本書針對(duì)大數(shù)據(jù)呈現(xiàn)的體量巨大、多源異構(gòu)、動(dòng)態(tài)性和不確定性等特點(diǎn)，以粒計(jì)算理論為基礎(chǔ)，以優(yōu)勢(shì)關(guān)系粗糙集模型為研究對(duì)象，以增量學(xué)習(xí)技術(shù)為方法，以并行計(jì)算框架為支撐，構(gòu)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(guān)領(lǐng)域?qū)W者在動(dòng)態(tài)知識(shí)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(jì)算和粗糙集視角處理大數(shù)據(jù)的最新進(jìn)展。

本書以多智能體系統(tǒng)協(xié)同群集運(yùn)動(dòng)控制為主線，首先介紹圖論和控制器設(shè)計(jì)所用到的基礎(chǔ)理論知識(shí)；其次，分別從拓?fù)浣Y(jié)構(gòu)的邊保持和代數(shù)連通度兩個(gè)角度介紹了連通性保持條件下的協(xié)同群集運(yùn)動(dòng)控制協(xié)議設(shè)計(jì)方法。進(jìn)而，從個(gè)體動(dòng)態(tài)模型和拓?fù)浣Y(jié)構(gòu)模型兩方面繼續(xù)深入，針對(duì)典型的輪式移動(dòng)機(jī)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(jiǎn)

本書對(duì)近年來(lái)認(rèn)知計(jì)算和多目標(biāo)優(yōu)化領(lǐng)域常見(jiàn)的理論及技術(shù)進(jìn)行了較為全面的闡述和總結(jié)，并結(jié)合作者多年的研究成果，對(duì)相關(guān)理論及技術(shù)在應(yīng)用領(lǐng)域的實(shí)踐情況進(jìn)行了展示和報(bào)告。

本書對(duì)近年來(lái)稀疏學(xué)習(xí)、分類與識(shí)別領(lǐng)域常見(jiàn)的理論及技術(shù)進(jìn)行了較為全面的闡述和總結(jié)，并結(jié)合作者多年的研究成果，對(duì)相關(guān)理論及技術(shù)在應(yīng)用領(lǐng)域的實(shí)踐情況進(jìn)行了展示和報(bào)告。

《神經(jīng)網(wǎng)絡(luò)導(dǎo)論》共5章，第1章主要介紹神經(jīng)網(wǎng)絡(luò)、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(luò)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(luò)，即Hopfield神經(jīng)網(wǎng)絡(luò)、細(xì)胞神經(jīng)網(wǎng)絡(luò)與雙向聯(lián)想（BAM）神經(jīng)網(wǎng)絡(luò)的模型及動(dòng)力學(xué)問(wèn)題；第4章介紹復(fù)雜神經(jīng)網(wǎng)絡(luò)模型及動(dòng)力學(xué)問(wèn)題；第5章介紹神經(jīng)網(wǎng)絡(luò)的應(yīng)用

隨著信息爆炸產(chǎn)生的海量數(shù)據(jù)時(shí)代的來(lái)臨，數(shù)據(jù)中所蘊(yùn)含的價(jià)值將會(huì)對(duì)人類社會(huì)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(duì)科技進(jìn)步以及經(jīng)濟(jì)發(fā)展產(chǎn)生巨大的推動(dòng)作用，孕育出前所未有的機(jī)遇。針對(duì)大數(shù)據(jù)技術(shù)體系架構(gòu)，本著作總結(jié)出在大數(shù)據(jù)處理流程中，所面臨不同層面的問(wèn)題及其相互關(guān)系，

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(dòng)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(kāi)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(lái)，人工智能出現(xiàn)了符號(hào)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(shì)。然而，如何對(duì)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(guò)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(cè)與診斷功能進(jìn)行整合，研究機(jī)電設(shè)備異常檢測(cè)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(cè)、故障定位與診斷等關(guān)鍵問(wèn)題，建立了異常狀態(tài)監(jiān)測(cè)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(cè)。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(dòng)控制科學(xué)的交叉優(yōu)勢(shì)，主要介紹了神經(jīng)系統(tǒng)場(chǎng)效應(yīng)的動(dòng)力學(xué)模型，分析了外電場(chǎng)作用下的神經(jīng)元以及神經(jīng)元網(wǎng)絡(luò)的動(dòng)力學(xué)特性，重點(diǎn)闡述參數(shù)辨識(shí)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(cè)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)