《MATLAB神經(jīng)網(wǎng)絡(luò)超級學(xué)習(xí)手冊》以新近推出的MATLABR2013a神經(jīng)網(wǎng)絡(luò)工具箱為基礎(chǔ)，系統(tǒng)全面地介紹了神經(jīng)網(wǎng)絡(luò)的各種概念和應(yīng)用。《MATLAB神經(jīng)網(wǎng)絡(luò)超級學(xué)習(xí)手冊》按邏輯編排，自始至終采用實(shí)例描述；內(nèi)容完整且每章相對獨(dú)立，是一本不可多得的掌握MATLAB神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)用書。 全書共分為16章，從MATLAB簡

本書在全面總結(jié)國內(nèi)外的混合免疫智能算法及其應(yīng)用成果的基礎(chǔ)上，著重介紹作者在混合免疫智能算法理論及應(yīng)用這一領(lǐng)域的研究成果，主要包括競爭合作性協(xié)同免疫進(jìn)化算法模型設(shè)計(jì)、算法分析與實(shí)驗(yàn)；免疫雙態(tài)粒子群計(jì)算模型構(gòu)建、算法分析與實(shí)驗(yàn)；免疫協(xié)同粒子群算法模型構(gòu)建、算法分析與實(shí)驗(yàn)；免疫蟻群自適應(yīng)融合算法設(shè)計(jì)及實(shí)驗(yàn)分析；以及混合免疫智

本書以模式識別領(lǐng)域的重要前沿課題核學(xué)習(xí)為研究對象，介紹了核自適應(yīng)學(xué)習(xí)及在人臉識別、醫(yī)學(xué)圖像分類和三維碎片分類等各個方面的應(yīng)用。主要包括基本原理、數(shù)學(xué)基礎(chǔ)、參數(shù)選擇、遞歸分析方法、函數(shù)構(gòu)造方法、判別分析方法、主成分分析方法及核自適應(yīng)學(xué)習(xí)機(jī)的典型應(yīng)用。本書可供計(jì)算機(jī)專業(yè)的本科生、研究生參考閱讀，旨在幫助讀者透徹理解和掌握模

傳統(tǒng)的模糊決策方法無法解決復(fù)雜的不確定情境下的評估與優(yōu)化問題。語言計(jì)算是近年來為描述模糊信息、建立模糊邏輯、處理模糊現(xiàn)象發(fā)展起來的一種新的信息處理和管理決策工具。多粒度語言為偏好的模糊決策已經(jīng)應(yīng)用于項(xiàng)目管理、投資評估中并取得成果。本文在深入研究基于擴(kuò)展原理和符號化方法的語言計(jì)算模型基礎(chǔ)上，重新給出多粒度語言的分類。根據(jù)

粒計(jì)算是當(dāng)前計(jì)算智能研究領(lǐng)域中模擬人類思維和解決復(fù)雜問題的新方法，它涵蓋了所有有關(guān)粒度的理論、方法和技術(shù)，是研究復(fù)雜問題求解、海量數(shù)據(jù)挖掘和不確定性信息處理等問題的有力工具。經(jīng)過十多年的發(fā)展，在與多學(xué)科交叉研究的過程中，粒計(jì)算正逐步形成其特有的研究體系。本書介紹了粒計(jì)算及其不確定信息度量的理論與方法的最新進(jìn)展，內(nèi)容涉及

人工免疫系統(tǒng)是模仿自然免疫系統(tǒng)功能的一種智能方法，是繼人工神經(jīng)網(wǎng)絡(luò)、進(jìn)化計(jì)算之后新的智能計(jì)算研究方向，是生命科學(xué)和計(jì)算機(jī)科學(xué)相交叉而形成的交叉學(xué)科研究熱點(diǎn)�！度斯っ庖咚惴ǜ倪M(jìn)及其應(yīng)用》是作者幾年來科研成果的總結(jié)。全書共分9章，主要內(nèi)容是在計(jì)算智能的基礎(chǔ)上，針對人工神經(jīng)網(wǎng)絡(luò)、進(jìn)化計(jì)算和人工免疫系統(tǒng)進(jìn)行了理論研究和應(yīng)用研究

