬可夫過程（Markov Process）的章節中，作者就用了天氣與降雨這種生活化的例子講解，拉近讀者與知識的距離。 　　◎深入淺出，透析本質 　　機器學習的數學知識難度不低，許多概念的定義讓讀者難以理解。本書透過點出關鍵的地方，讓讀者一看就豁然開朗，推導再也不是問題。 　　◎機器學習、數學，相輔相成 　　本書從機器學習的角度講數學，又從數學的角度講機器學習，言簡意賅、知識滿點、循序漸進，是你學習機器學習的最好夥伴。  

清華大學計算機系進入發燒排行的影片

設計與實現適合都市交通控制通訊協定3.1版之具事件偵測功能之影像式車輛偵測器

為了解決清華大學計算機系的問題，作者侯建和 這樣論述：

影像式車輛偵測器除了能提供基本交通資料，還可附加其他影像式偵測功能，所以為近年車輛偵測器主要發展方向。但由於車輛移動快速，且影像處理往往耗時，故能即時透過影像同時演算出車輛與事件較不容易。因此，本研究之目的為設計和探討即時車輛偵測演算法與數種即時影像事件偵測方法。為了驗證各演算法之即時性，我們另一個目的是設計一套能對外通訊且具有事件偵測之影像式車輛偵測器。在車輛辨識方法中，我們提出矩形延時追蹤方法，僅利用車輛外型所畫出的相似矩形之位置和大小來進行追蹤，若因遮蔽而遺失追蹤車輛則繼續保留一段時間。此方法能有效降低在多車輛追蹤時的複雜度，且失去追蹤的車輛還能恢復追蹤。將車輛追蹤所得的位置資訊經由計

算與統計，就能求得車速、車流、與占有率等交通資料，結果其準確率皆在90%以上。本論文亦分別提出了四種事件偵測方法。將目前背景與一段時間前之背景比較，就能判斷車輛停等、散落物與煙霧三種事件，僅是阈值設定不同。而逆向行車之偵測，沿用車輛追蹤的位置移動結果，就能直接偵測出。經由實測結果顯示，使用我們所提出的方法實做出的車輛偵測器，在同時偵測四種事件與交通資訊時之運算速度達到即時要求，且各事件皆在10秒內能偵測出。關於偵測器之通訊部分，我們實現所有都市交通控制通訊協定3.1版與車輛偵測以及事件偵測相關的指令，且經由實測，結果能正常與其他相關設備通訊。

機器學習——原理、算法與應用

為了解決清華大學計算機系的問題，作者雷明 這樣論述：

機器學習是當前解決很多人工智慧問題的核心技術，自2012年以來，深度學習的出現帶來了人工智慧復興。本書是機器學習和深度學習領域的入門與提高教材，緊密結合工程實踐與應用，系統、深入地講述機器學習與深度學習的主流方法與理論。全書由23章組成，共分為三大部分。第1～3章為第一部分，介紹機器學習的基本原理、所需的數學知識（包括微積分、線性代數、化方法和概率論），以及機器學習中的核心概念。第4～22章為第二部分，是本書的主體，介紹各種常用的有監督學習算法、無監督學習算法、半監督學習算法和強化學習算法。對於每種算法，從原理與推導、工程實現和應用3個方面進行介紹，對於大多數算法，都配有實

驗程式。第23章為第三部分，介紹機器學習和深度學習算法實際應用時面臨的問題，並給出典型的解決方案。 本書理論推導與證明詳細、深入，結構清晰，詳細地講述主要算法的原理與細節，讓讀者不僅知其然，還知其所以然，真正理解算法、學會使用算法。對於電腦、人工智慧及相關專業的本科生和研究生，這是一本適合入門與系統學習的教材；對於從事人工智慧和機器學習產品研發的工程技術人員，本書也具有很強的參考價值。

基於影像辨識之嵌入式系統設計與實現

為了解決清華大學計算機系的問題，作者李彥明 這樣論述：

本論文是以人臉辨識為目的，進行嵌入式系統的開發。我們選擇具ARM架構處理器的pcDuino V2為硬體平台，使用Linux內核的Ubuntu為作業系統，並於硬體周邊設置一個攝像鏡頭以截取人臉圖示，以便讓辨識程式能利用人臉的多重生物特徵，執行辨識動作。系統中負責執行人臉辨識功能的程式是基於Haar-like特徵和AdaBoost算法所開發的，Haar-like特徵是作為辨識的依據，AdaBoost是機器學習的演算法，用於訓練分類器。由實驗結果得知，在不同情境下，所開發的嵌入式系統能以小於一秒鐘的時間，迅速辨識出受測者的身分。因此，能保證此嵌入式系統的即時性。