计算智能技术受到进化,自然和大脑扮演重要的角色在复杂的现实问题的解决方案。计算智能技术的融合集成神经网络、模糊系统、和进化计算到系统设计,使处理的复杂性和管理的不确定性和不精确。每个各自技术提高的能力,在系统设计中补偿这些范式的融合模式的优点的缺点。

最近,计算智能技术已广泛应用于各种复杂的问题,包括工程、科学和商业。然而,由于这些问题的复杂性和不确定性,很难找到问题的最优解。在此有必要考虑最新的趋势和发展领域的计算智能技术的融合和发展有效的计算模型解决实际问题。融合光谱的计算智能技术包括应用程序,全面展示的优点融合技术在工业应用程序处理各种各样的不准确和不确定性。

这个特殊问题的目的是研究文章和评论文章,研究计算智能技术的融合,设计计算模型,评估他们的结果。我们特别感兴趣的文章描述的新结构,算法,并提出系统的设计基于神经网络的融合,模糊系统,进化算法。

潜在的主题包括,但不限于:

• 数学基础的计算模型基于计算智能技术的融合
• 神经网络和模糊系统的融合
• 模糊系统与进化算法的融合
• 融合神经网络和进化算法
• 融合神经网络、模糊系统、进化算法
• 统计方法和计算智能技术的融合
• 学习理论(导数,导数免费)
• 实际应用的计算智能技术在工程、科学和商业