本書前7章為操作基礎，詳細介紹了Ansys分析的基本步驟和方法：第1章Ansys概述；第2章幾何建模；第3章建模實例；第4章網(wǎng)格劃分；第5章施加載荷；第6章求解；第7章后處理。后8章為專題實例，按不同的分析專題講解了各種分析專題的參數(shù)設置方法與技巧：第8章靜力分析；第9章模態(tài)分析；第10章諧響應分析；第11章瞬態(tài)動力學

作者基于豐富的教學經(jīng)驗，開發(fā)了一套全新的算法分類方法。該分類法站在通用問題求解策略的高度，對現(xiàn)有大多數(shù)算法進行了較為準確的分類，旨在引領讀者沿著清晰、一致、連貫的思路來探索算法的設計與分析�！端惴ㄔO計與分析基礎（第3版詳解版）》適合用作算法設計與分析的基礎教材，也適合任何有興趣探究算法奧秘的讀者自學使用。

本書以最優(yōu)化算法及其MATLAB程序?qū)崿F(xiàn)為主線，結合相應優(yōu)化例題及其編程示例，利用自編函數(shù)和MATLAB優(yōu)化工具箱函數(shù)求解優(yōu)化模型，使讀者輕松掌握編程應用。全書共8章，內(nèi)容包括最優(yōu)化概論、線搜索方法、無約束優(yōu)化算法、約束優(yōu)化算法、線性規(guī)劃算法、整數(shù)規(guī)劃算法、二次規(guī)劃算法、動態(tài)規(guī)劃算法以及各類優(yōu)化算法的MATLAB實現(xiàn)，

智能優(yōu)化算法在解決大空間、非線性、全局尋優(yōu)、組合優(yōu)化等復雜問題方面具有獨特的優(yōu)勢，因而得到了國內(nèi)外學者的廣泛關注，并在信號處理、圖像處理、生產(chǎn)調(diào)度、任務分配、模式識別、自動控制和機械設計等眾多領域得到了成功應用。本書介紹了近年來新提出的5種智能優(yōu)化算法及其改進算法的算法思想、原理、算法流程和程序?qū)崿F(xiàn)說明，并給出了具體的

本書根據(jù)編者多年主講概率論與數(shù)理統(tǒng)計課程的教學經(jīng)驗和現(xiàn)階段大學生的基本學情，并參照該課程的教學基本要求編寫。全書共分八章，主要包括隨機事件與概率、隨機變量及其分布、多維隨機變量及其分布、隨機變量的數(shù)字特征、大數(shù)定律與中心極限定理、統(tǒng)計量及其分布、參數(shù)估計和假設檢驗。本書注意基本概念和基礎理論，特別注意基礎知識間的內(nèi)在聯(lián)

本書介紹統(tǒng)計分析的Logistic回歸模型，以及擴充模型，包括Logistic回歸搭配ROC曲線，多項Logistic回歸等，通過例題分析，結合計算機統(tǒng)計軟件的應用，詳細闡述該模型原理與應用。

本教材共九章，第一章至第五章為概率論部分，以研究隨機現(xiàn)象的統(tǒng)計規(guī)律性為主線，為讀者提供了必要的理論基礎。第六章至八章為數(shù)理統(tǒng)計部分，主要介紹了數(shù)理統(tǒng)計的基本概念、常用分布、抽樣分布定理、參數(shù)估計與假設檢驗。第九章是Excel在概率統(tǒng)計中的應用，現(xiàn)在的科學發(fā)展已經(jīng)越來越離不開計算機的應用，而數(shù)理統(tǒng)計是基于數(shù)據(jù)的收集、整理

本教材主要介紹了隨機過程的預備知識、離散時間馬氏鏈、可數(shù)狀態(tài)馬氏鏈、泊松過程、連續(xù)時間馬氏鏈、更新過程、布朗運動等內(nèi)容。為適應應用型本科財經(jīng)類相關專業(yè)突出技能與應用的要求，本書在介紹隨機過程基礎理論的前提下，著重使用圖表等多種形式，形象地展示課程的脈絡。在介紹部分難以理解的知識點時，本書附有相關的Matlab及Pyth

本書包括4個部分內(nèi)容：1-4章為概率論的理論部分;5-6章為統(tǒng)計應用的基礎準備部分,介紹了大量樣本數(shù)據(jù)呈現(xiàn)的極限特征,以及統(tǒng)計應用中常用的四大分布及性質(zhì);7-8章為統(tǒng)計的基本應用部分,介紹了參數(shù)的點估計,區(qū)間估計以及假設檢驗問題;第9章介紹了現(xiàn)實中常用的統(tǒng)計方法--一元回歸分析.前8章是一般本科概率論與數(shù)理統(tǒng)計課程的基

真實世界中的序列數(shù)據(jù)隨時間推移呈爆炸式增長，如何設計面向序列數(shù)據(jù)的知識發(fā)現(xiàn)方法是當前研究的熱點之一。本書以深度學習和多視圖學習為理論基礎，以序列數(shù)據(jù)為研究對象，為面向序列數(shù)據(jù)分析提供多視圖的學習方法與技術，同時為典型場景下的序列數(shù)據(jù)分析提供多視圖深度學習解決方案，以期為序列數(shù)據(jù)分析、多視圖學習領域的研究及應用提供參考。