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，没有其他算法书中大量公式、定理、证明等难懂的内容，而是通过大量的图表示例对各个算法进行说明和介绍。本书不但提供了算法实现的流程图和伪代码，而且通过具体的应用举例对算法的使用方法和使用过

　　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、非单调推理和软计算、基于范例的推理、关于时间和空间的推理，90年代兴起的Agent技术和多Agent协同工作，进入21世纪后机器学习研究与应用的新进展，以及新一代网络计算的技术基础及

　　《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，和《人工智能教程》的内容相对应。
　　 　　《人工智能教程学习指导与习题解析》可作为高等学校计算机科学与技术专业及其相关专业本科生或硕士研究生学习\"人工智能原理\"课程

    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。
　　本书着重对上述领域的国内外发展现状进行总结，阐述作者对相关领域未来发展的研究与思考。本书可以作为计算机科学、信息科学、人工智能自动化技术等领域从事自然计算、机器学习、图

    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，也可作为相关领域研究人员、教师的参考书。

     包括搜索技术、各种知识表示和处理技术、各种典型（精确的和非精确的）的推理技术、专家系统开发技术、机器学习、自然语言处理技术，这些内容能够使读者对人工智能的基本概念和人工智能系统的构造技术和方法有一个比较清楚的认识。介绍人工智能研究领域里的最新成果的内容有分布式人工智能、

本书主要阐述人工智能问题求解方法的一般性原理和基本思想。主要内容有：一般的搜索问题包括盲目搜索和启发式搜索等；与或图搜索，包括AO算法和博亦树搜索等；谓词逻辑以及基于归结的定理证明方法；知识表示，包括产生式方法、语义网络、框架等；不确定性推理方法，包括贝叶斯方法、证据理论和确定性方法等；机器学习，包括实例学习、解释学习、决策树学习和神经网络等；高级搜索，包括局部搜索方法、模拟退火方法和遗传算法等。
本书可作为计算机专业的本科生或者研究生学习人工智能基础课程的教材或参考书。

　　《人工智能原理与方法》较全面地介绍了人工智能的基本理论、方法及其应用技术。全书共12章，可分为三大部分：第一部分包括第1章至第6章，论述了人工智能的三大技术，即知识表示、推理及搜索，重点讨论了不确定性的表示及处理技术；第二部分包括第7章至第10章，着重讨论了专家系统、机器学习、模式识别及智能决策支持系统等研究领域的有关概念及系统构成技术；第三部分包括第11章和第12章，分别讨论了神经网络和智能计算机的概念、模型、研究现状及展望等。
　　《人工智能原理与方法》取材新颖，具有系统性