作為Web2.0的典型應(yīng)用之一，社會化標(biāo)簽具有獨(dú)特的優(yōu)勢，可以為Web知識推送提供十分有價值的基礎(chǔ)數(shù)據(jù)。本書借鑒數(shù)學(xué)領(lǐng)域的圖論、物理學(xué)領(lǐng)域的復(fù)雜網(wǎng)絡(luò)、社會學(xué)領(lǐng)域的社會網(wǎng)絡(luò)分析、圖書情報學(xué)領(lǐng)域的信息計(jì)量，闡述了網(wǎng)絡(luò)分析的基本原理，進(jìn)而建立基于共現(xiàn)分析的社會化標(biāo)簽網(wǎng)絡(luò)和基于社會化標(biāo)簽的潛在社會網(wǎng)絡(luò)。然后，分別構(gòu)建基于用戶層

粒計(jì)算是人工智能領(lǐng)域中的一種新理念和新方法，它覆蓋了所有有關(guān)粒度的理論、方法和技術(shù)，是研究復(fù)雜問題求解、海量數(shù)據(jù)挖掘和模糊信息處理等問題的有力工具。從粒計(jì)算的觀點(diǎn)看，在認(rèn)知過程中，人們對問題的分析與求解都具有粒度性，既與認(rèn)知主體的主觀局限有關(guān)，也與觀測工具等很多客觀因素有關(guān)。粒計(jì)算理論模型中的粒的合成與分解以及問題求解

計(jì)算智能是借助現(xiàn)代計(jì)算工具通過模擬人的智能來求解問題(或處理信息)的理論與方法，它是人工智能的深化與發(fā)展，也是當(dāng)前人工智能技術(shù)的重要組成部分。計(jì)算智能的理論和方法是信息科學(xué)、生命科學(xué)、認(rèn)知科學(xué)等不同學(xué)科相互交叉、相互滲透、相互促進(jìn)而產(chǎn)生的一門新的學(xué)科�！队�(jì)算智能理論與方法》的主要內(nèi)容包括進(jìn)化計(jì)算方法及其應(yīng)用、人工免疫系

本書主要是通過分析機(jī)器學(xué)習(xí)的研究前沿及其兩大核心問題——“機(jī)器學(xué)習(xí)的可能實(shí)現(xiàn)路徑”和“機(jī)器學(xué)習(xí)的發(fā)現(xiàn)功能”對這些問題展開討論。

《前饋神經(jīng)網(wǎng)絡(luò)分析與設(shè)計(jì)》系統(tǒng)地論述了前饋神經(jīng)網(wǎng)絡(luò)的主要理論、設(shè)計(jì)基礎(chǔ)及應(yīng)用實(shí)例，旨在使讀者了解神經(jīng)網(wǎng)絡(luò)的發(fā)展背景和研究對象，理解和熟悉它的基本原理和主要應(yīng)用，掌握它的結(jié)構(gòu)模型和設(shè)計(jì)應(yīng)用方法，特別是前饋神經(jīng)網(wǎng)絡(luò)的參數(shù)學(xué)習(xí)算法和結(jié)構(gòu)設(shè)計(jì)方法，為深入研究和應(yīng)用開發(fā)打下基礎(chǔ)。為了便于讀者理解，書中盡量避免煩瑣的數(shù)學(xué)推導(dǎo)，加強(qiáng)

交互式遺傳算法將傳統(tǒng)的進(jìn)化機(jī)制與用戶的智能評價相結(jié)合，可以有效地解決性能指標(biāo)難以(甚至無法)用精確函數(shù)表示的一類復(fù)雜優(yōu)化問題。但是，用戶評價的不確定性和評價疲勞問題等極大地影響了交互式遺傳算法的性能，嚴(yán)重制約了其在復(fù)雜優(yōu)化問題中的應(yīng)用�！陡呒壗换ナ竭z傳算法理論與應(yīng)用》以解決這些問題為切入點(diǎn)，在遺傳算法的框架體系下，主要

云模型是研究定性概念與定量數(shù)值之間相互轉(zhuǎn)換的不確定性認(rèn)知模型。粒計(jì)算是當(dāng)前計(jì)算智能研究領(lǐng)域中模擬人類思維和解決復(fù)雜問題的新方法。它覆蓋了所有有關(guān)粒度的理論、方法和技術(shù)，是研究復(fù)雜問題求解、海量數(shù)據(jù)挖掘和模糊信息處理等問題的有力工具�！读Ｓ�(jì)算研究叢書：云模型與粒計(jì)算》介紹云模型與粒計(jì)算交叉研究的最新進(jìn)展，由國內(nèi)外相關(guān)領(lǐng)域

