以问题求解、知识表示、KB（基于知识的）系统、自动规划、机器学习等关于人工智能的基础级技术为主要内容，但仅依赖这些基础级技术，并不足以支持高性能应用的开发和运行。为此，《人工智能高级技术导论》从推动高性能智能软件的研究和应用角度，对人工智能的高级技术作全面的导论性介绍，包括20世纪80年代开发的KB系统高级技术、非单调

本书分别从网络构造、基本原理、学习规则以及训练过程和应用局限性几个方面，通过多层次、多方面的分析与综合，介绍了人工神经网络中的各种典型网络，以及各种不同神经网络之间在原理和特性等方面的不同点与相同点。

《人工智能教程学习指导与习题解析》是普通高等教育“十一五”国家级规划教材《人工智能教程》的配套参考书，《人工智能教程学习指导与习题解析》对《人工智能教程》各章中的学习要点和基本知识点进行了总结，并通过例题解析，讲解人工智能习题的求解步骤和方法。对教材中的大多数习题都给出参考解答。全书共分10章，

全书共分7篇。篇讲述模拟人类自然推理的不确定性推理方法和非单调推理方法：包括专家系统MYCIN的不确定性推理方法、主观Bayes方法、模糊推理、证据理论和非单调推理；第二篇讲述机器学习的概念与方法：包括概念学习、决策树学习和学习规则集合；第三篇讲述计算智能：包括人工神经网络、遗传算法和其它计算智能方法；第四篇讲述如何在

本书中，作者描述了有关自然和人工系统中的适应问题背后隐藏的规律性及其理论。从生物系统到经济系统，本书建立起统一的适应性系统的理论框架，展示了如何让计算机程序自发进化的遗传算法，进一步又用严格的数学定理揭示了算法背后的理论本质。

本书对自然计算、机器学习、图像自动理解与解译三个前沿领域进行了详细的论述。主要内容包括进化计算、人工免疫系统、量子计算智能、多智能体系统、进化多目标优化、核机器学习、流形学习与谱图学习、集成学习、非线性逼近理论、多尺度几何分析、多尺度变换域图像感知与识别、图像的高维奇异性检测、图像去噪的阈值方法、SAR图像理解与解译。

本书以人工智能的哲学基础和工程实践为主线，系统全面地介绍了人工智能的核心知识和最新进展。主要宝库搜索与问题求解、人工神经网络、机器学习和人工智能程序设计语言等内容。

本书共分为11章，内容包括：神经网络概述、感知器、线性神经网络、BP网络、径向基函数网络、反馈型神经网络、竞争型神经网络、神经网络控制系统、图形用户界面等。

本书是一本详细探索和展示脉冲耦合神经网络(PCNN)极佳图像处理能力的专著。PCNN及其相关模型均源自生物神经元启发模型研究，是图像纹理分析、边缘提取、区域分割等非常强大的处理工具。

《机器学习／计算机科学丛书》展示了机器学习中核心的算法和理论，并阐明了算法的运行过程。《机器学习／计算机科学丛书》综合了许多的研究成果，例如统计学、人工智能、哲学、信息论、生物学、认知科学、计算复杂性和控制论等，并以此来理解问题的背景、算法和其中的隐含假定。《机器学习／计算机科学丛书》可作为计算机专业本科生、研究生教材