《神经网络设计方法与实例分析》从神经网络设计和应用实践出发，介绍了10种常见的人工神经网络的基本原理、设计方法，并从各个应用领域精选了丰富的典型应用实例进行剖析，旨在使读者对各类常用的人工神经网络的基本原理和学习算法进一步加深理解，熟悉其主要功能，掌握其设计方法，了解其主要应用，为设计各类神经网络和解决实际问题打下基础

本书对计算智能领域的主要算法进行介绍，重点讨论各种算法的思想来源、流程结构、发展改进、参数设置和相关应用，内容包括绪论以及神经网络、模糊逻辑、遗传算法、蚁群优化算法、粒子群优化算法、免疫算法、分布估计算法、Memetic算法、模拟退火算法和禁忌搜索算法等计算智能领域的典型算法。本书通俗易懂，图文并茂，深入浅出，没有其他

本书的主题是在知识发现（数据挖掘）领域“面临巨大的机遇与挑战”、“基础理论匮乏”的背景下，作为历史与逻辑发展的必然在国内外首次构造并逐步拓展与完善的“基于内在认识机理的知识发现理论”。

阐述计算智能的理论和相关的应用。重点介绍了如下三个方面的内容：计算智能的前沿技术，可以用计算智能的方法来解决的前沿问题，计算智能的最新技术在相关领域的应用。《计算智能及其应用》可作为信息科学技术领域高年级本科生和研究生的针对计算智能的入门教材，也可以供从事科研和技术开发的人员参考。IEEE计算智能协会是该领域重要学术组

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。