本書是編者根據(jù)多年的教學實踐，按照新形勢下高等教育改革的精神，結(jié)合財經(jīng)類高校本科專業(yè)概率論與數(shù)理統(tǒng)計的教學大綱和考試大綱編寫而成。內(nèi)容包括：隨機事件與概率、隨機變量及其分布、多維隨機變量及其分布、隨機變量的數(shù)字特征、大數(shù)定律與中心極限定理、數(shù)理統(tǒng)計的基本概念、參數(shù)估計、假設檢驗、方差分析與回歸分析等章節(jié)的練習題和自測題

本書全面介紹貝葉斯推理與機器學習，涉及基本概念、理論推導和直觀解釋，涵蓋各種實用的機器學習算法，包括樸素貝葉斯、高斯模型、馬爾可夫模型、線性動態(tài)系統(tǒng)等。在介紹方法的同時，強調(diào)概率層面的理論支持，可幫助讀者加強對機器學習本質(zhì)的認識，其適合想要學習機器學習中的概率方法的讀者。首先介紹概率論和圖的基礎概念，然后以圖模型為切入

本書在借鑒了一些優(yōu)秀的運籌學書籍的基礎上，融進了近年來國內(nèi)外運籌研究的新成果與運籌理論最新發(fā)展，有利于讀者開闊視野、更新觀念。本書系統(tǒng)地介紹了運籌學的基本概念、基本原理和基本算法，主要包括線性規(guī)劃、運輸問題、整數(shù)規(guī)劃、動態(tài)規(guī)劃、圖與網(wǎng)絡分析、存儲論、排隊論等內(nèi)容及其在工商管理中的應用。本書每一章后面都附有思考題、討論題

本書從連續(xù)時間的角度介紹了典型分布式非光滑優(yōu)化控制的基本模型、典型連續(xù)時間分布式優(yōu)化控制算法設計和分析方法。書中介紹了非光滑分析、凸優(yōu)化、圖論的相關數(shù)學概念(包括微分包含、次梯度、最優(yōu)性條件等)，還介紹了針對分布式非光滑優(yōu)化控制問題的兩類典型方法，基于次梯度的方法(第2章、第3章、第6章)和基于算子分割的方法(第4章、

"本教材內(nèi)容是根據(jù)作者多年的教學和科研經(jīng)驗完成的，著眼于培養(yǎng)學生解決管理實踐活動問題的能力。本教材的主要介紹了排隊論、庫存論、馬爾可夫決策過程、可靠性數(shù)學等相關的知識。通過本教材的學習，可以了解隨機優(yōu)化問題的來源及特點；掌握排隊系統(tǒng)的指標求解與優(yōu)化方法、隨機性存貯模型的建模求解應用、復雜系統(tǒng)的運行維護方法等理論知識；把

在現(xiàn)實生活和科技領域中,大多數(shù)科學和工程問題都存在多個相互沖突的目標,如何求解這些問題的很優(yōu)解，一直都是學術(shù)界和工程界關注的焦點。本書將多目標優(yōu)化問題作為研究對象，多目標分布估計算法作為研究工具,對解決多目標優(yōu)化問題的分布估計算法進行了深入的研究;并利用多目標優(yōu)化算法對重慶文化遺產(chǎn)大足石刻數(shù)字圖像修復工作中的圖像配準問

本書系統(tǒng)地以數(shù)學方式分析了熵和隨機過程，特別是高斯過程，及其在信息理論中的應用。全書內(nèi)容大致分為兩部分。第一部分對熵在信息論、概率論和數(shù)理統(tǒng)計中的統(tǒng)一處理進行了詳細的介紹。第二部分主要討論連續(xù)通信系統(tǒng)的信息論，專注于高斯信道及其在實踐中的應用。各部分都附有相應示例和練習，便于讀者理解與檢驗所學，書末尾還有大量參考文獻目

本書采用了不相關的、來自信息論的研究，角度新穎地提出了一種證明中心極限的新方法，并對此進行了全面描述：書中先是讀者呈現(xiàn)了熵和費雪信息概念的基本導論，隨后以一系列與它們行為有關的標準測試作為驗證。在作者的獨特構(gòu)思與實證下，信息論與中心極限定理兩個看似不相干的領域被巧妙地聯(lián)結(jié)起來，實現(xiàn)了跨學科的科研合作。此外，書里還匯編了

本書研究的特征問題包括結(jié)構(gòu)工程領域的重要問題，如梁和殼結(jié)構(gòu)的自由振動、彈性穩(wěn)定性、屈曲和損傷誘發(fā)擾動，以及數(shù)學上具有挑戰(zhàn)性的向量型Sturm-Liouville特征值問題。本征問題屬于一類典型的非線性問題，如何高效地獲得高精度的連續(xù)階特征值與特征函數(shù)具有很大的挑戰(zhàn)性，解答的精度和效率對數(shù)值方法提出了很高的要求。本書發(fā)展

本書共6章，在傳統(tǒng)離散元方法基礎上，提出了多尺度離散元模擬方法，針對微觀尺度的顆粒單元接觸問題，提出了可以定量考慮顆粒表面粗糙度的隨機法向接觸模型；針對細觀尺度的顆粒集合特性表征問題，建立了基于主成分分析方法的顆粒集合評價方法；針對宏觀尺度的大規(guī)模計算問題，發(fā)展了基于精確縮尺的粗粒化離散元方法，從不同尺度對現(xiàn)有離散元方