本書針對大數(shù)據(jù)呈現(xiàn)的體量巨大、多源異構、動態(tài)性和不確定性等特點，以粒計算理論為基礎，以優(yōu)勢關系粗糙集模型為研究對象，以增量學習技術為方法，以并行計算框架為支撐，構建大數(shù)據(jù)分析與挖掘的原理和方法及其算法，并融入了相關領域學者在動態(tài)知識發(fā)現(xiàn)、數(shù)據(jù)融合、大數(shù)據(jù)并行處理等成果，反映了基于粒計算和粗糙集視角處理大數(shù)據(jù)的最新進展。

本書以多智能體系統(tǒng)協(xié)同群集運動控制為主線，首先介紹圖論和控制器設計所用到的基礎理論知識；其次，分別從拓撲結構的邊保持和代數(shù)連通度兩個角度介紹了連通性保持條件下的協(xié)同群集運動控制協(xié)議設計方法。進而，從個體動態(tài)模型和拓撲結構模型兩方面繼續(xù)深入，針對典型的輪式移動機器人非完整約束模型介紹了連通性保持條件下的協(xié)同控制策略，為簡

本書對近年來認知計算和多目標優(yōu)化領域常見的理論及技術進行了較為全面的闡述和總結，并結合作者多年的研究成果，對相關理論及技術在應用領域的實踐情況進行了展示和報告。

本書對近年來稀疏學習、分類與識別領域常見的理論及技術進行了較為全面的闡述和總結，并結合作者多年的研究成果，對相關理論及技術在應用領域的實踐情況進行了展示和報告。

《神經網絡導論》共5章，第1章主要介紹神經網絡、微分系統(tǒng)穩(wěn)定性理論和泛函分析的基本理論和概念；第2章介紹神經網絡的基本模型及算法；第3章介紹后期比較熱門的三種神經網絡，即Hopfield神經網絡、細胞神經網絡與雙向聯(lián)想（BAM）神經網絡的模型及動力學問題；第4章介紹復雜神經網絡模型及動力學問題；第5章介紹神經網絡的應用

隨著信息爆炸產生的海量數(shù)據(jù)時代的來臨，數(shù)據(jù)中所蘊含的價值將會對人類社會產生直接的，全面的，甚至是革命性的影響。因此，在大數(shù)據(jù)背景下，有效地分析，組織和使用各類數(shù)據(jù)，將對科技進步以及經濟發(fā)展產生巨大的推動作用，孕育出前所未有的機遇。針對大數(shù)據(jù)技術體系架構，本著作總結出在大數(shù)據(jù)處理流程中，所面臨不同層面的問題及其相互關系，

本書從仿生學的角度,闡述AI面臨的挑戰(zhàn)和前沿研究方向,同時融入作者在AI研究中部分最新成果。反映了人工智能發(fā)展的最新動態(tài)，為生物信息學或其他學科的特征分析提供手段和方法，為研究和開發(fā)更高層次的human-like智能打下基礎。本書強調新視野、先進性、實用性和可讀性，書中涉及的經典例子和算法都將提供程序實現(xiàn)，附在隨書光盤

20世紀50年代以來，人工智能出現(xiàn)了符號主義、連接主義和行為主義等主導性研究范式。理論界普遍認為，人工智能已經超越了現(xiàn)有的范式理論，逐步形成了一種融合的趨勢。然而，如何對人工智能各研究范式進行融合以及在什么樣的基礎上進行融合，這一難題成為人工智能理論進一步發(fā)展的瓶頸所在。本書從貫穿整個人工智能發(fā)展過程的兩條主要線索--

借鑒生物免疫系統(tǒng)的分層防御機理以及層次間的相互作用，作者提出了用于機電設備故障診斷的免疫診斷模型。將故障檢測與診斷功能進行整合，研究機電設備異常檢測與故障診斷的免疫算法與模型，分層解決設備的狀態(tài)監(jiān)測、故障定位與診斷等關鍵問題，建立了異常狀態(tài)監(jiān)測與故障診斷一體化的快速反應機制。第一層，異常追蹤監(jiān)測。在獲取設備運行狀態(tài)數(shù)據(jù)

《神經系統(tǒng)建模與控制工程》結合神經生物學、神經計算科學與自動控制科學的交叉優(yōu)勢，主要介紹了神經系統(tǒng)場效應的動力學模型，分析了外電場作用下的神經元以及神經元網絡的動力學特性，重點闡述參數(shù)辨識方法在神經系統(tǒng)建模中的應用，以及先進控制算法例如優(yōu)化控制、迭代學習、模型預測控制等在單神經元放電模式以及神經元網絡同步特性控制中的應