机器智能是指由人工制造出来的系统所表现出来的智能。通过理解自然智能和发展自适应系统复制机器智能仍然是一个极大挑战。随着近年来脑研究和现代技术的发展，科学家和工程师将非常有希望找到制造智能系统的方法，这种智能系统在广义上能像人脑一样。具有高鲁棒性、适应性、可升级和容错的特性。
本书讲述了自适应智能系统中模式识别、分类、图像恢复、序列学习等应用问题，展示自适应智能系统在学习、记忆和预测方面的能力，为许多实际应用提供潜在的新解决方案。本书的主要内容分为两部分：第一部分机器智能的数据驱动研究方法，包括第1-4章，第二部分机器智能的生物激励研究方法，包括第5-8章。1.引言，主要介绍机器智能的研究现状以及两种研究方法：数据驱动方法和生物激励方法，介绍了本书的组织构架；2.增量学习，主要讲述增量学习基础，自适应增量学习框架，映射功能设计。3.不平衡学习，主要讲述不平衡学习机理和解决方案，不平衡学习的评价指标以及存在的机遇和挑战；4.整体学习，主要讲述整体学习的多样性假设，多假设发展和集成。5.机器智能自适应动态编程，主要讲述机器智能自适应动态编程基本目标：优化和预测，以及具体自适应动态编程方法介绍。6.联想学习，主要讲述了联想学习的机制，等级神经网络中的联想学习；7.序列学习，主要讲述序列学习基础，等级神经网络中的序列学习，以及等级神经网络的层次结构、存储器需求，最后讲述学习和预测多序列；8.机器智能的硬件设计，主要讲述了机器智能的硬件设计方法。
本书全面介绍了机器智能工程和自适应系统，概述了多种人工智能的方法和技术，可以促进人们对自适应智能系统的理解和应用，有助于复杂、网络化的工程系统中长远目标：复制一定等级的脑智能的实现。本书适合于机器智能领域学生、专业人员使用。
作者何海波博士，是罗得岛大学电气、计算机和生物医学工程学系助理教授。他的主要研究兴趣是计算智能和自适应系统，包括优化和预测、生物启发的机器智能、机器学习和数据挖掘、机器智能的硬件设计（VLSI/ FPGA的）。
杜利东，
助理研究员
（中国科学院电子学研究所）
Du Lidong,Assistant Professor
（Institute of Electronics, CAS）
