本书共六章，梳理了二阶非线性时变延迟微分方程的指数稳定性准则，介绍了二阶离散型延迟微分方程边值问题的Strmer-Cowell方法、二阶分布型延迟微分方程边值问题的Strmer-Cowell方法、具分段常变元微分方程初值问题的块边值方法等内容。

本书系统介绍常用的数值分析的基本概念、方法及应用，注重培养学生的科学计算能力。本书内容共分八章，主要包括绪论、插值法、函数逼近与快速傅里叶变换、数值积分与数值微分、线性方程组的数值解法、矩阵特征值问题的求解、非线性方程的数值解法和常微分方程的数值解法。本书每章后面都配置了习题，且部分典型习题给出了详细解答，读者可扫描书

本书是矩阵特征值估计及计算方法方面的专著,由概率背景出发，系统地介绍了不同类型矩阵的特征值变分、估计及计算方法。本书内容包括预备知识、可配称矩阵的特征值估计及计算方法、非对称矩阵的特征值估计及逼近程序、一般非负不可约矩阵的特征值计算方法以及离散加权p-Laplacian算子的特征值研究。作为Perron-Frobeni

本书系统地介绍了定义在离散格(包括Zd和Bethe树等)图上的取值于有限集合的随机场的相变、信息度量，以及网络演化博弈论。全书共10章，分为三个部分。第一部分包括第1章至第3章，给出了随机场的一般定义，重点介绍马尔可夫场和Gibbs场，以及它们的等价关系，讨论了Z2和树(包括开树和闭树)上Ising模型的相变问题。第二

本书为修订和扩展的新版本，新版里包括更为详细的EM算法处理、有效的近似维特比训练程序描述，和基于n一最佳搜索的困惑测度和多通解码覆盖的理论推导。为了支持对马尔可夫模型理论基础的讨论，还特别强调了实际算法的解决方案。具体来说，本书的特点如下：介绍了马尔可夫模型的形式化框架；涵盖了概率量的鲁棒处理；提出了具体应用领域隐马尔

本书采用了不相关的、来自信息论的研究，角度新颖地提出了一种证明中心极限的新方法，并对此进行了全面描述：书中先是读者呈现了熵和费雪信息概念的基本导论，随后以一系列与它们行为有关的标准测试作为验证。在作者的独特构思与实证下，信息论与中心极限定理两个看似不相干的领域被巧妙地联结起来，实现了跨学科的科研合作。此外，书里还汇编了

本书全面介绍贝叶斯推理与机器学习，涉及基本概念、理论推导和直观解释，涵盖各种实用的机器学习算法，包括朴素贝叶斯、高斯模型、马尔可夫模型、线性动态系统等。在介绍方法的同时，强调概率层面的理论支持，可帮助读者加强对机器学习本质的认识，其适合想要学习机器学习中的概率方法的读者。首先介绍概率论和图的基础概念，然后以图模型为切入

本书稿用图表法进行的Ｅ-Ｇ筛选，使人们可以对前面得到的给出偶数的Ｇ-素数对成员的数目的上下限值的公式的由来有更深刻的理解。清楚地知道数轴上那一范围内的自然数的行为是可以确切知道，那一范围内的自然数的行为是不能确切知道，这些不能确切知道的自然数的数目，正是公式所给出的上下限值的范围，以期对在校师生进行科研和学习提供参考和

本书根据概率论与数理统计学科的脉络走向和考生的复习进度，将高等数学分为若干部分，考生只需按照书中的知识体系和进度安排进行复习，就可以轻松掌握考研数学的概率论与数理统计部分。帮助考生在复习过程中熟悉考查的重点和难点，了解一定的命题规律和趋势。

本书是《概率论与数理统计》的同步辅导书，集长期在教学科研第一线的专家的丰富教学经验，按照系统性、结构性、严谨性和简洁性原则进行编著。内容主要包括随机事件与概率、离散型随机变量、连续型随机变量、随机变量的数字特征、随机向量和极限定理、统计量及其分布、参数估计、假设检验、方差分析、回归分析等。适用于普通高等教育概率论与数理