《神經(jīng)網(wǎng)絡(luò)與機(jī)器人科研項(xiàng)目申請與實(shí)踐》分為神經(jīng)網(wǎng)絡(luò)與機(jī)器人項(xiàng)目申請，神經(jīng)網(wǎng)絡(luò)與計(jì)算機(jī)項(xiàng)目申請，機(jī)械臂理論項(xiàng)目申請、進(jìn)展與結(jié)題，機(jī)械臂實(shí)物項(xiàng)目申請與進(jìn)展，時變問題神經(jīng)網(wǎng)絡(luò)求解項(xiàng)目申請、評議與進(jìn)展，和基函數(shù)、多類與海量神經(jīng)網(wǎng)絡(luò)項(xiàng)目申請與評議共六部分，每一部分都是由相關(guān)的申請報告，進(jìn)展報告，同行反饋意見和/或結(jié)題報告系統(tǒng)化地

《人工智能與人工生命》介紹了人工智能的基本原理、方法及技術(shù)，還特別介紹了人工生命等人工智能前沿領(lǐng)域的最新進(jìn)展。主要內(nèi)容包括：緒論、知識表示方法、確定性推理、不確定性推理、搜索策略、機(jī)器學(xué)習(xí)、專家系統(tǒng)、分布式人工智能、人工生命、軟件人、人工魚、展望。

人工智能是研究解釋和模擬人類智能、智能行為及其規(guī)律的一門學(xué)科。本書共16章：第1～6章討論人工智能的認(rèn)知問題和自動推理，論述邏輯基礎(chǔ)、約束推理、定性推理、基于案例的推理、概率推理；第7～14章重點(diǎn)討論機(jī)器學(xué)習(xí)和知識發(fā)現(xiàn)，包括歸納學(xué)習(xí)、支持向量機(jī)、解釋學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、關(guān)聯(lián)規(guī)則、進(jìn)化計(jì)算、知識發(fā)現(xiàn)；第15章闡述

《語義網(wǎng)、社會網(wǎng)絡(luò)計(jì)算與web資源共享》以當(dāng)前web主流技術(shù)和應(yīng)用——語義網(wǎng)和社會網(wǎng)絡(luò)軟件為背景，以人們對資源共享的無止境追求為問題需求，參閱了許多經(jīng)典學(xué)術(shù)文獻(xiàn)和最新文獻(xiàn)，在對相關(guān)國內(nèi)外研究工作論述分析的基礎(chǔ)上，介紹和分析了近幾年相關(guān)研究領(lǐng)域的最新成果及作者的工作，內(nèi)容新穎，可幫助web研究和應(yīng)

《仿生智能計(jì)算》在對仿生智能計(jì)算的基本概念、類型及發(fā)展情況進(jìn)行闡述的基礎(chǔ)上，從馬爾可夫鏈、離散參數(shù)鞅、隨機(jī)逼近等角度給出了仿生智能計(jì)算的數(shù)學(xué)基礎(chǔ)，隨后對目前幾種典型的仿生智能計(jì)算方法從原理、收斂性分析、應(yīng)用實(shí)例等角度分別做了闡述，這些算法主要包括、遺傳算法、蟻群算法、微粒群算法、免疫算法、神經(jīng)網(wǎng)絡(luò)、DNA計(jì)算及心腦計(jì)算

《計(jì)算智能》全書共4個部分，分別介紹了計(jì)算智能的4個典型代表：演化計(jì)算、群體智能算法、人工神經(jīng)網(wǎng)絡(luò)和Fuzzy計(jì)算，第1部分介紹了遺傳算法、遺傳程序設(shè)計(jì)、演化策略和演化規(guī)劃4種主要的演化計(jì)算技術(shù)；第2部分介紹了粒子群優(yōu)化和蟻群優(yōu)化兩種具有代表性的群體智能算法；第3部分介紹了人工神經(jīng)網(wǎng)絡(luò)的基本概念和學(xué)習(xí)算法；第4部分介紹

本書對增強(qiáng)學(xué)習(xí)與近似動態(tài)規(guī)劃的理論、算法及應(yīng)用進(jìn)行了深入研究和論述。主要內(nèi)容包括：求解Markov鏈學(xué)習(xí)預(yù)測問題的時域差值學(xué)習(xí)算法和理論，求解連續(xù)空間Markov決策問題的梯度增強(qiáng)學(xué)習(xí)算法以及進(jìn)化一梯度混合增強(qiáng)學(xué)習(xí)算法，基于核的近似動態(tài)規(guī)劃算法，增強(qiáng)學(xué)習(xí)在移動機(jī)器人導(dǎo)航與控制中的應(yīng)用等。本書是作者在多個國家自然科學(xué)基金