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?qū)崿F(xiàn)，附在隨書光盤

20世紀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性研究范式。理論界普遍認為，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行融合以及在什么樣的基礎上進行融合，這一難題成為人工智能理論進一步發(fā)展的瓶頸所在。本書從貫穿整個人工智能發(fā)展過程的兩條主要線索--

借鑒生物免疫系統(tǒng)的分層防御機理以及層次間的相互作用，作者提出了用于機電設備故障診斷的免疫診斷模型。將故障檢測與診斷功能進行整合，研究機電設備異常檢測與故障診斷的免疫算法與模型，分層解決設備的狀態(tài)監(jiān)測、故障定位與診斷等關鍵問題，建立了異常狀態(tài)監(jiān)測與故障診斷一體化的快速反應機制。第一層，異常追蹤監(jiān)測。在獲取設備運行狀態(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、神經(jīng)計算科學與自動控制科學的交叉優(yōu)勢，主要介紹了神經(jīng)系統(tǒng)場效應的動力學模型，分析了外電場作用下的神經(jīng)元以及神經(jīng)元網(wǎng)絡的動力學特性，重點闡述參數(shù)辨識方法在神經(jīng)系統(tǒng)建模中的應用，以及先進控制算法例如優(yōu)化控制、迭代學習、模型預測控制等在單神經(jīng)元放電模式以及神經(jīng)元網(wǎng)絡同步特性控制中的應

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

《生物信息學中的機器學習分析方法》針對生物信息學領域中海量的生物數(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)絡的分析和構建以及蛋白質(zhì)相互作用網(wǎng)絡的分析等角度，系統(tǒng)介紹機器學習、統(tǒng)計學習及各種智能算法在生物信息學相關領域的應用。機器學習在生物信息學領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

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

本書緊緊圍繞物聯(lián)網(wǎng)中“感知層、傳輸層、應用層”所涉及的三大類技術架構組成的物聯(lián)網(wǎng)技術知識體系安排教學內(nèi)容。主要內(nèi)容包括：物聯(lián)網(wǎng)的基本概念、體系結(jié)構、標準化、關鍵技術以及主要應用領域與發(fā)展；感知技術、射頻識別（RFID）技術原理及應用；傳感器及無線傳感網(wǎng)絡的基本知識及應用；與物聯(lián)網(wǎng)相關的通信與網(wǎng)絡技術；云計算及智能信息處

高級專家系統(tǒng):第二版介紹專家系統(tǒng)的理論基礎、設計技術及其應用,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)構和特點以及專家系統(tǒng)構建的步驟;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;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

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上，重新給出多粒度語言的分類。根據(jù)