創(chuàng)新高端科技資源科普化的創(chuàng)作模式，組建由"前沿科技工作者"+"有科研背景的科普創(chuàng)作者"組成的"1+1"合作模式，將最前沿的科技成果用通俗、擬人的創(chuàng)作模式文字化，形成相關(guān)圖書產(chǎn)品。通過生動的介紹重點闡述這六家國家實驗室的研究對我們今后未來多方面的影響，同時介紹一些科研工作者的科學精神，從而激發(fā)讀者對科技創(chuàng)新的理解和參與感

近年來，時滯神經(jīng)網(wǎng)絡在圖像處理、模式識別、聯(lián)想記憶、信號處理、全局優(yōu)化和保密通信等領(lǐng)域得到廣泛的應用，慣性項的添加不僅可以使得神經(jīng)網(wǎng)絡算法收斂速度加快，而且會帶來更豐富的動力學行為。本書主要對不同情況下的時滯慣性神經(jīng)網(wǎng)絡，從兩個方面即自治系統(tǒng)以及非自治系統(tǒng)下平衡點的全局穩(wěn)定性以及自治系統(tǒng)周期解的局部穩(wěn)定性、Hopf分岔

群體智能優(yōu)化算法是模擬自然生物種群智能行為的優(yōu)化方法，具有良好的尋優(yōu)性能，因此群體智能算法在求解大規(guī)模復雜問題時，具有較高的效率。本書在群體智能的基礎上，針對智能優(yōu)化算法、聚類算法、復雜網(wǎng)絡和樸素貝葉斯分類進行理論研究和應用研究。

因子分解機模型因為能夠有效解決高維數(shù)據(jù)特征組合的稀疏問題且具有較高的預測準確度和計算效率，在廣告點擊率預測和推薦系統(tǒng)領(lǐng)域被廣泛研究和應用。本書對因子分解機模型及其相關(guān)模型的研究進展進行綜述，闡述該模型的靈活性和普適性，對模型中有待深入研究的難點、熱點及發(fā)展趨勢進行展望。結(jié)合研究成果，進一步對該模型進行擴展，并將此擴展后

本書內(nèi)容涵蓋神經(jīng)工程的各個方面，較為全面系統(tǒng)地介紹了這門交叉學科所涉及的重要內(nèi)容。本書分上、下冊，共20章，重點介紹神經(jīng)工程的應用以及研究方向，如腦-機接口、功能性電刺激、神經(jīng)成像等的基本理論知識及應用。本書遵循從微觀到宏觀，從基礎到應用，再到未來展望的順序進行編排。全書的材料來源于各個領(lǐng)域**的書籍資料以及近年來神經(jīng)

本書旨在介紹作者及其研究團隊在分布式優(yōu)化與學習理論方面的**研究成果。全書共7章，第1、2章為緒論和相關(guān)數(shù)學基礎；第3、4章為連續(xù)時間和基于采樣數(shù)據(jù)的分布式優(yōu)化算法；第5、6章分別為基于群體智能的分布式優(yōu)化算法和分布式機器學習算法；第7章為基于自適應神經(jīng)網(wǎng)絡輸出反饋控制的分布式合作學習方案設計。本書主要關(guān)注從分布式技術(shù)

粒計算是一種模擬人類解決復雜問題的理論方法，是人工智能研究領(lǐng)域的一個重要分支。本書從覆蓋的角度基于粗糙集理論對粒計算理論方法進行系統(tǒng)的總結(jié)和歸納，具體內(nèi)容包括：研究覆蓋近似空間中概念近似的各種方法，并給出這些近似方法的主要特點；研究基于覆蓋的知識表示的知識粒度層次關(guān)系，從定性比較和量化度量兩個方面進行分析；研究多粒度覆

本書內(nèi)容涵蓋神經(jīng)工程的各個方面，較為全面系統(tǒng)地介紹了這門交叉學科所涉及的重要內(nèi)容。本書分上、下冊，共20章，重點介紹神經(jīng)工程的應用以及研究方向，如腦-機接口、功能性電刺激、神經(jīng)成像等的基本理論知識及應用。本書遵循從微觀到宏觀，從基礎到應用，再到未來展望的順序進行編排。全書的材料來源于各個領(lǐng)域**的書籍資料以及近年來神經(jīng)

粒子群優(yōu)化算法是一種新的模仿鳥類群體行為的智能優(yōu)化算法，是群體智能優(yōu)化算法的一個重要分支，已成為國際上仿生智能計算領(lǐng)域里的研究熱點和重點之一。本書共6章，分別論述了優(yōu)化問題和仿生智能計算、模仿鳥群覓食行為的粒子群優(yōu)化算法、形式多樣的粒子群優(yōu)化算法、無速度項的粒子群優(yōu)化算法、分布估計粒子群優(yōu)化算法和粒子群優(yōu)化算法的應用等

本書系統(tǒng)介紹具有不確定性的非線性單變量系統(tǒng)、非線性多變量系統(tǒng)、非線性多變量強耦合系統(tǒng)的自適應控制以及自適應解耦控制理論和方法。本書大部分內(nèi)容取材于作者多年來在控制領(lǐng)域取得的研究成果。本書主要內(nèi)容包括非線性單變量多模型神經(jīng)網(wǎng)絡自適應控制、非線性多變量多模型神經(jīng)網(wǎng)絡自適應控制、非線性多變量多模型神經(jīng)網(wǎng)絡自適應閉環(huán)解耦控制、

