本書是一本由張宇主編的考研數(shù)學圖書，書中特別強調(diào)全面貫徹數(shù)學基本功的訓練，明確給出考研大綱中規(guī)定的所有考試目標。所有的問題都是按照考試要求，并在考綱內(nèi)提出，同時又符合近年來考研試題命題新穎的風格。考研數(shù)學重要考點、重點題型全覆蓋，給出相應的題型對考點進行具體闡述，并適當配以注釋和批注，說明考試中�？嫉姆绞胶鸵壮霈F(xiàn)的錯誤

本書比較全面地介紹了演化多目標優(yōu)化與智能計算相關的基本理論、方法、以及作者團隊在演化多目標優(yōu)化與智能計算領域過去近十年的主要研究成果。全書共12章，第1-2章主要內(nèi)容為簡單介紹多目標優(yōu)化的問題、基本概念和復雜多目標優(yōu)化和智能計算問題相關的基礎知識；第3-7章主要介紹了作者提出的一些先進的演化多目標優(yōu)化算法以及相關應用；

本書基于近年來概率統(tǒng)計課程教學改革及碩士研究生入學考試變化趨勢編寫而成。本書共7章，前4章為概率論部分，主要包括概率定義及性質(zhì)、概率分布、隨機變量數(shù)字特征及中心極限定理。后3章為數(shù)理統(tǒng)計部分，主要包括參數(shù)估計方法和假設檢驗方法。本書巧妙地將理論講解與相關案例視頻解析(以二維碼的形式呈現(xiàn))融合在一起，提高學習效率和學習興

本書作為該領域入門教材，在內(nèi)容上盡可能涵蓋模式識別基礎知識的各方面，全書共分為9章，第1章介紹了模式識別的基本概念、模式識別系統(tǒng)的組成；第2章介紹了模式識別中的線性分類器；第3章介紹了模式識別中的貝葉斯分類器；第4章介紹了模式識別中的概率密度函數(shù)估計；第5章介紹了模式識別中的典型的分類方法；第6章介紹了模式識別中的特征

全書共分上、下兩冊，本書為上冊，適用于較多學時的＂數(shù)值分析＂課程教學和大類招生專業(yè)分流前學生學習。主要介紹解線性方程組的直接法和迭代法、解線性最小二乘問題的直接法、矩陣特征值問題的計算方法、函數(shù)插值、數(shù)值積分、微分方程數(shù)值解法及幾類經(jīng)典現(xiàn)代數(shù)值方法。

《試驗設計及最優(yōu)化》以方差分析、回歸分析原理及應用為基礎，系統(tǒng)介紹了完全析因設計、部分析因設計、響應曲面設計、混料設計和計算機試驗設計等方法的基本原理，并通過實際案例演示JMP軟件中試驗設計、數(shù)據(jù)分析及優(yōu)化方法的具體實現(xiàn)，旨在幫助讀者在理解基本原理的同時，快速掌握相關軟件，并應用科學與工程研究中。本書可作為材料、化工、

全書從內(nèi)容上分為三大部分。第一部分主要介紹超啟發(fā)式算法的基礎理論，其中第1章介紹了超啟發(fā)式算法的內(nèi)涵和分類，第2~第5章分別介紹了選擇構造類、選擇攝動類、生成構造類、生成攝動類這四類超啟發(fā)式算法，第6章從理論層面給出了超啟發(fā)式算法的嚴格定義和基本框架。第二部分重點介紹超啟發(fā)式算法在多種實際優(yōu)化問題中的應用，其中第7~第

本書是一部深入探討計算思維在信息科技跨學科主題學習中的實踐與應用的專著。全書共分為五章，系統(tǒng)闡述了跨學科主題學習的概念、特征、教育價值以及開展方式，并詳細分析了信息科技跨學科主題學習的具體要求。 本書首先介紹了計算思維這一關鍵能力，包括其概念、問題解決能力、系統(tǒng)設計和行為理解等方面，并探討了計算思維在跨學科領域的應用

本書是一本模式識別學習的立體教程，通過本書的學習，能夠掌握模式識別主要技術模塊的算法原理及Python實現(xiàn)，包括貝葉斯決策、概率密度函數(shù)的估計、線性判別分析、非線性判別分析、組合分類器、無監(jiān)督模式識別、特征選擇、特征提取、半監(jiān)督學習以及人工神經(jīng)網(wǎng)絡等。本書配以教學課件、Python仿真程序、微課視頻和實驗指導書，便于教

本書共十章。第一章闡述非參數(shù)統(tǒng)計的特點，第二章講解描述性統(tǒng)計方法，第三、四章分別講解符號檢驗法、符號秩和檢驗法，第五到八章分別講解兩樣本、多樣本和區(qū)組設計等問題以及相關分析的非參數(shù)統(tǒng)計方法，第九章講解非參數(shù)密度估計和非參數(shù)回歸，第十章講解檢驗的漸近相