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。本書大部分內容取材于作者多年來在控制領域取得的研究成果。本書主要內容包括非線性單變量多模型神經網絡自適應控制、非線性多變量多模型神經網絡自適應控制、非線性多變量多模型神經網絡自適應閉環(huán)解耦控制、

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

本書旨在從理論和技術上深入介紹智能視覺感知技術的原理、技術、前沿研究內容和智能視覺感知技術在諸多領域的典型應用，為在讀研究生和工程技術人員學習基于計算機的機器視覺處理的理論、技術和相關應用奠定基礎。本書的主要內容包括智能視覺感知技術概述、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

《學習科學視域下的網絡深度學習：理論·技術·趨勢》首先通過對學習科學的主旨—深度學習進行研究，借鑒學習科學領域對學習環(huán)境、學習過程和學習結果研究的相關成果，結合深度學習的時代背景，構建了技術增強環(huán)境下網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、工具及場景等進行探討，對網絡深度學習的策略等進行推演，對國際

本書內容一共分為三大部分：第一部分介紹證據理論的基本概念、主要問題、研究現狀以及主要應用等。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、沖突證據融合問題、信度決策問題、計算復雜度問題等四個關鍵問題展開深入研究，所取得的最新研究成果及相關解決方案，同時介紹針對這些關鍵問題的國

本書將智能計算中的人工免疫系統(tǒng)用于計算機領域的相關問題求解，主要關注人工免疫系統(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。本書主要介紹了基于克隆選擇算法的認知無線電網絡頻譜分配、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

本書針對大數據的數據體量大、數據類型繁多、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，構建大數據下知識約簡計算模型及知識獲取方法。本書主要介紹大數據下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，它涵蓋了所有有關粒度的理論、方法和技術，是研究大規(guī)模復雜問題求解、大數據分析與挖掘、不確定性智能信息處理的有力工具。經過十多年的發(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)總結了集對分析在人工智能理論和技術研究的階段性成果，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)、神經網絡、智能工程和智能社會中的應用。本書內容豐

內容簡介 面對科技的迅猛發(fā)展，我國政府制定了《新一代人工智能發(fā)展規(guī)劃》，將人工智能上升到國家戰(zhàn)略層面，并提出：人工智能產業(yè)要成為新的重要經濟增長點，而且要在2030年成為世界主要人工智能創(chuàng)新中心，為躋身創(chuàng)新型國家前列和經濟強國奠定重要基礎。 《人工智能》一書由騰訊一流團隊與工信部高端智庫傾

本書內容包括：知識重構與抽象模型框架及其擴展概述；業(yè)務流程模型與抽象相關概念；KRA模型框架的智能世界擴展；業(yè)務流程的一般抽象模型框架；基于聚類技術的業(yè)務流程模型抽象。

《徑向基函數神經網絡及協(xié)同進化學習》系統(tǒng)地介紹利用協(xié)同進化理論優(yōu)化徑向基函數神經網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神經網絡算法，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神經網絡算法，并采用啟發(fā)式搜索改進網絡結構。第三，提

本書內容包括：一類四次指數多項式的零點分布；無自反饋的具時滯的四維神經網絡模型的Hopf分支；無自反饋的具時滯的四維神經網絡模型的Pitchfork分支等。

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

在大數據背景下，傳統(tǒng)的決策管理正在從以管理流程為主逐漸向以數據為中心的范式轉變，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，開源數據庫SciDB開發(fā)商Paradigm4進行的一項針對111名北美數據科學家的調查顯示，71%的數據科學家認為數據的多樣性構成的挑戰(zhàn)，遠大于數據總量構成的威脅和挑戰(zhàn)。多種粒度、多種數

本書針對大數據呈現的體量巨大、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，構建大數據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、數據融合、大數據并行處理等成果，反映了基于粒計算和粗糙集視角處理大數據的最新進展。

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。

本書主要內容是研究非線性隨機時滯神經網絡系統(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)、隨機遞歸時滯神經網絡、具不定脈沖參數的雙向神經網絡、Cohen-Grossberg型神經網絡及其隨機脈沖情況、一維整數格時滯細胞神經網絡和分流抑制細胞神經網絡。

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。