高級專家系統(tǒng):第二版介紹專家系統(tǒng)的理論基礎(chǔ)、設(shè)計技術(shù)及其應(yīng)用,共11章。高級專家系統(tǒng):概述專家系統(tǒng)定義、發(fā)展歷史、類型、結(jié)構(gòu)和特點以及專家系統(tǒng)構(gòu)建的步驟;討論開發(fā)專家系統(tǒng)時可能采用的人工智能的知識表示方法和搜索推理技術(shù);探討專家的解釋機制;研究基于規(guī)則專家系統(tǒng)、基于框架專家系統(tǒng)、基于模型專家系統(tǒng)、基于Web專家系統(tǒng)和實

《動態(tài)信任多Agent量化建模與方法研究》是作者在人工智能領(lǐng)域中智能計算和多智能體系統(tǒng)研究方向上近幾年研究成果的系統(tǒng)總結(jié)。在總結(jié)目前國內(nèi)外該研究方向發(fā)展現(xiàn)狀的基礎(chǔ)上，著重介紹作者在這一領(lǐng)域研究的新觀點、新思路和新成果，主要包括：智能Agent原理和體系結(jié)構(gòu)、知識表達、Agent學習、通信機制、多Agent系統(tǒng)組織、交互

《MATLAB神經(jīng)網(wǎng)絡(luò)超級學習手冊》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�！禡ATLAB神經(jīng)網(wǎng)絡(luò)超級學習手冊》按邏輯編排，自始至終采用實例描述；內(nèi)容完整且每章相對獨立，是一本不可多得的掌握MATLAB神經(jīng)網(wǎng)絡(luò)的學習用書。 全書共分為16章，從MATLAB簡

傳統(tǒng)的模糊決策方法無法解決復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

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，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

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

《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