深度学习和自然计算是人工智能领域中的热点研究方向。通过研究分析、模拟人脑的认知机理以及自然系统的智能行为和机制，构造相应的学习模型与优化算法，利用先进的计算工具实现高效的计算智能方法，并用于解决实际工程问题是人工智能研究的重要途径。 本书共分11章，主要介绍人工智能、神经网络基础、卷积神经网络、循环神经网络、生成对抗网络、孪生神经网络、遗传算法、差分进化算法、粒子群算法、协同演化算法和多目标优化算法及其在图像处理、数据处理等领域的应用。 本书是作者在从事多年人工智能、机器学习教学、科研工作积累的经验基础上编纂而成。本书可作为高等学校计算机科学与技术、软件工程、人工智能及电子工程等专业高年级本科生和研究生的教材，也可作为相关领域科研人员的参考书。

董红斌，教授，博士生导师，计算机学会高级会员,IEEE会员,中国计算机学会人工智能与模式识别专业委员会委员。目前主要从事计算智能、机器学习、数据挖掘和多Agent系统等方面的研究工作。获得国防科学技术奖、黑龙江省高校科学技术奖和黑龙江省优秀高等教育科学成果奖。发表论文80多篇，出版专著1部和译著1部，主编教材 2部。

前言 自然计算是人工智能领域的一个重要研究方向，人们通过研究自然界蕴含的多种多样的生物机制设计出相应的算法，解决不同领域中的难题。深度学习是机器学习领域中的一个热点研究方向。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字、图像和声音等数据的解释有很大的帮助。深度学习以神经网络为主要模型，由于其强大的学习能力，深度学习越来越多地应用于目标识别、语音识别、图像处理、自动驾驶和决策推理等领域。目前，深度学习技术在学术界和工业界取得了广泛的成功，受到高度关注，并掀起新一轮的人工智能热潮。 近年来，以深度学习和自然计算为代表的人工智能技术逐渐普及。通过研究分析、模拟人脑的认知机理以及自然系统的智能行为和机制，构造相应的学习模型与优化算法，利用先进的计算工具实现高效的计算智能方法，并用于解决实际工程问题是人工智能研究的重要途径。本书共分11章，主要介绍深度学习、自然计算的基础知识。 第1章简要概括人工智能、深度学习、自然计算的相关概念，以帮助读者对深度学习和自然计算有一个全面的了解和认识，为后面各章的学习打下基础。 第2章对神经网络基础进行叙述，内容包括神经网络的概念、发展以及应用，随后对神经网络的基本模型进行详细讲解。通过本章内容的学习，为后续卷积神经网络、循环神经网络等网络模型的学习奠定基础。 第3章介绍深度学习的基础网络——卷积神经网络。从基础概念、基本部件、经典结构3个角度出发，同时结合一个基于ImageNet数据集的实战案例，深入浅出地带领读者了解卷积神经网络的奥妙之处。 第4章介绍循环神经网络(RNN)——一类非常强大的用于处...