本书模式识别理论与实践学习的立体教程，针对的读者是具有一定数理知识的从业人员。通过本书的学习，读者能够熟练掌握模式识别的基础知识、基本方法和工程应用。本书主要包括模式识别的基本概念、贝叶斯决策理论、概率密度函数的参数估计、非参数判别分类方法、聚类分析、特征提取与选择、模糊模式识别、神经网络、深度学习。最后是项目实战，系统讲解三个模式识别的工程应用项目项目：中文文本识别、人脸识别、图像识别。每章的内容安排从问题背景引入，系统讲述基本原理、方法和实践应用（通过Python软件编程）。本书适合作为高等

"《**控制与工程博弈论》主要以数学描述的方式阐述**控制理论的研究内容，由具体的实例引出相关的控制问题，再利用学生熟知的数学工具严谨地推算出问题的解决过程，并对控制问题的具体实例进行了严格的数学公式推导。此外，书中引用了大量的工程实例，并对每个实例进行了详细的数学描述，理论与实际结合。
本书可供自动化、力学、计算机等相关领域高校师生和科研院所研究人员及技术人员阅读参考。
"

本书面向人工智能相关专业（智能科学与技术、控制科学与工程、计算机科学与技术）的本科生，以从人工智能角度理解模式识别和用模式识别原理解决工程问题为目标，将内容分为基础知识、模式分类和模式聚类三大部分，突出简明和实用的特点。书中穿插大量案例，可以帮助学生在掌握基本概念的基础上理解基本原理，熟悉典型方法，做到知其然，知其所以然。本书注重引导学生充分利用样本数据库和算法库等各种网络资源，通过课程学习、案例计算和算法实现，分析来自生产和生活实际中的模式识别问题，采用合适的模式识别算法和技术，通过Py

本书是科学出版社“十四五”普通高等教育本科规划教材，系统地介绍贝叶斯统计的概念、方法和实践案例，旨在培养学生的贝叶斯统计思维和统计建模能力，以及将理论知识运用于实践的能力。本书结合丰富的实际案例和计算机实验，帮助学生深入理解贝叶斯统计的原理，并强调贝叶斯统计在不同领域中的应用价值。
　　本书共九章，涵盖贝叶斯统计的基础知识和应用技巧，包括贝叶斯统计的简介、概率论基础、贝叶斯推断基础、先验分布的确定、贝叶斯计算、贝叶斯线性模型、贝叶斯神经网络、模型选择与诊断、实际案例与应用等。本书配有Pyt

在科技与教育深度融合的新时代背景下，培育德才兼备且具有创新精神和实践技能的人才至关重要。本书融合最优化理论与机器学习技术，配套相关课程为本科生和研究生提供系统全面的学习资源。全书共6章。第1章“绪论”介绍最优化问题的分类和典型应用，为后续学习奠定基础。第2章“凸分析”探讨凸集和凸函数等概念，提供解决优化问题的理论工具。第3章“最优性条件”讲解对偶问题和KKT条件，帮助学生理解最优解的求解方法。第4章“最优化计算”详细介绍梯度下降法、线性搜索法等无约束优化算法。第5章“机器学习中的邻近算法”阐述邻

"本书依据《新时代大学计算机基础课程教学基本要求》（2023版），从计算系统基本原理、Python程序设计、计算思维与问题求解、计算机网络与物联网、数据分析与可视化、人工智能与大模型、信息安全与隐私保护等维度构建教材内容，在强化对学生计算思维能力培养的同时，推进物联网、大数据和人工智能等新技术的普及与应用。
本书内容上与时俱进，实践中注重创新，将Python编程贯穿教材始终，通过大量编程实例强化对学生计算思维能力的培养，增强学生对新一代信息技术的理解能力。本书紧扣课程主题，多方位凝练思政要

本书分为两部分：第一部分汇集历年试卷，涵盖填空题、选择题以及解答题，为学生提供实际的考试体验；第二部分为习题详解，包括知识点、思路分析、解答过程，帮助学生深化理解。

本书内容全面,简明扼要,思路清晰,突出应用。本书分为时间序列门限模型、变参数门限自回归模型、截面数据门限空间模型、面板数据门限模型、面板门限空间模型、门限空间向量自回归模型和半参数门限空间滞后模型七章。本书突出各类模型的适用对象、建模思路和应用中常见问题的诠释。
本书可作为金融学、区域经济学、管理学和计量经济学相关领域的本科生、硕士研究生的基础教材,也可作为博士研究生、青年学者从事实证研究的工具书。

本书内容包括随机事件及其概率、随机变量及其概率分布、多维随机变量及其概率分布、随机变量的数字特征、大数定律及中心极限定理和数理统计初步等内容。在内容的选取上注重学生的逻辑推理能力及解决应用问题能力等数学应用能力的培养, 适当数学淡化理论的严密性和抽象概念。删除了传统教材中难而繁的内容, 保留了理工科各专业所需要的最基本内容, 重在锻炼学生的学以致用的能力, 即不仅关注理论知识的传授更注重实用技能的培养。本书在学习过程中塑造学生正确的世界观、人生观、价值观, 真正实现价值塑造、知识传授和能力培养融

本书涵盖数值分析、统计计算的核心内容，既包含一些经典的数值方法，又系统地介绍了统计计算中的新方法。本书共8章，内容包括计算统计引论、矩阵计算、函数逼近与最小二乘法、方程与方程组的数值解法、数值积分与数值微分、马尔可夫链蒙特卡洛模拟、EM优化算法、组合优化与启发式算法等。
本书结合理论算法、计算机程序与计算机专业领域应用案例，较为全面地介绍数值计算方法和统计计算方法，让学生真正了解计算统计中重要算法的基本思想，掌握相关程序的编写和培养学生的编程思维，使其具备解决复杂工程问题的能力。