本书介绍了概率论与数理统计的基本概念、基本理论和基本方法，内容包括：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、随机变量的数字特征与极限定理、数理统计的基本概念、参数估计、假设检验、回归分析与方差分析.每章均配有习题，并补充了近年来的硕士研究生招生考试试题，书末附有习题参考答案，供学生学习时参考. 本书可以作为综合大学及师范类高等院校非数学专业概率论与数理统计课程的教材，也可供工程技术人员参考.

本教材包括ANSYS软件基础与高级仿真应用两部分: 第1章-第8章为基础部分, 详细说明ANSYS基本操作、实体模型的建立、材料模型的选取、网格的划分、结构分析的内容和方法等。第9章-第11章为高级应用部分, 将作者团队的科研成果与软件使用紧密结合, 提炼出适合的算例来介绍科学研究与工程应用中所涉及的高级仿真技术, 包括子模型与子结构方法、热机耦合仿真、联合仿真及优化。

本书共7章，主要介绍现代控制理论的基本知识，包括系统的状态空间表达式的建立及特殊标准型、系统的状态方程的求解及性质、系统的能控性和能观性的标准型及结构分解、李雅普诺夫意义下稳定性的判别及应用、线性系统反馈控制器及状态观测器的设计等。

本书旨在介绍常见的非线性最优化的理论与算法，以及深度学习中的优化算法。全书侧重对优化原理的直观理解和优化算法的步骤设计和流程构建，并通过大量案例对所介绍的算法进行了编程实现。书中提供的大量编程代码可以为需要使用非线性最优化解决实际问题的工程技术人员进行二次开发提供基础，也可以为致力于学习最优化理论与算法的读者进行编程练手提供参考。
除第1章介绍的基础知识外，全书内容可以分为4部分。第一部分介绍一维搜索理论与算法，第二部分介绍无约束最优化理论与算法，第三部分介绍约束最优化理论与算法

本书是一本模式识别学习的立体教程，通过本书的学习，能够掌握模式识别主要技术模块的算法原理及Python实现，包括贝叶斯决策、概率密度函数的估计、线性判别分析、非线性判别分析、组合分类器、无监督模式识别、特征选择、特征提取、半监督学习以及人工神经网络等。本书配以教学课件、Python仿真程序、微课视频和实验指导书，便于教和学。

本书作为该领域入门教材，在内容上尽可能涵盖模式识别基础知识的各方面，全书共分为9章，第1章介绍了模式识别的基本概念、模式识别系统的组成；第2章介绍了模式识别中的线性分类器；第3章介绍了模式识别中的贝叶斯分类器；第4章介绍了模式识别中的概率密度函数估计；第5章介绍了模式识别中的典型的分类方法；第6章介绍了模式识别中的特征提取与选择；第7章介绍了模式识别中常见的聚类方法；第8章介绍了深度学习中卷积神经网络和循环神经网络；第9章介绍了模式识别的一些典型应用以及当前流行的大模型技术和生成式技术

有限元方法是一种被广泛釆用的求解数理方程的数值计算方法，是解决众多工程问题的强有力的计算工具。本书共10章，首先介绍有限元方法的发展历史与工程应用概况，接着重点介绍有限元方法的理论基础、杆系结构，重点讲解静力学问题、动力学问题、材料非线性问题、几何非线性问题、接触非线性问题、温度场问题的有限元分析方法，以及扩展多尺度有限元方法。

全书共分上、下两册，本书为上册，适用于较多学时的＂数值分析＂课程教学和大类招生专业分流前学生学习。主要介绍解线性方程组的直接法和迭代法、解线性最小二乘问题的直接法、矩阵特征值问题的计算方法、函数插值、数值积分、微分方程数值解法及几类经典现代数值方法。

《试验设计及最优化》以方差分析、回归分析原理及应用为基础，系统介绍了完全析因设计、部分析因设计、响应曲面设计、混料设计和计算机试验设计等方法的基本原理，并通过实际案例演示 JMP 软件中试验设计、数据分析及优化方法的具体实现，旨在帮助读者在理解基本原理的同时，快速掌握相关软件，并应用科学与工程研究中。
本书可作为材料、化工、冶金、机械及相关工程专业的本科生或研究生教材，也可供科研和工程技术人员参考使用。

"多元统计分析在多个领域展现广泛的应用价值。本书主要介绍多元统计分析的相关内容，包括随机向量、多元正态分布、统计推断、多元线性回归、主成分分析、因子分析、聚类分析、判别分析、分类神经网络、路径分析和结构方程等。书中主要的多元统计方法都以常用的统计软件SPSS和JMP作为求解运算与分析工具。

本书既可作为高等院校工科类和经济管理类本科高年级和硕士的教材，也可作为各类经济管理人员的参考用书。"