傳統(tǒng)的模糊決策方法無法解決復雜的不確定情境下的評估與優(yōu)化問題。語言計算是近年來為描述模糊信息、建立模糊邏輯、處理模糊現(xiàn)象發(fā)展起來的一種新的信息處理和管理決策工具。多粒度語言為偏好的模糊決策已經(jīng)應用于項目管理、投資評估中并取得成果。本文在深入研究基于擴展原理和符號化方法的語言計算模型基礎(chǔ)上，重新給出多粒度語言的分類。根據(jù)

作為Web2.0的典型應用之一，社會化標簽具有獨特的優(yōu)勢，可以為Web知識推送提供十分有價值的基礎(chǔ)數(shù)據(jù)。本書借鑒數(shù)學領(lǐng)域的圖論、物理學領(lǐng)域的復雜網(wǎng)絡(luò)、社會學領(lǐng)域的社會網(wǎng)絡(luò)分析、圖書情報學領(lǐng)域的信息計量，闡述了網(wǎng)絡(luò)分析的基本原理，進而建立基于共現(xiàn)分析的社會化標簽網(wǎng)絡(luò)和基于社會化標簽的潛在社會網(wǎng)絡(luò)。然后，分別構(gòu)建基于用戶層

《前饋神經(jīng)網(wǎng)絡(luò)分析與設(shè)計》系統(tǒng)地論述了前饋神經(jīng)網(wǎng)絡(luò)的主要理論、設(shè)計基礎(chǔ)及應用實例，旨在使讀者了解神經(jīng)網(wǎng)絡(luò)的發(fā)展背景和研究對象，理解和熟悉它的基本原理和主要應用，掌握它的結(jié)構(gòu)模型和設(shè)計應用方法，特別是前饋神經(jīng)網(wǎng)絡(luò)的參數(shù)學習算法和結(jié)構(gòu)設(shè)計方法，為深入研究和應用開發(fā)打下基礎(chǔ)。為了便于讀者理解，書中盡量避免煩瑣的數(shù)學推導，加強

云模型是研究定性概念與定量數(shù)值之間相互轉(zhuǎn)換的不確定性認知模型。粒計算是當前計算智能研究領(lǐng)域中模擬人類思維和解決復雜問題的新方法。它覆蓋了所有有關(guān)粒度的理論、方法和技術(shù)，是研究復雜問題求解、海量數(shù)據(jù)挖掘和模糊信息處理等問題的有力工具。《粒計算研究叢書：云模型與粒計算》介紹云模型與粒計算交叉研究的最新進展，由國內(nèi)外相關(guān)領(lǐng)域

《時滯系統(tǒng)穩(wěn)定性分析與應用》結(jié)合作者近年來的研究工作，詳細介紹了時滯系統(tǒng)穩(wěn)定性的理論與方法及其在時滯神經(jīng)網(wǎng)絡(luò)、網(wǎng)絡(luò)化控制等領(lǐng)域的應用。主要內(nèi)容包括：中立時滯系統(tǒng)的穩(wěn)定性分析與鎮(zhèn)定控制器設(shè)計、時變時滯系統(tǒng)的時滯范圍相關(guān)穩(wěn)定性條件和時滯變化率范圍相關(guān)穩(wěn)定性條件、分布式時滯系統(tǒng)的時滯相關(guān)穩(wěn)定性條件、不確定時滯系統(tǒng)的H∞濾波、

人工智能是研究解釋和模擬人類智能、智能行為及其規(guī)律的一門學科。本書共16章：第1～6章討論人工智能的認知問題和自動推理，論述邏輯基礎(chǔ)、約束推理、定性推理、基于案例的推理、概率推理；第7～14章重點討論機器學習和知識發(fā)現(xiàn)，包括歸納學習、支持向量機、解釋學習、強化學習、無監(jiān)督學習、關(guān)聯(lián)規(guī)則、進化計算、知識發(fā)現(xiàn)；第15章闡述

本書對增強學習與近似動態(tài)規(guī)劃的理論、算法及應用進行了深入研究和論述。主要內(nèi)容包括：求解Markov鏈學習預測問題的時域差值學習算法和理論，求解連續(xù)空間Markov決策問題的梯度增強學習算法以及進化一梯度混合增強學習算法，基于核的近似動態(tài)規(guī)劃算法，增強學習在移動機器人導航與控制中的應用等。本書是作者在多個國家自然科學基金

本書在哈爾濱工業(yè)大學“自動控制原理”課程歷屆教材的基礎(chǔ)上編寫，并進行了四次修訂。內(nèi)容包括系統(tǒng)的數(shù)學模型、時域分析法、根軌跡法、頻率特性法、典型非線性環(huán)節(jié)、計算機控制系統(tǒng)、現(xiàn)代控制理論基礎(chǔ)。最后按照全書內(nèi)容逐章介紹MATLAB的應用，包括系統(tǒng)分析、設(shè)計和仿真框圖等。