本書針對大數(shù)據(jù)的數(shù)據(jù)體量大、數(shù)據(jù)類型繁多、處理速度快、價值密度高等特點，以粒計算方法為理論基礎，以經(jīng)典粗糙集模型和區(qū)間值信息系統(tǒng)為研究對象，以Hadoop開源平臺為實驗環(huán)境，構建大數(shù)據(jù)下知識約簡計算模型及知識獲取方法。本書主要介紹大數(shù)據(jù)下Pawlak模型知識約簡、區(qū)間值信息系統(tǒng)知識約簡、層次粗糙集模型知識約簡及知識獲取

本書系統(tǒng)地介紹了自動控制的基本理論。全書共8章。第1章介紹自動控制的一些基本概念；第2章介紹控制系統(tǒng)的輸入-輸出模型，包括系統(tǒng)運動方程、傳遞函數(shù)、頻率特性函數(shù)、框圖和信號流圖等；第3章介紹控制系統(tǒng)的狀態(tài)空間模型；第4章介紹控制系統(tǒng)的穩(wěn)定性分析；第5章介紹控制系統(tǒng)的時域運動分析；第6章介紹系統(tǒng)校正方法；第7章介紹線性控制

粒計算是當前人工智能研究領域中模擬人類思維和解決復雜問題的新理論與新方法，它涵蓋了所有有關粒度的理論、方法和技術，是研究大規(guī)模復雜問題求解、大數(shù)據(jù)分析與挖掘、不確定性智能信息處理的有力工具。經(jīng)過十多年的發(fā)展，在與多學科交叉研究過程中，粒計算正逐步形成其特有的研究體系和內(nèi)容。本書介紹了粒計算的不確定性分析與知識獲取方法的

馬氏跳變系統(tǒng)是一類經(jīng)典的*系統(tǒng)，對其的控制器設計和閉環(huán)系統(tǒng)穩(wěn)定性的分析已有很長歷史。本書旨在研究若干類不同馬氏跳變系統(tǒng)的設計及穩(wěn)定性分析，其中包含了若干不同的穩(wěn)定性定義，以及馬氏跳變系統(tǒng)的若干不同應用領域。

本書系統(tǒng)總結了集對分析在人工智能理論和技術研究的階段性成果，共12章。第1、2章為集對分析基本概念、基本理論和**進展的介紹，第3章是人工智能基礎和前沿集對分析，第4～12章依次介紹集對分析在模式識別、不確定性推理、智能決策、知識生態(tài)學、自然語言和人類語言理解、專家系統(tǒng)、神經(jīng)網(wǎng)絡、智能工程和智能社會中的應用。本書內(nèi)容豐

內(nèi)容簡介 面對科技的迅猛發(fā)展，我國政府制定了《新一代人工智能發(fā)展規(guī)劃》，將人工智能上升到國家戰(zhàn)略層面，并提出：人工智能產(chǎn)業(yè)要成為新的重要經(jīng)濟增長點，而且要在2030年成為世界主要人工智能創(chuàng)新中心，為躋身創(chuàng)新型國家前列和經(jīng)濟強國奠定重要基礎。 《人工智能》一書由騰訊一流團隊與工信部高端智庫傾

本書內(nèi)容包括：知識重構與抽象模型框架及其擴展概述；業(yè)務流程模型與抽象相關概念；KRA模型框架的智能世界擴展；業(yè)務流程的一般抽象模型框架；基于聚類技術的業(yè)務流程模型抽象。

本書主要介紹是指廣義變結構控制的基本理論與控制器的設計方法。主要內(nèi)容包括時滯廣義系統(tǒng)和變結構控制的基本理論、軟變結構控制法、切換監(jiān)督控制法等。

《徑向基函數(shù)神經(jīng)網(wǎng)絡及協(xié)同進化學習》系統(tǒng)地介紹利用協(xié)同進化理論優(yōu)化徑向基函數(shù)神經(jīng)網(wǎng)絡學習的基本理論與方法，共分為7個章節(jié)。**，提出基于合作型協(xié)同進化的徑向基函數(shù)神經(jīng)網(wǎng)絡算法，引入聚類層并以聚類后的隱節(jié)點群作為子種群進行協(xié)同進化操作。第二，提出基于協(xié)同覆蓋的徑向基函數(shù)神經(jīng)網(wǎng)絡算法，并采用啟發(fā)式搜索改進網(wǎng)絡結構。第三，提

本書內(nèi)容包括：一類四次指數(shù)多項式的零點分布；無自反饋的具時滯的四維神經(jīng)網(wǎng)絡模型的Hopf分支；無自反饋的具時滯的四維神經(jīng)網(wǎng)絡模型的Pitchfork分支等。

