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)同免疫進化算法模型設(shè)計、算法分析與實驗；免疫雙態(tài)粒子群計算模型構(gòu)建、算法分析與實驗；免疫協(xié)同粒子群算法模型構(gòu)建、算法分析與實驗；免疫蟻群自適應(yīng)融合算法設(shè)計及實驗分析；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習為研究對象，介紹了核自適應(yīng)學習及在人臉識別、醫(yī)學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)學習機的典型應(yīng)用。本書可供計算機專業(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)用于項目管理、投資評估中并取得成果。本文在深入研究基于擴展原理和符號化方法的語言計算模型基礎(chǔ)上，重新給出多粒度語言的分類。根據(jù)

粒計算是當前計算智能研究領(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，在與多學科交叉研究的過程中，粒計算正逐步形成其特有的研究體系。本書介紹了粒計算及其不確定信息度量的理論與方法的最新進展，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)、進化計算之后新的智能計算研究方向，是生命科學和計算機科學相交叉而形成的交叉學科研究熱點�！度斯っ庖咚惴ǜ倪M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)容是在計算智能的基礎(chǔ)上，針對人工神經(jīng)網(wǎng)絡(luò)、進化計算和人工免疫系統(tǒng)進行了理論研究和應(yīng)用研究

作為Web2.0的典型應(yīng)用之一，社會化標簽具有獨特的優(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)學領(lǐng)域的圖論、物理學領(lǐng)域的復(fù)雜網(wǎng)絡(luò)、社會學領(lǐng)域的社會網(wǎng)絡(luò)分析、圖書情報學領(lǐng)域的信息計量，闡述了網(wǎng)絡(luò)分析的基本原理，進而建立基于共現(xiàn)分析的社會化標簽網(wǎng)絡(luò)和基于社會化標簽的潛在社會網(wǎng)絡(luò)。然后，分別構(gòu)建基于用戶層

粒計算是人工智能領(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。從粒計算的觀點看，在認知過程中，人們對問題的分析與求解都具有粒度性，既與認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)。粒計算理論模型中的粒的合成與分解以及問題求解

計算智能是借助現(xiàn)代計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，也是當前人工智能技術(shù)的重要組成部分。計算智能的理論和方法是信息科學、生命科學、認知科學等不同學科相互交叉、相互滲透、相互促進而產(chǎn)生的一門新的學科。《計算智能理論與方法》的主要內(nèi)容包括進化計算方法及其應(yīng)用、人工免疫系

本書主要是通過分析機器學習的研究前沿及其兩大核心問題——“機器學習的可能實現(xiàn)路徑”和“機器學習的發(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》系統(tǒng)地論述了前饋神經(jīng)網(wǎng)絡(luò)的主要理論、設(shè)計基礎(chǔ)及應(yīng)用實例，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)計應(yīng)用方法，特別是前饋神經(jīng)網(wǎng)絡(luò)的參數(shù)學習算法和結(jié)構(gòu)設(shè)計方法，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)學推導(dǎo)，加強

交互式遺傳算法將傳統(tǒng)的進化機制與用戶的智能評價相結(jié)合，可以有效地解決性能指標難以(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，嚴重制約了其在復(fù)雜優(yōu)化問題中的應(yīng)用。《高級交互式遺傳算法理論與應(yīng)用》以解決這些問題為切入點，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)換的不確定性認知模型。粒計算是當前計算智能研究領(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嬎阊芯繀矔�：云模型與粒計算》介紹云模型與粒計算交叉研究的最新進展，由國內(nèi)外相關(guān)領(lǐng)域

《神經(jīng)網(wǎng)絡(luò)與機器人科研項目申請與實踐》分為神經(jīng)網(wǎng)絡(luò)與機器人項目申請，神經(jīng)網(wǎng)絡(luò)與計算機項目申請，機械臂理論項目申請、進展與結(jié)題，機械臂實物項目申請與進展，時變問題神經(jīng)網(wǎng)絡(luò)求解項目申請、評議與進展，和基函數(shù)、多類與海量神經(jīng)網(wǎng)絡(luò)項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、機器學習、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)律的一門學科。本書共16章：第1～6章討論人工智能的認知問題和自動推理，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章重點討論機器學習和知識發(fā)現(xiàn)，包括歸納學習、支持向量機、解釋學習、強化學習、無監(jiān)督學習、關(guān)聯(lián)規(guī)則、進化計算、知識發(fā)現(xiàn)；第15章闡述

《語義網(wǎng)、社會網(wǎng)絡(luò)計算與web資源共享》以當前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)典學術(shù)文獻和最新文獻，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)

《仿生智能計算》在對仿生智能計算的基本概念、類型及發(fā)展情況進行闡述的基礎(chǔ)上，從馬爾可夫鏈、離散參數(shù)鞅、隨機逼近等角度給出了仿生智能計算的數(shù)學基礎(chǔ)，隨后對目前幾種典型的仿生智能計算方法從原理、收斂性分析、應(yīng)用實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計算及心腦計算

《計算智能》全書共4個部分，分別介紹了計算智能的4個典型代表：演化計算、群體智能算法、人工神經(jīng)網(wǎng)絡(luò)和Fuzzy計算，第1部分介紹了遺傳算法、遺傳程序設(shè)計、演化策略和演化規(guī)劃4種主要的演化計算技術(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)的基本概念和學習算法；第4部分介紹

本書對增強學習與近似動態(tài)規(guī)劃的理論、算法及應(yīng)用進行了深入研究和論述。主要內(nèi)容包括：求解Markov鏈學習預(yù)測問題的時域差值學習算法和理論，求解連續(xù)空間Markov決策問題的梯度增強學習算法以及進化一梯度混合增強學習算法，基于核的近似動態(tài)規(guī)劃算法，增強學習在移動機器人導(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基金