模式識別與機器學習是計算機科學與技術的重要研究內(nèi)容之一。 《模式識別與機器學習技術》首先講解了貝葉斯分類、支持向量機和人工神經(jīng)網(wǎng)絡等常用的機器學習算法，并對結構數(shù)據(jù)的核函數(shù)和增量支持向量機算法進行了全面綜述，講解了深度學習新的模型和計算機視覺的基本知識。以農(nóng)業(yè)為應用場景，結合作者的科研工作，詳細介紹了基于卷積神經(jīng)網(wǎng)絡

當在日常生活中需要進行選擇與博弈時，我們可能不了解自己的目標，甚至不知道該怎樣選擇才能使自己的利益*大化。更不用說如何使參與博弈的各方利益*大化。哈伊姆夏皮拉用生活中的例子和通俗的語言向我們解釋了什么是博弈論，并告訴我們該如何得到*優(yōu)解。 通過這本書你將會： 學會與朋友出去吃飯時的點餐策略； 學會更好地做決策； 了解

內(nèi)容涉及正倒向隨機微分方程最優(yōu)/次優(yōu)控制系統(tǒng)研究，分兩部分：第一，動態(tài)規(guī)劃原理，我們推導出Hamilton-Jacobi-BellmanInequality,此項研究是深入菲爾茨獎得主，法國數(shù)學家P.-L.Lions教授提出的用粘性解理論研究導數(shù)有約束的偏微分方程的問題。同時給出在粘性解意義下，隨機遞歸系統(tǒng)的最優(yōu)控制驗

我們所處的時代是一個大數(shù)據(jù)時代，數(shù)據(jù)無處不在，統(tǒng)計學是研究數(shù)據(jù)的科學，在數(shù)據(jù)分析中扮演了非常重要的角色。多元統(tǒng)計分析是統(tǒng)計學中應用最廣的一個分支，在自然科學、社會科學、經(jīng)濟科學和管理科學等領域應用廣泛。作為國內(nèi)多元統(tǒng)計分析的經(jīng)典版本，第5版繼續(xù)保持了案例應用與統(tǒng)計思想相滲透、結合軟件詳細介紹多元統(tǒng)計分析理論與方法的特色

本書系統(tǒng)地介紹運籌學中的主要內(nèi)容，重點陳述應用最為廣泛的線性規(guī)劃、對偶理論、整數(shù)規(guī)劃、非線性規(guī)劃、動態(tài)規(guī)劃、圖與網(wǎng)絡、決策分析、博弈論、庫存論、排隊論與模擬等定量分析的理論和方法。閱讀本書只需微積分、線性代數(shù)與概率統(tǒng)計的一些基本知識。本書是教學改革項目“基于信息技術平臺的運籌學立體化教材”的成果，配備有完整和立體化教學

本書介紹了青年學者在線性代數(shù)、多項式代數(shù)、差分代數(shù)、計算代數(shù)幾何等領域的部分**成果，展現(xiàn)了我國符號計算學科的發(fā)展動態(tài)我們希望以本書為平臺展示課題成果，以及符號計算領域前沿進展，從而促進符號計算領域的學術交流與發(fā)展。

對2013年1月編著出版的高等學校交通運輸專業(yè)規(guī)劃教材《運籌學》，此次對其進行了修正和改編。全書分為上篇和下篇，共十二章，其中上篇分為八章，下篇分為四章。上篇主要是線性規(guī)劃問題，包括線性規(guī)劃基礎、單純形法、對偶問題及對偶單純形法、線性規(guī)劃問題的靈敏度分析、運輸問題、指派問題、整數(shù)規(guī)劃、動態(tài)規(guī)劃；下篇包括圖與網(wǎng)絡、統(tǒng)籌方

本書著重介紹現(xiàn)代科學與工程計算中的有關數(shù)值方法，強調(diào)數(shù)值分析的基本概念、理論及應用，特別是數(shù)值方法在計算機上的實現(xiàn)。理論敘述嚴謹、精煉、概念交代明確，方法描述清晰，系統(tǒng)性較強。全書內(nèi)容包括：線性代數(shù)方程組的直接方法和迭代方法，特征值問題的數(shù)值方法，非線性方程和方程組的數(shù)值方法，函數(shù)的插值和逼近，線性最小二乘法，數(shù)值積分

本書始終“以應用為目的不削弱理論學習”為指導思想，主要內(nèi)容有是概率論、數(shù)理統(tǒng)計、隨機過程，每章節(jié)后附有習題，書末附有參考答案。

本書以Stan統(tǒng)計軟件為基礎，以R代碼為例，提供了一個實際的統(tǒng)計推斷的基礎。從貝葉斯統(tǒng)計方法的角度出發(fā)，介紹了統(tǒng)計反思的相關知識，以及一些常用的進行類似權衡的工具，展示了兩個完整的*常用的計數(shù)變量回歸，介紹了應對常見的單一模型無法很好地擬合觀測數(shù)據(jù)的排序分類模型與零膨脹和零增廣模型，提出了基于貝葉斯概率和*熵的廣義線性