計算智能：如果一個系統僅處理低層的數值數據，含有模式識別部件，沒有使用人工智能意義上的知識，且具有計算適應性、計算容錯力、接近人的計算速度和近似於人的誤差率這4個特性，則它是計算智能的。從學科范疇看，計算智能是在神經網絡（Neural Networks,NN）、進化計算（Evolutionary Computation,EC）及模糊系統（Fuzzy System,FS）這3個領域發展相對成熟的基礎上形成的一個統一的學科概念。
神經網絡是一種對人類智能的結構模擬方法，它是通過對大量人工神經元的廣泛並行互聯，構造人工神經網絡系統去模擬生物神經系統的智能機理的。
人工神經網絡（又稱神經計算）的特性：
- 人工神經網絡(Artificial Neural Network)是由大量的人工神經元經廣泛互聯所形成的一種人工網絡系統，用以模擬人類神經系統的結構和功能。
- 並行分布處理
- 非線性映射
- 通過訓練進行學習
- 適應與集成
- 硬件實現
人工神經網絡是具有下列特性的有向圖：
- 對於每個節點 i 存在一個狀態變量xi ；
- 從節點 j 至節點 i ，存在一個連接權系數wij；
- 對於每個節點 i ，存在一個閾值w i；
- 對於每個節點 i ，定義一個變換函數fi ；對於最一般的情況，此函數形式為
人工神經網絡的互連結構（或稱拓撲結構）是指單個神經元之間的連接模式。
- 前饋網絡
- 前饋網絡具有遞階分層結構，由同層神經元間不存在互連的層級組成
- 遞歸（反饋）網絡
- 在遞歸網絡中，多個神經元互連以組織一個互連神經網絡
- 拓撲結構是分層前向網絡
- 單層感知器
- 多層感知器
演化計算基本思想：達爾文進化論是一種穩健的搜索和優化機制。大多數生物體是通過自然選擇和有性生殖進行進化。自然選擇決定了群體中哪些個體能夠生存和繁殖，有性生殖保證了后代基因中的混合和重組。自然選擇的原則是適者生存，優勝劣汰。
演化計算的主要方法：
三大分支：遺傳算法（GA，genetic algorithm）
演化策略（ES，evoluntion strategy)
演化規則（EP，evoluntion programming）
后來：遺傳程序設計（GP，genetic programming ）
GA的定義（一種隨即搜索方法）
基本遺傳算法（Simple Genetic Algorithms，簡稱SGA，又稱簡單遺傳算法或標准遺傳算法），是由Goldberg總結出的一種最基本的遺傳算法，其遺傳進化操作過程簡單，容易理解，是其它一些遺傳算法的雛形和基礎。
M為種群規模；k為迭代次數；Pc雜交概率
模糊計算：
集合的運算與特征函數
模糊集合的表示和運算
建立隸屬函數的方法
模糊計算基本原理：
模糊判決：
在推理得到的模糊集合中取一個相對最能代表這個模糊集合的單值的過程就稱作解模糊或模糊判決（Defuzzification）
模糊判決可以采用不同的方法
重心法
最大隸屬度方法
加權平均法
隸屬度限幅元素平均法
模糊計算小結：
- 模糊邏輯提供了不精確和模糊的計算方法
- 模糊邏輯可用於表示某些人類專業知識
- 模糊隸屬集
- 模糊語言變量
- 模糊AND和OR
- 模糊控制