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(guān)于人工智能的基礎(chǔ)級技術(shù)為主要內(nèi)容，但僅依賴這些基礎(chǔ)級技術(shù)，并不足以支持高性能應(yīng)用的開發(fā)和運行。為此，《人工智能高級技術(shù)導論》從推動高性能智能軟件的研究和應(yīng)用角度，對人工智能的高級技術(shù)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(shù)、非單調(diào)

本書分別從網(wǎng)絡(luò)構(gòu)造、基本原理、學習規(guī)則以及訓練過程和應(yīng)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(luò)中的各種典型網(wǎng)絡(luò)，以及各種不同神經(jīng)網(wǎng)絡(luò)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(jié)，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(luò)、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(guān)自然和人工系統(tǒng)中的適應(yīng)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(yīng)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(lǐng)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(chǔ)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(luò)、機器學習和人工智能程序設(shè)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(luò)概述、感知器、線性神經(jīng)網(wǎng)絡(luò)、BP網(wǎng)絡(luò)、徑向基函數(shù)網(wǎng)絡(luò)、反饋型神經(jīng)網(wǎng)絡(luò)、競爭型神經(jīng)網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)、圖形用戶界面等。

本書是一本詳細探索和展示脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)極佳圖像處理能力的專著。PCNN及其相關(guān)模型均源自生物神經(jīng)元啟發(fā)模型研究，是圖像紋理分析、邊緣提取、區(qū)域分割等非常強大的處理工具。

《機器學習／計算機科學叢書》展示了機器學習中核心的算法和理論，并闡明了算法的運行過程�！稒C器學習／計算機科學叢書》綜合了許多的研究成果，例如統(tǒng)計學、人工智能、哲學、信息論、生物學、認知科學、計算復雜性和控制論等，并以此來理解問題的背景、算法和其中的隱含假定。《機器學習／計算機科學叢書》可作為計算機專業(yè)本科生、研究生教材