《徑向基函數(shù)神經(jīng)網(wǎng)絡及協(xié)同進化學習》系統(tǒng)地介紹利用協(xié)同進化理論優(yōu)化徑向基函數(shù)神經(jīng)網(wǎng)絡學習的基本理論與方法，共分為7個章節(jié)。**，提出基于合作型協(xié)同進化的徑向基函數(shù)神經(jīng)網(wǎng)絡算法，引入聚類層并以聚類后的隱節(jié)點群作為子種群進行協(xié)同進化操作。第二，提出基于協(xié)同覆蓋的徑向基函數(shù)神經(jīng)網(wǎng)絡算法，并采用啟發(fā)式搜索改進網(wǎng)絡結構。第三，提

本書內(nèi)容包括：一類四次指數(shù)多項式的零點分布；無自反饋的具時滯的四維神經(jīng)網(wǎng)絡模型的Hopf分支；無自反饋的具時滯的四維神經(jīng)網(wǎng)絡模型的Pitchfork分支等。

本書基于多重共現(xiàn)的知識發(fā)現(xiàn)方法的研究致力于將三個或三個以上特征項共現(xiàn)的現(xiàn)象作為研究主體，在總結現(xiàn)有的共現(xiàn)研究方法、數(shù)據(jù)挖掘技術、可視化技術、知識發(fā)現(xiàn)方法的基礎上，拓展共現(xiàn)現(xiàn)象的研究范圍。本書界定了多重共現(xiàn)的概念，構建了一套多重共現(xiàn)的基礎理論體系，研究了可用于多重共現(xiàn)的可視化方式，設計并開發(fā)了三重共現(xiàn)的可視化分析工具，并

在大數(shù)據(jù)背景下，傳統(tǒng)的決策管理正在從以管理流程為主逐漸向以數(shù)據(jù)為中心的范式轉變，決策管理中各參與方提供的相關信息流向更趨于多元和交互，開源數(shù)據(jù)庫SciDB開發(fā)商Paradigm4進行的一項針對111名北美數(shù)據(jù)科學家的調(diào)查顯示，71%的數(shù)據(jù)科學家認為數(shù)據(jù)的多樣性構成的挑戰(zhàn)，遠大于數(shù)據(jù)總量構成的威脅和挑戰(zhàn)。多種粒度、多種數(shù)

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。

本書借鑒認知科學的理論研究成果，對本體學習過程中的認知狀態(tài)及其變化進行深入研究，提出本體學習的認知模型，給出該模型的形式化表示及實現(xiàn)方法。此外，本書還對本體學習研究的發(fā)展方向進行展望。

本書主要內(nèi)容是研究非線性隨機時滯神經(jīng)網(wǎng)絡系統(tǒng)的穩(wěn)定與脈沖鎮(zhèn)定。這些系統(tǒng)包括脈沖隨機泛函系統(tǒng)、隨機遞歸時滯神經(jīng)網(wǎng)絡、具不定脈沖參數(shù)的雙向神經(jīng)網(wǎng)絡、Cohen-Grossberg型神經(jīng)網(wǎng)絡及其隨機脈沖情況、一維整數(shù)格時滯細胞神經(jīng)網(wǎng)絡和分流抑制細胞神經(jīng)網(wǎng)絡。

本書介紹了商空間理論、三支決策理論和粗糙集理論等粒計算研究的概述和最新進展。全書共16章，主要由主要由三部分組成，具體包括問題求解商空間理論形成始末、商空間理論及應用綜述、多粒度上空間分類搜索與結構分析、基于力度空間的最優(yōu)聚類模型及應用等。

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。

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。

本書從自組織、耗散結構、混沌研究、自創(chuàng)生理論、進化理論的方向對生命與生態(tài)環(huán)境的歷史、前景與對策進行深入的探討，介紹了從機械世界觀到整體生態(tài)世界觀的重要飛躍。

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

本書內(nèi)容分三部分：證據(jù)推理方法；置信規(guī)劃庫建模方法；證據(jù)推理與置信規(guī)則庫的應用。

知識遷移的目標是使機器具有和人一樣的“舉一反三”的能力，通過已掌握的知識來完成新的任務。知識遷移是機器突破程式化約束，具有自主學習能力的關鍵因素，近年來已成為人工智能的研究熱點之一。從“如何遷移”“遷移什么”與“何時遷移”等角度入手，系統(tǒng)闡述了關聯(lián)知識的表達形式、遷移的方式與手段以及實現(xiàn)遷移的時機等問題。然而知識遷移方

《神經(jīng)網(wǎng)絡導論》共5章，第1章主要介紹神經(jīng)網(wǎng)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(jīng)網(wǎng)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(jīng)網(wǎng)絡，即Hopfield神經(jīng)網(wǎng)絡、細胞神經(jīng)網(wǎng)絡與雙向聯(lián)想（BAM）神經(jīng)網(wǎng)絡的模型及動力學問題；第4章介紹復雜神經(jīng)網(wǎng)絡模型及動力學問題；第5章介紹神經(jīng)網(wǎng)絡的應用

本書用豐富的圖示和實驗，將物體的自動理解技術和機器學習的理論相結合，以實現(xiàn)物體的自動理解技術為主線，以機器學習的理論作為主要方法，結合實例逐步深入地介紹了機器學習相關理論。主要內(nèi)容包括特征提取、三維網(wǎng)格分割、三維場景重建、三維模型功能性分析等，涵蓋了目前常用的主流的各種學習方法。本書結構緊湊，內(nèi)容逐步深入，同時包含大量

隨著信息爆炸產(chǎn)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(chǎn)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(jīng)濟發(fā)展產(chǎn)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(diào)新視野、先進性、實用性和可讀性，書中涉及的經(jīng)典例子和算法都將提供程序實現(xiàn)，附在隨書光盤

《基于逼近論的多模態(tài)信息表示》從逼近論角度，由最基本的線性無關函數(shù)基（插值基、奇異值分解、主成分分析）出發(fā)，到正交函數(shù)基（傅里葉變換、小波基），再到一般通用逼近算子（人工神經(jīng)網(wǎng)絡），延伸至過完備基（壓縮傳感、稀疏表示），最后實現(xiàn)分層特征表示（深度學習）。通過基函數(shù)表示信息的思想貫穿始終，作者希望由此啟發(fā)讀者更進一步思考

自然計算是國際上一個新的計算領域研究熱點。本書為國內(nèi)第一部以自然計算為主要內(nèi)容的專著。第一部分首先對傳統(tǒng)的自然計算方法-人工神經(jīng)網(wǎng)絡、進化計算、模糊系統(tǒng)等簡要回顧并介紹其最新的進展情況。第二部分從第二章開始到第七章重點介紹生物啟發(fā)的計算、物理啟發(fā)的計算、化學啟發(fā)的計算等重要的新興的自然計算方法及體系。第三部分介紹與自然