《MATLAB神经网络超级学习手册》以新近推出的MATLABR2013a神经网络工具箱为基础，系统全面地介绍了神经网络的各种概念和应用。《MATLAB神经网络超级学习手册》按逻辑编排，自始至终采用实例描述；内容完整且每章相对独立，是一本不可多得的掌握MATLAB神经网络的学习用书。 全书共分为16章，从MATLAB简

本书在全面总结国内外的混合免疫智能算法及其应用成果的基础上，着重介绍作者在混合免疫智能算法理论及应用这一领域的研究成果，主要包括竞争合作性协同免疫进化算法模型设计、算法分析与实验；免疫双态粒子群计算模型构建、算法分析与实验；免疫协同粒子群算法模型构建、算法分析与实验；免疫蚁群自适应融合算法设计及实验分析；以及混合免疫智

本书以模式识别领域的重要前沿课题核学习为研究对象，介绍了核自适应学习及在人脸识别、医学图像分类和三维碎片分类等各个方面的应用。主要包括基本原理、数学基础、参数选择、递归分析方法、函数构造方法、判别分析方法、主成分分析方法及核自适应学习机的典型应用。本书可供计算机专业的本科生、研究生参考阅读，旨在帮助读者透彻理解和掌握模

传统的模糊决策方法无法解决复杂的不确定情境下的评估与优化问题。语言计算是近年来为描述模糊信息、建立模糊逻辑、处理模糊现象发展起来的一种新的信息处理和管理决策工具。多粒度语言为偏好的模糊决策已经应用于项目管理、投资评估中并取得成果。本文在深入研究基于扩展原理和符号化方法的语言计算模型基础上，重新给出多粒度语言的分类。根据

粒计算是当前计算智能研究领域中模拟人类思维和解决复杂问题的新方法，它涵盖了所有有关粒度的理论、方法和技术，是研究复杂问题求解、海量数据挖掘和不确定性信息处理等问题的有力工具。经过十多年的发展，在与多学科交叉研究的过程中，粒计算正逐步形成其特有的研究体系。本书介绍了粒计算及其不确定信息度量的理论与方法的最新进展，内容涉及

人工免疫系统是模仿自然免疫系统功能的一种智能方法，是继人工神经网络、进化计算之后新的智能计算研究方向，是生命科学和计算机科学相交叉而形成的交叉学科研究热点。《人工免疫算法改进及其应用》是作者几年来科研成果的总结。全书共分9章，主要内容是在计算智能的基础上，针对人工神经网络、进化计算和人工免疫系统进行了理论研究和应用研究

作为Web2.0的典型应用之一，社会化标签具有独特的优势，可以为Web知识推送提供十分有价值的基础数据。本书借鉴数学领域的图论、物理学领域的复杂网络、社会学领域的社会网络分析、图书情报学领域的信息计量，阐述了网络分析的基本原理，进而建立基于共现分析的社会化标签网络和基于社会化标签的潜在社会网络。然后，分别构建基于用户层

粒计算是人工智能领域中的一种新理念和新方法，它覆盖了所有有关粒度的理论、方法和技术，是研究复杂问题求解、海量数据挖掘和模糊信息处理等问题的有力工具。从粒计算的观点看，在认知过程中，人们对问题的分析与求解都具有粒度性，既与认知主体的主观局限有关，也与观测工具等很多客观因素有关。粒计算理论模型中的粒的合成与分解以及问题求解

计算智能是借助现代计算工具通过模拟人的智能来求解问题(或处理信息)的理论与方法，它是人工智能的深化与发展，也是当前人工智能技术的重要组成部分。计算智能的理论和方法是信息科学、生命科学、认知科学等不同学科相互交叉、相互渗透、相互促进而产生的一门新的学科。《计算智能理论与方法》的主要内容包括进化计算方法及其应用、人工免疫系