脈沖神經(jīng)網(wǎng)絡應用精確定時的脈沖序列表示與處理信息，是新一代人工神經(jīng)網(wǎng)絡計算模型。本書系統(tǒng)論述了脈沖神經(jīng)網(wǎng)絡的基本理論、算法及應用。首先介紹了脈沖神經(jīng)網(wǎng)絡的基礎知識，包括脈沖神經(jīng)元的建模與分析、脈沖神經(jīng)網(wǎng)絡的模擬策略、神經(jīng)信息的編碼方法、脈沖序列的相似性度量方法等；其次討論了脈沖神經(jīng)網(wǎng)絡的學習算法、進化發(fā)育方法以及文化學

本書系統(tǒng)地論述了神經(jīng)網(wǎng)絡的主要理論、控制技術(shù)及應用實例，旨在使讀者理解和熟悉神經(jīng)網(wǎng)絡及其控制的基本原理和主要應用，掌握它的結(jié)構(gòu)和設計應用方法，主要內(nèi)容包括神經(jīng)網(wǎng)路基礎論、神經(jīng)網(wǎng)絡控制原理、感知器神經(jīng)網(wǎng)絡、BP神經(jīng)網(wǎng)絡、時滯神經(jīng)網(wǎng)絡、CMAC網(wǎng)絡、模糊神經(jīng)網(wǎng)絡控

本書旨在從理論和技術(shù)上深入介紹智能視覺感知技術(shù)的原理、技術(shù)、前沿研究內(nèi)容和智能視覺感知技術(shù)在諸多領(lǐng)域的典型應用，為在讀研究生和工程技術(shù)人員學習基于計算機的機器視覺處理的理論、技術(shù)和相關(guān)應用奠定基礎。本書的主要內(nèi)容包括智能視覺感知技術(shù)概述、攝像機標定、視覺跟蹤、目標檢測、圖像拼接與鑲嵌、圖像增強、電子穩(wěn)像、圖像融合、基于

《情感計算與情感機器人系統(tǒng)》在介紹情感計算、情感建模以及人機情感交互概念的基礎上，分析了當前人機情感交互的研究前沿，總結(jié)了在多模態(tài)情感識別方法、人機交互氛圍場建模、情感意圖理解方法、情感機器人的多模態(tài)情感表達以及人機情感交互系統(tǒng)應用方面的**研究成果，使讀者對人機情感交互有更深的理解，對促進我國在情感計算與情感機器人領(lǐng)

《學習科學視域下的網(wǎng)絡深度學習：理論·技術(shù)·趨勢》首先通過對學習科學的主旨—深度學習進行研究，借鑒學習科學領(lǐng)域?qū)�學習環(huán)境、學習過程和學習結(jié)果研究的相關(guān)成果，結(jié)合深度學習的時代背景，構(gòu)建了技術(shù)增強環(huán)境下網(wǎng)絡深度學習的理論體系和分析框架；然后對深度學習的創(chuàng)新技術(shù)、工具及場景等進行探討，對網(wǎng)絡深度學習的策略等進行推演，對國際

本書內(nèi)容一共分為三大部分：第一部分介紹證據(jù)理論的基本概念、主要問題、研究現(xiàn)狀以及主要應用等。第二部分共包括五章，主要介紹作者多年來針對證據(jù)理論在實際應用中所存在的傳感器信息建模問題、沖突證據(jù)融合問題、信度決策問題、計算復雜度問題等四個關(guān)鍵問題展開深入研究，所取得的最新研究成果及相關(guān)解決方案，同時介紹針對這些關(guān)鍵問題的國

本書將智能計算中的人工免疫系統(tǒng)用于計算機領(lǐng)域的相關(guān)問題求解，主要關(guān)注人工免疫系統(tǒng)中的克隆選擇算法、否定選擇算法、危險理論等的具體應用實現(xiàn)。本書主要介紹了基于克隆選擇算法的認知無線電網(wǎng)絡頻譜分配、頻譜決策優(yōu)化、認知OFDM資源分配方案；基于否定選擇算法的入侵防御；基于危險理論的網(wǎng)絡風險感知和評估模型與方法、用于異常檢測的

本書針對大數(shù)據(jù)的數(shù)據(jù)體量大、數(shù)據(jù)類型繁多、處理速度快、價值密度高等特點，以粒計算方法為理論基礎，以經(jīng)典粗糙集模型和區(qū)間值信息系統(tǒng)為研究對象，以Hadoop開源平臺為實驗環(huán)境，構(gòu)建大數(shù)據(jù)下知識約簡計算模型及知識獲取方法。本書主要介紹大數(shù)據(jù)下Pawlak模型知識約簡、區(qū)間值信息系統(tǒng)知識約簡、層次粗糙集模型知識約簡及知識獲取

粒計算是當前人工智能研究領(lǐng)域中模擬人類思維和解決復雜問題的新理論與新方法，它涵蓋了所有有關(guān)粒度的理論、方法和技術(shù)，是研究大規(guī)模復雜問題求解、大數(shù)據(jù)分析與挖掘、不確定性智能信息處理的有力工具。經(jīng)過十多年的發(fā)展，在與多學科交叉研究過程中，粒計算正逐步形成其特有的研究體系和內(nèi)容。本書介紹了粒計算的不確定性分析與知識獲取方法的

本書系統(tǒng)總結(jié)了集對分析在人工智能理論和技術(shù)研究的階段性成果，共12章。第1、2章為集對分析基本概念、基本理論和**進展的介紹，第3章是人工智能基礎和前沿集對分析，第4～12章依次介紹集對分析在模式識別、不確定性推理、智能決策、知識生態(tài)學、自然語言和人類語言理解、專家系統(tǒng)、神經(jīng)網(wǎng)絡、智能工程和智能社會中的應用。本書內(nèi)容豐