力學作為“理科之先行，工科之基礎”，連接了基礎與應用，是橫跨理工的橋梁。本書以“基礎力學”、“流體力學”、“固體力學”、“交叉力學”四個板塊進行展示，頭尾為從基礎到交叉，中間嵌入了力學的兩大主流領域區分，凝練了70個力學基本問題。本書中所列出的問題并不是一張完整的清單。它們是具有根本性的問題，不是當今知識的簡單結合或應用，而是應該在今后力學的發展中起到樞紐性作用的新知識點，是尚未認清的問題。本書旨在探究若干個力學基本問題的起源與基礎，闡述力學作為連接工程與科學的橋梁，在引領和主導科學發展方面的基
本書深入淺出地介紹了數值計算的基本概念、常用方法及其程序實現。內容涵蓋數值計算的一般概念和誤差分析的常用方法，線性方程組的直接解法，插值的概念及主要插值方法，迭代法求解方程、線性方程組及非線性方程組的常用方法，數值積分與數值微分的常用方法，函數逼近的概念及常用方法，求解矩陣特征值與特征向量的常用方法，求解一階常微分方程初值問題的主要方法，Python程序設計及數值計算實現的基本方法。本書注重基本概念和理論的完整性、計算方法的有效性和實用性以及學習過程中的思維連貫性。本書可以作為高
本書是在《模式識別與人工智能(基于MATLAB)》的基礎上寫作而成，為了適應模式識別算法的新發展、滿足各層次讀者的學習需求，在原有基礎上增加了大量新內容，包括細化各章的內容和增加三種新算法。本書廣泛涉及統計學、模糊控制、神經網絡、人工智能等學科的思想和理論，將模式識別與人工智能理論和實際應用相結合，針對具體案例進行算法設計和分析，并運用MATLAB程序實現。全書共分為12章，內容包括模式識別概述、貝葉斯分類器設計、判別函數分類器設計、聚類分析、模糊聚類分析、神經網絡聚類設計、模擬退火算
敏感性試驗設計是試驗設計研究領域的主要研究方向之一，其應用背景主要是針對燃爆產品試驗和藥劑試驗，通過設計若干刺激水平和觀測對應的二元響應數據，估計感興趣的特殊刺激水平，如成功響應概率p對應的刺激水平，稱其為感度分布的p分位數。 傳統的敏感性試驗設計沒有優化準則，而且希望估計的主要是0.5分位數。隨著對研究對象更高質量的要求，在中小樣本下估計極端p分位數的需求越來越強烈。本專著主要給出估計該類極端p分位數的優化試驗設計方法，并在三元響應和混合響應情形下給出廣義敏感性試驗設計的概念、統計模型和廣義p
本書全面介紹了求解非線性規劃問題的無罰函數方法。從基礎概念出發，逐步講解罰函數方法、傳統與修正濾子方法、非單調濾子方法、自適應濾子方法以及其他無罰函數方法等。書中不僅提供了理論分析，還結合了豐富的數值實驗，以證明算法的收斂性和有效性。本書融合了深人的理論探討和實際案例，為研究生提供了堅實的理論基礎和實踐操作指南。書中對算法的收斂性進行了詳盡的分析，并介紹了多種最優化問題的求解技巧，旨在幫助讀者深人掌握最優化領域的知識。
本書收集了自博弈論領域的奠基之作《博弈論與經濟行為》(約翰·馮·諾依曼，奧斯卡·摩根斯坦，1944)出版以來，對這一領域具有卓越貢獻的18篇經典文章。這些文章的作者都是諾獎得主，且均為偉大的博弈論大師，他們獲獎的基礎研究都包含在本書中。通過這18篇文章，讀者可以清晰了解博弈論發展的歷史沿革和理論脈絡。本書編者哈羅德·庫恩因其對擴展型博弈的重新表述而對博弈論發展做出了巨大貢獻。本書請國內博弈論領域的知名專家對每篇文章進行深度解析，幫助讀者更好理解博弈論大師的思想精髓。從各個方面來說。
本書從信息流個性化推薦算法從業者的角度，闡述在資訊內容類App中，如何搭建健壯、完善的個性化推薦算法體系，如何融合產品運營的專家模型和端到端的深度學習，如何平衡短期的商業化目標和長期的用戶體驗，以及我們在多個行業頭部平臺實踐的過程中遇到的典型業務問題和解決方案，對比理論推導為主的機器學習書籍，本身更偏向基于行業問題的深度思考及落地實踐。
這是一本寫給對概率統計及應用有興趣的非專業讀者的書，目的是幫助他們理解高科技發展中概率統計等概念的意義。本書寫作中以悖論、謬誤、以及一些饒有趣味的數學案例作先導，引起讀者的興趣和思考，在解答問題的過程中講述概率論中的基本知識和原理，及其在物理學、信息論、網絡、人工智能等技術中的應用。書中介紹的著名趣味概率問題包括高爾頓釘板、幾何概型悖論、博士相親、中國餐館過程等。通過討論這些簡單有趣的例子，讓讀者了解概率統計中的重要概念，諸如隨機變量、期望值、貝葉斯定理、大數定律、中心極限定理、馬爾可
1、概率論基礎知識；2、基礎理論：隨機過程的引入（定義的引入、分類、平穩過程）、離散時間的Markov鏈（定義的引入、分類、不變測度、極限定理）、最優停時與鞅、連續時間的Markov鏈（定義的引入、Poisson過程、Renew 過程、應用案例）、連續時間的隨機過程（布朗運動）、隨機分析及隨機微分方程；3、應用案例分析：隨機過程在金融中的應用、隨機過程在流行病傳播中的應用、隨機過程在社會學中的應用
真實世界中的序列數據隨時間推移呈爆炸式增長，如何設計面向序列數據的知識發現方法是當前研究的熱點之一。本書以深度學習和多視圖學習為理論基礎，以序列數據為研究對象，為面向序列數據分析提供多視圖的學習方法與技術，同時為典型場景下的序列數據分析提供多視圖深度學習解決方案，以期為序列數據分析、多視圖學習領域的研究及應用提供參考。本書針對序列數據的動態性、突變性、不確定性和時空關聯性等特點，探討多視圖學習理論，構建面向序列數據的多視圖方法，概述基礎理論與傳統方法，并系統地介紹多視圖序列數據應用領域的研究理論
新書資訊 新書推薦