<tbody id="mxtio"><legend id="mxtio"></legend></tbody>
《隨機分析與控制簡明教程》介紹隨機分析及隨機控制的基本理論與方法. 第1章介紹布朗運動與鞅, 涵蓋定義、停時定理、Doob不等式、下鞅的Doob-Meyer分解定理、Meyer過程等內容; 第2章介紹隨機積分、It.公式、鞅表示定理, 以及測度變換的Girsanov定理. 第3章介紹隨機微分方程基礎: 解的存在唯一性、解對系數的連續依賴性等; 第4章介紹倒向隨機微分方程的基本內容; 第5章給出了隨機控制問題的基本框架, 用凸變分的方法推導*大值原理(包括線性二次控制問題的求解)、動態規劃原理,
貝葉斯是當前人工智能的重要基礎之一。目前市面上有關貝葉斯的書籍，大多是從工科角度去闡述貝葉斯定理的推導和應用，因此運用了非常多的煩瑣公式、定理和推導。而貝葉斯應用卻是非常廣泛的，絕不僅僅是機器學習的一個工具，還可以上升到一套科學思維方法論。本書主要以貝葉斯為核心，講授了一些重要的思維方式，包括概率思維、最大似然估計、貝葉斯估計，以及用貝葉斯估計來破除某些思維的誤區。本書由淺入深地介紹了貝葉斯的核心思想，并且給出了如何用貝葉斯來指導人們日
試驗設計是近代科學發展的重要基礎理論之一。它研究不同條件下各種試驗的*優設計準則、構造和分析的理論與方法。為適應現代試驗的需要，作者于2006年開始建立了一個新的*優因子分析設計理論，包括*優性準則、*優設計構造，以及他們在各種不同設計類中的推廣。《*優因析設計理論（英）》*先給出近代試驗設計，主要是多因子試驗設計的基本知識和數學基礎，接著從二水平對稱因子設計開始介紹了該理論的一些基本概念，包括AENP的提出、GMC準則的引進、GMC設計的構造等。《*優因析設計理論（英）》對由AENP建
在產品研發或改進過程中，需要進行大量而重復的實驗以確定最優的配方及工藝。掌握先進的實驗方法和數據處理方法，可以縮短研發周期、節省研發成本。《從零學實驗設計與數據處理》以實驗設計為主線，除了介紹實驗設計的基本原理與方法以外，佐以大量產業車間范例，旨在使讀者學會不同的實驗設計的理論與方法。同時通過本書對范例的說明，了解如何應用實驗設計增進科研以及在車間實驗的效率。本書具有理論與實踐緊密結合的特點，可供材料、化工等相關行業的研發工程師及大中專學生參考，也可供高等學校化工類專業及相關專業
本書共有11章，第1章至第5章是概率論部分，包括隨機事件及其概率、隨機變量及其分布、多維隨機變量及其分布、隨機變量的數字特征、大數定律與中心極限定理；第6章至第8章是數理統計部分，包括樣本及抽樣分布、參數估計、假設檢驗；第9章至第11章是隨機過程部分，包括隨機過程引論、馬爾可夫鏈、平穩隨機過程.各章均選配了適量的習題，并附有參考答案.此外，本書還提供了三個附錄，包括重要分布表、幾種常用的概率分布、2011年至2023年全國碩士研究生入學統一考試真題. 本書可作為工科、理科(非數學)、經濟、
從古到今，人們經常會深陷占卜帶來的虛幻的錯覺，低估巧合事件的發生概率因而以為有神秘力量在起作用，將事物復雜的發展規律簡單化、線性化，進而做出與實際情況相去甚遠的預測。數學可以在非線性發展的世界中充當向導的作用。有了數學的幫助，我們就可以通過理性和邏輯思考，避免直覺所犯的一系列錯誤。但即使是數學，在處理這個復雜世界的各種問題時，也做不到面面俱到，游刃有余。這本書介紹了本福德定律、貝葉斯定理、博弈論、正反饋回路等數學知識，幫助我們戳穿流傳多年的民間經驗法則，辨別常見的認知錯誤，發現毫無意義
時間序列分析是統計學科的一個重要分支，它主要研究隨著時間的變化，事物發生、發展的過程，尋找事物發展變化的規律并預測未來的走勢。在日常生產和生活中，時間序列比比皆是，所以目前時間序列分析方法廣泛應用于經濟、金融、天文、氣象、海洋、物理、化學、醫學、質量控制等諸多領域，成為眾多行業經常使用的統計方法。 本書是基于Python編寫的入門級時間序列分析教材，主要內容包括時間序列分析簡介、時間序列的預處理、ARMA模型的性質、平穩序列的擬合與預測、無季節效應的非平穩序列分析、有季節效應的非平穩序列
《互聯網大廠推薦算法實戰》介紹了互聯網大廠當前采用的一些前沿推薦算法，并梳理了這些算法背后的思想脈絡與技術框架。 《互聯網大廠推薦算法實戰》總計10章，內容涵蓋了推薦系統的基礎知識、推薦系統中的特征工程、推薦系統中的Embedding、推薦系統的各組成模塊（包括召回、粗排、精排與重排）所使用的算法技術、推薦算法實踐中經常會遇到的難題以及應對之道（其中涉及多任務推薦、多場景推薦、新用戶冷啟動、新物料冷啟動、評估模型效果、定位并解決問題等），最后還用一章的篇幅介紹了推薦算法工程師在工作、學習、面試時
本書從系統視角出發,闡述如何利用技術手段搭建企業級推薦系統,內容包括認知篇、數據篇、召回篇、排序篇、系統篇 5 個部分，覆蓋企業級推薦系統建設的核心要點。本書知識體系清晰，從基礎知識切入，逐步深入，先后涉及推薦系統的經典技術、主流技術和前沿技術。本書通過“理論+案例+代碼示例+心得體會”的方式闡述、歸納和總結推薦系統的知識，幫助讀者理解推薦系統，掌握技能，建立系統思維。 本書適合對推薦系統感興趣的初學者、從事數據挖掘/信息推薦相關工作的研發工程師、產品經理、架構師，以及相關專業學生和教師閱讀。
本書展示了如何使用真實的數據真實地進行貝葉斯數據分析。作者從概率與程序設計的基本概念出發，逐步帶你進階，幫助你最終掌握在實際的貝葉斯數據分析中常用的高級模型。本書分為三大部分，共有25章。第一部分介紹基礎知識，內容包括貝葉斯推斷的基本思想、模型、概率及R語言編程。第二部分涵蓋了現代貝葉斯數據分析的所有關鍵思想。第三部分介紹如何在實際數據上應用貝葉斯方法。
新書資訊 新書推薦