本书将向您展现功能强大的LS-DYNA软件，内容将让新老用户对LS-DYNA有耳目一新的感觉。本书首先简要介绍了通用网格划分软件TrueGrid（2019年*版3.20）的使用方法，然后由浅入深地介绍了通用多物理场分析软件LS-DYNA（2018年*版11.0）的基本功能、前后处理软件LS-PrePost简介、入门基础

本书共10章。内容包括：随机事件与概率、条件概率与独立性、一维随机变量及其分布、多维随机变量及其分布、随机变量的数字特征、大数定律和中心极限定理、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。

本书是与清华大学出版社2017年出版的《概率论与数理统计（第2版）》（张艳、程士珍主编）教材相配套的学习辅导书.内容包括该书各章的知识点、典型例题、习题与综合练习题全解，另外，还配有大量的训练题及参考答案，以供考研学生提升解题技巧.本书注重体现概率统计的思想方法与基本内容，强调对学生解题方法与能力的培养，力求做到深入浅

本书主要包括抽样及描述性统计、概率、误差的传播、常用的分布、置信区间估计、假设检验、相关性和简单线性回归、多次回归、析因实验、统计上的质量控制、变量的控制图表、计数值管制图表、单因素实验中的成对比较、利用仿真构造置信区间、预测区间和公差区间、总体均值的大样本置信区间等内容。

内容涉及正倒向随机微分方程最优/次优控制系统研究，分两部分：第一，动态规划原理，我们推导出Hamilton-Jacobi-BellmanInequality,此项研究是深入菲尔茨奖得主，法国数学家P.-L.Lions教授提出的用粘性解理论研究导数有约束的偏微分方程的问题。同时给出在粘性解意义下，随机递归系统的最优控制验

本书主要内容包括：随机事件的概率，一维和二维随机变量及其分布，随机变量函数的分布，随机变量的数字特征，大数定律与中心极限定理，统计量及其分布，参数估计，假设检验及随机过程的基本知识。

模式识别与机器学习是计算机科学与技术的重要研究内容之一。 《模式识别与机器学习技术》首先讲解了贝叶斯分类、支持向量机和人工神经网络等常用的机器学习算法，并对结构数据的核函数和增量支持向量机算法进行了全面综述，讲解了深度学习新的模型和计算机视觉的基本知识。以农业为应用场景，结合作者的科研工作，详细介绍了基于卷积神经网络

本书介绍了青年学者在线性代数、多项式代数、差分代数、计算代数几何等领域的部分**成果，展现了我国符号计算学科的发展动态我们希望以本书为平台展示课题成果，以及符号计算领域前沿进展，从而促进符号计算领域的学术交流与发展。

当在日常生活中需要进行选择与博弈时，我们可能不了解自己的目标，甚至不知道该怎样选择才能使自己的利益*大化。更不用说如何使参与博弈的各方利益*大化。哈伊姆夏皮拉用生活中的例子和通俗的语言向我们解释了什么是博弈论，并告诉我们该如何得到*优解。 通过这本书你将会： 学会与朋友出去吃饭时的点餐策略； 学会更好地做决策； 了解

在21世纪，统计方法在范围和影响方面都有惊人的扩展。大数据、数据科学和机器学习已经成为新闻中常见的术语，因为统计方法被用于处理现代科学和商业的庞大数据集。我们是怎么走到这一步的？我们又将走到哪里？ 本书将带你踏上数据分析变革的振奋之旅。从经典推断理论（贝叶斯理论、频率理论和Fisher理论）开始，各章节分别介绍一系列