本书针对大数据呈现的体量巨大、多源异构、动态性和不确定性等特点，以粒计算理论为基础，以优势关系粗糙集模型为研究对象，以增量学习技术为方法，以并行计算框架为支撑，构建大数据分析与挖掘的原理和方法及其算法，并融入了相关领域学者在动态知识发现、数据融合、大数据并行处理等成果，反映了基于粒计算和粗糙集视角处理大数据的最新进展。

本书以多智能体系统协同群集运动控制为主线，首先介绍图论和控制器设计所用到的基础理论知识；其次，分别从拓扑结构的边保持和代数连通度两个角度介绍了连通性保持条件下的协同群集运动控制协议设计方法。进而，从个体动态模型和拓扑结构模型两方面继续深入，针对典型的轮式移动机器人非完整约束模型介绍了连通性保持条件下的协同控制策略，为简

本书对近年来认知计算和多目标优化领域常见的理论及技术进行了较为全面的阐述和总结，并结合作者多年的研究成果，对相关理论及技术在应用领域的实践情况进行了展示和报告。

本书对近年来稀疏学习、分类与识别领域常见的理论及技术进行了较为全面的阐述和总结，并结合作者多年的研究成果，对相关理论及技术在应用领域的实践情况进行了展示和报告。

《神经网络导论》共5章，第1章主要介绍神经网络、微分系统稳定性理论和泛函分析的基本理论和概念；第2章介绍神经网络的基本模型及算法；第3章介绍后期比较热门的三种神经网络，即Hopfield神经网络、细胞神经网络与双向联想（BAM）神经网络的模型及动力学问题；第4章介绍复杂神经网络模型及动力学问题；第5章介绍神经网络的应用

随着信息爆炸产生的海量数据时代的来临，数据中所蕴含的价值将会对人类社会产生直接的，全面的，甚至是革命性的影响。因此，在大数据背景下，有效地分析，组织和使用各类数据，将对科技进步以及经济发展产生巨大的推动作用，孕育出前所未有的机遇。针对大数据技术体系架构，本著作总结出在大数据处理流程中，所面临不同层面的问题及其相互关系，

本书从仿生学的角度,阐述AI面临的挑战和前沿研究方向,同时融入作者在AI研究中部分最新成果。反映了人工智能发展的最新动态，为生物信息学或其他学科的特征分析提供手段和方法，为研究和开发更高层次的human-like智能打下基础。本书强调新视野、先进性、实用性和可读性，书中涉及的经典例子和算法都将提供程序实现，附在随书光盘

20世纪50年代以来，人工智能出现了符号主义、连接主义和行为主义等主导性研究范式。理论界普遍认为，人工智能已经超越了现有的范式理论，逐步形成了一种融合的趋势。然而，如何对人工智能各研究范式进行融合以及在什么样的基础上进行融合，这一难题成为人工智能理论进一步发展的瓶颈所在。本书从贯穿整个人工智能发展过程的两条主要线索--

借鉴生物免疫系统的分层防御机理以及层次间的相互作用，作者提出了用于机电设备故障诊断的免疫诊断模型。将故障检测与诊断功能进行整合，研究机电设备异常检测与故障诊断的免疫算法与模型，分层解决设备的状态监测、故障定位与诊断等关键问题，建立了异常状态监测与故障诊断一体化的快速反应机制。第一层，异常追踪监测。在获取设备运行状态数据

《神经系统建模与控制工程》结合神经生物学、神经计算科学与自动控制科学的交叉优势，主要介绍了神经系统场效应的动力学模型，分析了外电场作用下的神经元以及神经元网络的动力学特性，重点阐述参数辨识方法在神经系统建模中的应用，以及先进控制算法例如优化控制、迭代学习、模型预测控制等在单神经元放电模式以及神经元网络同步特性控制中的应