本書主要內(nèi)容包括Origin入門，表格管理，數(shù)據(jù)管理，矩陣管理，數(shù)據(jù)可視化，三維數(shù)據(jù)可視化，數(shù)學(xué)統(tǒng)計(jì)分析，數(shù)據(jù)運(yùn)算，數(shù)據(jù)分析等內(nèi)容，覆蓋了科學(xué)繪圖與數(shù)據(jù)分析的各個(gè)方面，實(shí)例豐富而典型，將重點(diǎn)知識(shí)進(jìn)行融入應(yīng)用，指導(dǎo)讀者有的放矢地進(jìn)行學(xué)習(xí)。

本書分為6篇：第1篇智能優(yōu)化的理論基礎(chǔ)，內(nèi)容包括優(yōu)化理論和智能優(yōu)化方法概述；第2篇進(jìn)化算法，內(nèi)容包括遺傳算法、DNA算法、Memetic算法和文化算法；第3篇仿人智能優(yōu)化算法，內(nèi)容包括神經(jīng)網(wǎng)絡(luò)算法、模糊邏輯算法、思維進(jìn)化算法；第4篇群智能優(yōu)化算法，內(nèi)容包括蟻群優(yōu)化算法、粒子群優(yōu)化算法、混合蛙跳算法、猴群算法、自由搜索算

本書提出采用圍線積分方法（Sakurai-Sugiura方法）來處理一種非線性特征值問題，該方法不僅可以將原特征值問題轉(zhuǎn)化為一個(gè)標(biāo)準(zhǔn)特征值問題，而且具有并行計(jì)算的架構(gòu)。本書第1章著重介紹了用邊界元法與圍線積分方法來求解不同類型特征值問題的公式推導(dǎo)與算法算例；基于第1章算法的建立，本書第2章介紹了基于此算法的各類聲子晶體

本書介紹了概率論與數(shù)理統(tǒng)計(jì)的基本概念、基本理論與方法.內(nèi)容包括：概率論基本概念、隨機(jī)變量與隨機(jī)向量及其分布、隨機(jī)變量的數(shù)字特征、大數(shù)定律與中心極限定理、數(shù)理統(tǒng)計(jì)的基本概念、參數(shù)估計(jì)、假設(shè)檢驗(yàn)、方差分析和回歸分析.每章均配有習(xí)題，書后附有習(xí)題答案，習(xí)題中收集了歷屆研究生考試試題，既便于教學(xué)，又利于考試復(fù)習(xí)，本書可作為高等

本書主要講述本科概率論與數(shù)理統(tǒng)計(jì)課程主要知識(shí)，內(nèi)容安排完全按照教育部規(guī)定的教學(xué)大綱設(shè)計(jì)的。全書共九章，主要包括隨機(jī)事件與概率、隨機(jī)變量及其分布、多維隨機(jī)變量及其分布、隨機(jī)變量的數(shù)字特征、大數(shù)定律與中心極限定理、數(shù)理統(tǒng)計(jì)的基本概念、參數(shù)估計(jì)、假設(shè)檢驗(yàn)、數(shù)理統(tǒng)計(jì)在經(jīng)濟(jì)中的應(yīng)用。本書可作為理工類、經(jīng)管類本科生的教材，也可供新

本書按照主教材的章節(jié)順序，分為10章主要內(nèi)容包括隨機(jī)事件與概率、一維隨機(jī)變量及其分布、多維隨機(jī)變量及其分布、隨機(jī)變量的數(shù)字特征、極限定理、數(shù)理統(tǒng)計(jì)基本概念、參數(shù)估計(jì)、假設(shè)檢驗(yàn)、回歸分析及方差分析簡(jiǎn)介、經(jīng)典問題剖析本書內(nèi)容緊扣主教材，書中例題豐富且具有代表性，例題分析與解答展示了基本的解題思路、解題方法與解題技巧，起到了

《Python應(yīng)用數(shù)值方法解決工程和科學(xué)問題》是為想要學(xué)習(xí)和應(yīng)用數(shù)值方法來解決工程和科學(xué)問題的學(xué)生撰寫的。書中提供了足夠豐富的理論知識(shí)。如果讀過本書的姊妹篇《工程與科學(xué)數(shù)值方法的MATLAB實(shí)現(xiàn)(第4版)》，就會(huì)發(fā)現(xiàn)過渡到Python程序是無縫的！不需要事先具有Python編程經(jīng)驗(yàn)。本書以解決問題為導(dǎo)向，強(qiáng)調(diào)理論聯(lián)系實(shí)

本書展示了如何使用真實(shí)的數(shù)據(jù)真實(shí)地進(jìn)行貝葉斯數(shù)據(jù)分析。作者從概率與程序設(shè)計(jì)的基本概念出發(fā)，逐步帶你進(jìn)階，幫助你最終掌握在實(shí)際的貝葉斯數(shù)據(jù)分析中常用的高級(jí)模型。本書分為三大部分，共有25章。第一部分介紹基礎(chǔ)知識(shí)，內(nèi)容包括貝葉斯推斷的基本思想、模型、概率及R語言編程。第二部分涵蓋了現(xiàn)代貝葉斯數(shù)據(jù)分析的所有關(guān)鍵思想。第三部分

本書從系統(tǒng)視角出發(fā),闡述如何利用技術(shù)手段搭建企業(yè)級(jí)推薦系統(tǒng),內(nèi)容包括認(rèn)知篇、數(shù)據(jù)篇、召回篇、排序篇、系統(tǒng)篇5個(gè)部分，覆蓋企業(yè)級(jí)推薦系統(tǒng)建設(shè)的核心要點(diǎn)。本書知識(shí)體系清晰，從基礎(chǔ)知識(shí)切入，逐步深入，先后涉及推薦系統(tǒng)的經(jīng)典技術(shù)、主流技術(shù)和前沿技術(shù)。本書通過“理論+案例+代碼示例+心得體會(huì)”的方式闡述、歸納和總結(jié)推薦系統(tǒng)的知識(shí)

時(shí)間序列分析是統(tǒng)計(jì)學(xué)科的一個(gè)重要分支，它主要研究隨著時(shí)間的變化，事物發(fā)生、發(fā)展的過程，尋找事物發(fā)展變化的規(guī)律并預(yù)測(cè)未來的走勢(shì)。在日常生產(chǎn)和生活中，時(shí)間序列比比皆是，所以目前時(shí)間序列分析方法廣泛應(yīng)用于經(jīng)濟(jì)、金融、天文、氣象、海洋、物理、化學(xué)、醫(yī)學(xué)、質(zhì)量控制等諸多領(lǐng)域，成為眾多行業(yè)經(jīng)常使用的統(tǒng)計(jì)方法。本書是基于Python