在实际应用中,需要处理的数据常常具有类别不平衡的特点.例如,用于信用卡欺诈检测、垃圾邮件过滤、机械故障诊断、疾病诊断、极端天气预测预报等的数据都是类别非平衡数据.研究非平衡数据分类问题具有重要意义和实际应用价值,引起机器学习领域研究人员的广泛关注.本书结合作者团队在非平衡数据分类中的研究成果,系统介绍非平衡数据分类的理论基础、模型评价、数据级方法、算法级方法和集成学习方法.

本书主要从中医药信息学的研究对象——人体稳态信息的信息流程着手，论述了稳态信息的形成和属性，稳态信息的获取和处理，以及中医药信息流程中执行的两大准则。第一章主要阐述了稳态信息的形成，即人体的结构、功能及其相互间的关联关系，在自组织功能下协同达到同步，从而形成人体稳态信息的过程。第二章论述了稳态信息的属性，即稳态信息具有认识论属性、现象属性、整体属性和时间属性。第三章讨论了稳态信息的获取过程，认为稳态是人体系统中各因素及因素间关联关系的同步，稳态信息的获取过程就是由个体在一定的尺度和维度上认知人体

本书主要介绍不确定性环境下基于随机参数矩信息的鲁棒优化方法，讨论其模型构建、算法设计及实际应用等方面的最新研究成果。本书旨在为不确定性环境下优化决策提供理论建模、算法设计及分析的新方法和工具，同时为复杂环境下供应链管理、运营管理、物流运作等实际问题提供科学决策支持。

《零基础学Python数据分析》（升级版）以数据分析"三剑客”——Pandas、Matplotlib和NumPy为主线，全面介绍了数据分析入门的必备知识，从学习与应用的角度出发，帮助读者快速掌握数据统计分析技能，拓宽职场道路。本书通过大量的示意图力求使读者能够更好地理解晦涩难懂的专业术语；通过快速示例将学习与应用相结合，打造轻松学习、零压力学习的阅读氛围；通过案例对所学知识进行综合应用；通过开发流行项目将数据统计分析与预测应用到实际工作中。

本书所介绍的学习方法，源于两位作者多年来的跨领域工作实践经验。这套学习方法不仅颠覆了传统的学习观念，更为职场人士提供了一套高效、实用的学习策略。通过学习本书，你将掌握一套全新的学习方法，弥补学校教育的不足，助你在职场中取得更大的成功！本书包括：策略篇，涉及独家的功利性、框架、可迁移3大学习策略，颠覆传统的学习方法，揭秘学习的本质规律；技巧篇，涉及独特的多重阅读方法、OneNote笔记技巧、知识三问理解技巧，既速成又系统；演示篇，涉及独有的技能学习方法，即使面对再复杂的职场技能，也能迅速掌握，助力

ModelSim是优秀的HDL仿真软件之一，它能提供友好的仿真环境，是业界唯一单内核支持VHDL和Verilog混合仿真的仿真器，它采用直接优化的编译技术、Tcl/Tk技术和单一内核仿真技术，编译仿真速度快，编译的代码与平台无关，便于保护IP核，个性化的图形界面和用户接口，为用户加快调错提供强有力的手段，是Window平台上FPGA/ASIC设计的首选仿真软件。本书以ModelSimSE2020.4版软件为平台，由浅入深、循序渐进地介绍ModelSimSE2020.4软件各部分知识，包括Mode

本书详细介绍了强化学习的理论推导、算法细节。全书共12章，包括强化学习概述、马尔可夫决策过程、退化的强化学习问题、环境已知的强化学习问题、基于价值的强化学习算法、基于策略的强化学习算法、AC型算法、基于模型的强化学习算法等相关知识。本书系统性强、概念清晰，内容简明通俗。除了侧重于理论推导，本书还提供了许多便于读者理解的例子，以及大量被实践证明有效的算法技巧，旨在帮助读者进一步了解强化学习领域的相关知识，提升其现实中的工程能力。本书可作为高等院校数学、计算机、人工智能等相关专业的强化学习教材，但需

本书回顾了过去30年的领导力洞察，并从中挑选出了对21世纪的领导力发展至关重要的，以及在任何行业取得成功都需要的、永恒的领导力内容。美国商业杂志称"这本书提供了几十年特别好的一些领导力建议”。阅读本书，你可以获得：克莱顿?克里斯坦森和迈克尔?波特对成熟的领导力框架的简明解释；对高级领导者案例的深入研究，如世界银行的吉姆?沃尔芬森、PBS的葆拉?科戈尔、福特基金会的达伦?沃克和汤森路透的吉姆?史密斯；循序渐进的指导，帮助你理解并开始实施6个核心的领导实践，包括建立统一的愿景，制定战略，招募优秀人才

本书基于ARM公司的Cortex-M3处理器的STM32微控制器，使用MDK-ARM开发软件和C语言，结合STM32固件库和STM32开发板，面向底层应用编程，介绍嵌入式系统的工作原理和应用技术，包括嵌入式系统设计基础、Cortex-M3处理器、Thumb指令集、STM32微控制器、STM32的GPIO、Cortex-M3异常和STM32中断、STM32的串行通信接口、STM32的DMA接口、STM32的定时器接口、STM32的模拟接口。本书可以作为高等院校计算机、电子、通信及自动控制等专业"嵌

许多实际工业过程具有明显的非高斯随机动态特性，使衡量产品质量、生产效率和能耗等的运行指标并不满足高斯假设，传统基于运行指标均值和方差的控制与优化方法难以获得满意的控制和优化效果。本书总结了笔者研究团队近年来在非高斯工业过程控制与优化方面的研究成果，主要包括基于几何分析双闭环迭代学习控制的非高斯工业过程随机分布控制、基于数据驱动预测PDF控制的非高斯工业过程随机分布控制、基于多目标非线性预测控制的非高斯工业过程随机分布控制和基于目标函数分布形状的非高斯工业过程概率约束随机优化等方面的内容。