本書的主題是在知識發(fā)現(xiàn)（數(shù)據(jù)挖掘）領域“面臨巨大的機遇與挑戰(zhàn)”、“基礎理論匱乏”的背景下，作為歷史與邏輯發(fā)展的必然在國內(nèi)外首次構造并逐步拓展與完善的“基于內(nèi)在認識機理的知識發(fā)現(xiàn)理論”。

闡述計算智能的理論和相關的應用。重點介紹了如下三個方面的內(nèi)容：計算智能的前沿技術，可以用計算智能的方法來解決的前沿問題，計算智能的最新技術在相關領域的應用�！队嬎阒悄芗捌鋺�用》可作為信息科學技術領域高年級本科生和研究生的針對計算智能的入門教材，也可以供從事科研和技術開發(fā)的人員參考。IEEE計算智能協(xié)會是該領域重要學術組

以問題求解、知識表示、KB（基于知識的）系統(tǒng)、自動規(guī)劃、機器學習等關于人工智能的基礎級技術為主要內(nèi)容，但僅依賴這些基礎級技術，并不足以支持高性能應用的開發(fā)和運行。為此，《人工智能高級技術導論》從推動高性能智能軟件的研究和應用角度，對人工智能的高級技術作全面的導論性介紹，包括20世紀80年代開發(fā)的KB系統(tǒng)高級技術、非單調(diào)

本書分別從網(wǎng)絡構造、基本原理、學習規(guī)則以及訓練過程和應用局限性幾個方面，通過多層次、多方面的分析與綜合，介紹了人工神經(jīng)網(wǎng)絡中的各種典型網(wǎng)絡，以及各種不同神經(jīng)網(wǎng)絡之間在原理和特性等方面的不同點與相同點。

《人工智能教程學習指導與習題解析》是普通高等教育“十一五”國家級規(guī)劃教材《人工智能教程》的配套參考書，《人工智能教程學習指導與習題解析》對《人工智能教程》各章中的學習要點和基本知識點進行了總結，并通過例題解析，講解人工智能習題的求解步驟和方法。對教材中的大多數(shù)習題都給出參考解答。全書共分10章，

全書共分7篇。篇講述模擬人類自然推理的不確定性推理方法和非單調(diào)推理方法：包括專家系統(tǒng)MYCIN的不確定性推理方法、主觀Bayes方法、模糊推理、證據(jù)理論和非單調(diào)推理；第二篇講述機器學習的概念與方法：包括概念學習、決策樹學習和學習規(guī)則集合；第三篇講述計算智能：包括人工神經(jīng)網(wǎng)絡、遺傳算法和其它計算智能方法；第四篇講述如何在

本書中，作者描述了有關自然和人工系統(tǒng)中的適應問題背后隱藏的規(guī)律性及其理論。從生物系統(tǒng)到經(jīng)濟系統(tǒng)，本書建立起統(tǒng)一的適應性系統(tǒng)的理論框架，展示了如何讓計算機程序自發(fā)進化的遺傳算法，進一步又用嚴格的數(shù)學定理揭示了算法背后的理論本質(zhì)。

本書對自然計算、機器學習、圖像自動理解與解譯三個前沿領域進行了詳細的論述。主要內(nèi)容包括進化計算、人工免疫系統(tǒng)、量子計算智能、多智能體系統(tǒng)、進化多目標優(yōu)化、核機器學習、流形學習與譜圖學習、集成學習、非線性逼近理論、多尺度幾何分析、多尺度變換域圖像感知與識別、圖像的高維奇異性檢測、圖像去噪的閾值方法、SAR圖像理解與解譯。

本書以人工智能的哲學基礎和工程實踐為主線，系統(tǒng)全面地介紹了人工智能的核心知識和最新進展。主要寶庫搜索與問題求解、人工神經(jīng)網(wǎng)絡、機器學習和人工智能程序設計語言等內(nèi)容。

本書共分為11章，內(nèi)容包括：神經(jīng)網(wǎng)絡概述、感知器、線性神經(jīng)網(wǎng)絡、BP網(wǎng)絡、徑向基函數(shù)網(wǎng)絡、反饋型神經(jīng)網(wǎng)絡、競爭型神經(jīng)網(wǎng)絡、神經(jīng)網(wǎng)絡控制系統(tǒng)、圖形用戶界面等。