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。

      该书系统地论述了人工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，掌握它有结构和设计应用方法，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，加强了应用举例，并在内容的选择和编排上注意到读者初次接触新概念的易接受性和思维的逻辑性。作为扩充知识，书中还介绍了人工神经系统的基本概念、体系结构、控制特生及信息模式。
　　作者于1996年起

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