本書探討了一般微分泛函雙時滯方程的Lyapunov穩(wěn)定性基本理論，借助微分差分雙時滯方程描述的標稱系統(tǒng)的基本解及其解的表達式獲得保證系統(tǒng)穩(wěn)定的充分必要的Lyapunov-Krasovskii泛函的表達式，將其泛函推廣應用于時變不確定系統(tǒng)，運用離散化LKF方法及網(wǎng)格分割新技術，研究了單時滯、多時滯及分布時滯雙方程的穩(wěn)定性

本書內(nèi)容包括系統(tǒng)的數(shù)學模型、時域分析、根軌跡、頻域特性法、典型非線性環(huán)節(jié)、計算機控制系統(tǒng)、現(xiàn)代控制理論。最后按照全書內(nèi)容逐章介紹MATLAB的應用，包括系統(tǒng)分析、設計和仿真框圖等。

本書基于多重共現(xiàn)的知識發(fā)現(xiàn)方法的研究致力于將三個或三個以上特征項共現(xiàn)的現(xiàn)象作為研究主體，在總結現(xiàn)有的共現(xiàn)研究方法、數(shù)據(jù)挖掘技術、可視化技術、知識發(fā)現(xiàn)方法的基礎上，拓展共現(xiàn)現(xiàn)象的研究范圍。本書界定了多重共現(xiàn)的概念，構建了一套多重共現(xiàn)的基礎理論體系，研究了可用于多重共現(xiàn)的可視化方式，設計并開發(fā)了三重共現(xiàn)的可視化分析工具，并

在大數(shù)據(jù)背景下，傳統(tǒng)的決策管理正在從以管理流程為主逐漸向以數(shù)據(jù)為中心的范式轉(zhuǎn)變，決策管理中各參與方提供的相關信息流向更趨于多元和交互，開源數(shù)據(jù)庫SciDB開發(fā)商Paradigm4進行的一項針對111名北美數(shù)據(jù)科學家的調(diào)查顯示，71%的數(shù)據(jù)科學家認為數(shù)據(jù)的多樣性構成的挑戰(zhàn)，遠大于數(shù)據(jù)總量構成的威脅和挑戰(zhàn)。多種粒度、多種數(shù)

本書針對大數(shù)據(jù)呈現(xiàn)的體量巨大、多源異構、動態(tài)性和不確定性等特點，以粒計算理論為基礎，以優(yōu)勢關系粗糙集模型為研究對象，以增量學習技術為方法，以并行計算框架為支撐，構建大數(shù)據(jù)分析與挖掘的原理和方法及其算法，并融入了相關領域?qū)W者在動態(tài)知識發(fā)現(xiàn)、數(shù)據(jù)融合、大數(shù)據(jù)并行處理等成果，反映了基于粒計算和粗糙集視角處理大數(shù)據(jù)的最新進展。

本書借鑒認知科學的理論研究成果，對本體學習過程中的認知狀態(tài)及其變化進行深入研究，提出本體學習的認知模型，給出該模型的形式化表示及實現(xiàn)方法。此外，本書還對本體學習研究的發(fā)展方向進行展望。

本書面向模糊系統(tǒng)結構解析和在線自組織設計問題，系統(tǒng)介紹了作者在該領域取得的最新研究成果。全書共9章，內(nèi)容包括：模糊系統(tǒng)和神經(jīng)網(wǎng)絡理論基礎；模糊控制器結構解析；齊次模糊系統(tǒng)逼近性能分析；模糊控制系統(tǒng)穩(wěn)定性分析及系統(tǒng)化設計；模糊系統(tǒng)與神經(jīng)網(wǎng)絡的等價性等。

本書內(nèi)容包括自動控制的一般概念、控制系統(tǒng)的數(shù)學模型、線性系統(tǒng)的時域分析、線性系統(tǒng)的根軌跡法、線性系統(tǒng)的頻率分析法、線性系統(tǒng)的校正方法、離散系統(tǒng)的分析與校正等。

本書主要內(nèi)容是研究非線性隨機時滯神經(jīng)網(wǎng)絡系統(tǒng)的穩(wěn)定與脈沖鎮(zhèn)定。這些系統(tǒng)包括脈沖隨機泛函系統(tǒng)、隨機遞歸時滯神經(jīng)網(wǎng)絡、具不定脈沖參數(shù)的雙向神經(jīng)網(wǎng)絡、Cohen-Grossberg型神經(jīng)網(wǎng)絡及其隨機脈沖情況、一維整數(shù)格時滯細胞神經(jīng)網(wǎng)絡和分流抑制細胞神經(jīng)網(wǎng)絡。

本書介紹了商空間理論、三支決策理論和粗糙集理論等粒計算研究的概述和最新進展。全書共16章，主要由主要由三部分組成，具體包括問題求解商空間理論形成始末、商空間理論及應用綜述、多粒度上空間分類搜索與結構分析、基于力度空間的最優(yōu)聚類模型及應用等。