本书主要介绍计算方法中的一些基本内容：误差和条件问题、解线性方程组的直接法与迭代法、特征值问题的计算方法、解非线性方程(组)的迭代法、插值与逼近、数值积分与数值微分以及常微分方程数值解法。本书内容深入浅出，既强调计算方法的基本概念和理论，更注重算法和实践。每章后面都附有一定数量的习题与上机实验题。

本书是作者在相关教材基础上，结合厦门大学自动化专业十余年的教学实践，进一步加工整理而成。本书分状态空间方法基础、线性状态方程的解、系统的可控性和可观测性、时不变动态系统的分解与实现、运动的稳定性和系统的状态反馈与观测器等模块，主要介绍线性系统理论的基本内容和方法，包括系统状态空间描述，线性系统分析与状态反馈综合。系统分析部分介绍定量运动分析，以及定性的能控性/能观测性分析和稳定性分析，状态反馈综合介绍极点配置问题、跟踪问题、解耦问题和状态观测器设计。?

贝叶斯统计是和基于频率的传统统计 (频率派统计) 不同的一套关于统计推断或决策
的理论、方法与实践. 本书除了介绍贝叶斯统计的基本概念之外， 还介绍了不同贝叶斯模型的数学背景、与贝叶斯模型对应的各种计算方法， 并基于数据例子来介绍如何通过各种软件实现数据分析.本书使用的软件是以 R 为平台的 Stan 和以 Python 为平台的 PyMC3， 它们都是人们喜爱的**的基于 MCMC 和C++ 编译器的贝叶斯编程软件. 相信读者能够通过实践掌握它们。
本书希望使对贝叶

本书介绍数值计算方法的基本原理、基础知识，并通过讲解函数插值、数值微分与积分、线性方程组的解法、矩阵特征值与特征向量的计算、非线性方程(组)的解法等基本数学问题的数值解法来阐述如何应用计算方法的基本原理解决实际问题，结合具有实际背景的案例，做到理论与实际相结合，帮助学生掌握数值计算的基本方法和基本思想。

　　运筹学是现代数学的重要分支。《运筹学教程（第3版）》系统地介绍了运筹学中线性规划、运输问题、目标规划、整数规划、非线性规划、动态规划、图与网络分析、网络计划、排队论、存贮论、对策论、决策论的基本理论和方法．《运筹学教程(第3版）》结构严谨，条理清晰，理论与实际相结合，例题与习题难易适中，书后附有习题参考答案，便于教学或自学。
　　《运筹学教程(第3版）》适合高等理工院校本科生教学，可作为数学、管理、工科等专业本科生的教材，也可作为各行业管理者及工程技术人员的自学参考书。

　　《模式识别基础理论及其计算机视觉应用/高等学校智能科学与技术专业系列教材》系统地介绍了模式识别的基本原理及其在计算机视觉中的具体应用。本书内容包括模式识别与计算机视觉概述、分类器、神经网络分类器、聚类分析、蚁群和粒子群聚类算法、时序模型、图像匹配、图像分类与分割以及视频动作识别等。
　　《模式识别基础理论及其计算机视觉应用/高等学校智能科学与技术专业系列教材》可作为信息科学、计算机科学、计算机应用、模式识别、人工智能等学科大学本科生或研究生的专业教材， 也可供计算机视觉、模式识别技术应

本书将新工科理念与国际化深度融合，借鉴国内外优秀教材的特点，并结合山东大学数学团队多年的教学经验编写完成。本书共8章，包括随机事件与概率、随机变量及其分布、多维随机变量及其分布、数字特征与极限定理、统计量及其分布、参数估计、假设检验、MATLAB在概率论与数理统计中的应用。每节题型采用分层模式，每章总复习题均选编自历年考研真题，并配套完备的数字化教学资源。

　　《概率论与数理统计：基于R语言》的特色在于，通过《概率论与数理统计：基于R语言》，可以将R软件的实践融入概率论与数理统计课程几乎每一个知识点的教学中，让学生从繁杂的数学计算中解脱出来，从而能有更多的时间去理解概率论中抽象概念的实际意义及统计学中统计方法的基本原理和思想。
　　《概率论与数理统计：基于R语言》中R软件部分的教学可以穿插于理论教学中，也可以单独安排在实验室教学。但是需要指明的一点是，《概率论与数理统计：基于R语言》并不要求学生具备高水平的R软件编程能力，而只需要掌握R软件相

　　《概率论与数理统计》是哈尔滨工程大学编写的大学数学系列教材中的概率论与数理统计课程教材，主要内容包括随机事件及其概率、随机变量及其分布、多维随机变量及其分布、随机变量的数字特征、大数定律及中心极限定理、数理统计的基本概念、参数估计、假设检验、方差分析与回归分析等，每章配有习题及参考答案，且习题中加入了具有代表性的全国硕士研究生入学统一考试数学考试试题，有助于读者了解考研试题的难度与范围。
　　《概率论与数理统计》可作为高等学校非数学类各专业的教材或研究生入学考试的参考用书，也可供工程技

随着物联网、数字医疗、智慧城市的兴起，时间序列数据分析变得越来越重要。随着持续监测和数据收集变得越来越普遍，对通过统计和机器学习技术进行时间序列分析的需求将会增长。这本实用指南涵盖了时间序列数据分析的创新成果和现实世界的案例，使用传统统计方法和现代机器学习技术，帮你应对时间序列中最常见的数据工程和分析挑战。作者Aileen Nielsen用R和Python语言对时间序列进行了全面且通俗易懂的介绍，数据科学家、软件工程师和研究人员将可以很快上手并投入使用。