本書從仿生學(xué)的角度,闡述AI面臨的挑戰(zhàn)和前沿研究方向,同時(shí)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(xué)或其他學(xué)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(chǔ)。本書強(qiáng)調(diào)新視野、先進(jìn)性、實(shí)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?qū)崿F(xiàn)，附在隨書光盤

20世紀(jì)50年代以來，人工智能出現(xiàn)了符號主義、連接主義和行為主義等主導(dǎo)性研究范式。理論界普遍認(rèn)為，人工智能已經(jīng)超越了現(xiàn)有的范式理論，逐步形成了一種融合的趨勢。然而，如何對人工智能各研究范式進(jìn)行融合以及在什么樣的基礎(chǔ)上進(jìn)行融合，這一難題成為人工智能理論進(jìn)一步發(fā)展的瓶頸所在。本書從貫穿整個(gè)人工智能發(fā)展過程的兩條主要線索--

借鑒生物免疫系統(tǒng)的分層防御機(jī)理以及層次間的相互作用，作者提出了用于機(jī)電設(shè)備故障診斷的免疫診斷模型。將故障檢測與診斷功能進(jìn)行整合，研究機(jī)電設(shè)備異常檢測與故障診斷的免疫算法與模型，分層解決設(shè)備的狀態(tài)監(jiān)測、故障定位與診斷等關(guān)鍵問題，建立了異常狀態(tài)監(jiān)測與故障診斷一體化的快速反應(yīng)機(jī)制。第一層，異常追蹤監(jiān)測。在獲取設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)

《神經(jīng)系統(tǒng)建模與控制工程》結(jié)合神經(jīng)生物學(xué)、神經(jīng)計(jì)算科學(xué)與自動控制科學(xué)的交叉優(yōu)勢，主要介紹了神經(jīng)系統(tǒng)場效應(yīng)的動力學(xué)模型，分析了外電場作用下的神經(jīng)元以及神經(jīng)元網(wǎng)絡(luò)的動力學(xué)特性，重點(diǎn)闡述參數(shù)辨識方法在神經(jīng)系統(tǒng)建模中的應(yīng)用，以及先進(jìn)控制算法例如優(yōu)化控制、迭代學(xué)習(xí)、模型預(yù)測控制等在單神經(jīng)元放電模式以及神經(jīng)元網(wǎng)絡(luò)同步特性控制中的應(yīng)

本書以復(fù)雜神經(jīng)網(wǎng)絡(luò)定性穩(wěn)定性研究為核心,并結(jié)合定量研究深入展開,形成容納復(fù)雜網(wǎng)絡(luò)和多智能體系統(tǒng)的動態(tài)特性的研究脈絡(luò)。本書的特點(diǎn)是在動力系統(tǒng)和穩(wěn)定性之間的關(guān)系上進(jìn)行了詳盡的闡述,傳統(tǒng)的動力神經(jīng)網(wǎng)絡(luò)和當(dāng)下的復(fù)雜神經(jīng)網(wǎng)絡(luò)及多智能體之間的關(guān)系進(jìn)行闡述,揭示了大規(guī)模系統(tǒng)之間的演化關(guān)系。同時(shí),針對單穩(wěn)定性、多穩(wěn)定性、周期解和不變集

《生物信息學(xué)中的機(jī)器學(xué)習(xí)分析方法》針對生物信息學(xué)領(lǐng)域中海量的生物數(shù)據(jù)，分別從微陣列數(shù)據(jù)的分析和處理、基因調(diào)控網(wǎng)絡(luò)的分析和構(gòu)建以及蛋白質(zhì)相互作用網(wǎng)絡(luò)的分析等角度，系統(tǒng)介紹機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)習(xí)及各種智能算法在生物信息學(xué)相關(guān)領(lǐng)域的應(yīng)用。機(jī)器學(xué)習(xí)在生物信息學(xué)領(lǐng)域的研究重心集中在觀測和探索生物現(xiàn)象，以及建立統(tǒng)一的形式化的模型對生物

通常一個(gè)用于解決復(fù)雜非線性問題的人工神經(jīng)網(wǎng)絡(luò)模型具有大量的神經(jīng)元，并且它們之間的連接是非常復(fù)雜的。在實(shí)際中人們很難完全知道每個(gè)神經(jīng)元的狀態(tài)信息，因此對時(shí)滯遞歸神經(jīng)網(wǎng)絡(luò)的狀態(tài)估計(jì)問題的研究具有非常重要的意義�！稌r(shí)滯遞歸神經(jīng)網(wǎng)絡(luò)的狀態(tài)估計(jì)理論與應(yīng)用》主要介紹有關(guān)時(shí)滯遞歸神經(jīng)網(wǎng)絡(luò)的狀態(tài)估計(jì)理論和應(yīng)用的最新成果，運(yùn)用多種不同的

本書緊緊圍繞物聯(lián)網(wǎng)中“感知層、傳輸層、應(yīng)用層”所涉及的三大類技術(shù)架構(gòu)組成的物聯(lián)網(wǎng)技術(shù)知識體系安排教學(xué)內(nèi)容。主要內(nèi)容包括：物聯(lián)網(wǎng)的基本概念、體系結(jié)構(gòu)、標(biāo)準(zhǔn)化、關(guān)鍵技術(shù)以及主要應(yīng)用領(lǐng)域與發(fā)展；感知技術(shù)、射頻識別（RFID）技術(shù)原理及應(yīng)用；傳感器及無線傳感網(wǎng)絡(luò)的基本知識及應(yīng)用；與物聯(lián)網(wǎng)相關(guān)的通信與網(wǎng)絡(luò)技術(shù)；云計(jì)算及智能信息處

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(jì)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(diǎn)以及專家系統(tǒng)構(gòu)建的步驟;討論開發(fā)專家系統(tǒng)時(shí)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(jī)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(shí)

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(jì)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(xiàng)目管理、投資評估中并取得成果。本文在深入研究基于擴(kuò)展原理和符號化方法的語言計(jì)算模型基礎(chǔ)上，重新給出多粒度語言的分類。根據(jù)