本书主要是通过分析机器学习的研究前沿及其两大核心问题——“机器学习的可能实现路径”和“机器学习的发现功能”对这些问题展开讨论。

《前馈神经网络分析与设计》系统地论述了前馈神经网络的主要理论、设计基础及应用实例，旨在使读者了解神经网络的发展背景和研究对象，理解和熟悉它的基本原理和主要应用，掌握它的结构模型和设计应用方法，特别是前馈神经网络的参数学习算法和结构设计方法，为深入研究和应用开发打下基础。为了便于读者理解，书中尽量避免烦琐的数学推导，加强

交互式遗传算法将传统的进化机制与用户的智能评价相结合，可以有效地解决性能指标难以(甚至无法)用精确函数表示的一类复杂优化问题。但是，用户评价的不确定性和评价疲劳问题等极大地影响了交互式遗传算法的性能，严重制约了其在复杂优化问题中的应用。《高级交互式遗传算法理论与应用》以解决这些问题为切入点，在遗传算法的框架体系下，主要

云模型是研究定性概念与定量数值之间相互转换的不确定性认知模型。粒计算是当前计算智能研究领域中模拟人类思维和解决复杂问题的新方法。它覆盖了所有有关粒度的理论、方法和技术，是研究复杂问题求解、海量数据挖掘和模糊信息处理等问题的有力工具。《粒计算研究丛书：云模型与粒计算》介绍云模型与粒计算交叉研究的最新进展，由国内外相关领域

《神经网络与机器人科研项目申请与实践》分为神经网络与机器人项目申请，神经网络与计算机项目申请，机械臂理论项目申请、进展与结题，机械臂实物项目申请与进展，时变问题神经网络求解项目申请、评议与进展，和基函数、多类与海量神经网络项目申请与评议共六部分，每一部分都是由相关的申请报告，进展报告，同行反馈意见和/或结题报告系统化地

《人工智能与人工生命》介绍了人工智能的基本原理、方法及技术，还特别介绍了人工生命等人工智能前沿领域的最新进展。主要内容包括：绪论、知识表示方法、确定性推理、不确定性推理、搜索策略、机器学习、专家系统、分布式人工智能、人工生命、软件人、人工鱼、展望。

人工智能是研究解释和模拟人类智能、智能行为及其规律的一门学科。本书共16章：第1～6章讨论人工智能的认知问题和自动推理，论述逻辑基础、约束推理、定性推理、基于案例的推理、概率推理；第7～14章重点讨论机器学习和知识发现，包括归纳学习、支持向量机、解释学习、强化学习、无监督学习、关联规则、进化计算、知识发现；第15章阐述

《语义网、社会网络计算与web资源共享》以当前web主流技术和应用——语义网和社会网络软件为背景，以人们对资源共享的无止境追求为问题需求，参阅了许多经典学术文献和最新文献，在对相关国内外研究工作论述分析的基础上，介绍和分析了近几年相关研究领域的最新成果及作者的工作，内容新颖，可帮助web研究和应

《仿生智能计算》在对仿生智能计算的基本概念、类型及发展情况进行阐述的基础上，从马尔可夫链、离散参数鞅、随机逼近等角度给出了仿生智能计算的数学基础，随后对目前几种典型的仿生智能计算方法从原理、收敛性分析、应用实例等角度分别做了阐述，这些算法主要包括、遗传算法、蚁群算法、微粒群算法、免疫算法、神经网络、DNA计算及心脑计算

《计算智能》全书共4个部分，分别介绍了计算智能的4个典型代表：演化计算、群体智能算法、人工神经网络和Fuzzy计算，第1部分介绍了遗传算法、遗传程序设计、演化策略和演化规划4种主要的演化计算技术；第2部分介绍了粒子群优化和蚁群优化两种具有代表性的群体智能算法；第3部分介绍了人工神经网络的基本概念和学习算法；第4部分介绍

本书对增强学习与近似动态规划的理论、算法及应用进行了深入研究和论述。主要内容包括：求解Markov链学习预测问题的时域差值学习算法和理论，求解连续空间Markov决策问题的梯度增强学习算法以及进化一梯度混合增强学习算法，基于核的近似动态规划算法，增强学习在移动机器人导航与控制中的应用等。本书是作者在多个国家自然科学基金