本书以**推出的MATLAB2020a软件为基础，详细介绍了各科学计算求解方法及其MATLAB在科学计算中的应用，是一本掌握MATLAB科学计算方法的综合性参考书。全书以科学计算在MATLAB中的应用为主线，结合各种应用案例，详细讲解了科学计算的MATLAB实现方法。
全书分为MATLAB基础应用、科学计算和工具箱等3部分，共17章。基础应用部分详细讲解了MATLAB的计算入门知识、基本运算方法、图形的可视化以及编程方法等，这些都是掌握科学计算的必备知识。科学计算部分详细讲解了MA

本教材是全国高等农林院校“十三五”规划教材，主要内容包括随机事件及其概率、随机变量及其分布、二维随机变量及其分布、随机变量的数字特征、大数定律与中心极限定理、数理统计的基本概念、参数估计、假设检验、回归分析与方差分析。
本教材简明扼要、由浅入深、通俗易懂、内容全面，适合作为高等农林院校概率论与数理统计课程教材，也可作为相关专业的教学参考书。

本书共分10章，内容主要包括：随机事件及其概率、随机变量及其分布、随机变量的数字特征及其极限定理、样本与统计量及其抽样分布、参数估计、假设检验、方差分析、相关分析与回归分析、SPSS软件的使用。书中各章结合实际给出了大量例题、习题以及相关知识点的配套视频，书中提供了用SPSS进行概率统计分析的结果，书末配书有习题和练习答案。全书内容完整，论述严谨，通俗易懂，注重应用。

本书介绍概率论与随机过程的基本概念、基本方法及其运用. 全书包括事件与概率、随机变量 （一元与多元）及其分布、概率论极限理论、随机过程引言、二阶矩过程时域分析、宽平稳过程的 谱分析、高斯过程、离散时间马尔可夫过程、泊松过程等内容. 全书共分为10章，含例题147道， 习题223题及参考解答.

本教材是全国高等农林院校“十三五”规划教材，本书以提高学生运用随机观点和统计思想去分析问题和解决问题的能力为宗旨，主要内容包括：事件与概率、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、数理统计的基础知识、参数估计、假设检验、方差分析、相关分析与回归分析、Excel软件在统计分析中的运用等。

本书共10章，具体内容包括：绪论、预备数学基础、非线性方程求解、线性方程组的直接解法、线性方程组的迭代解法、插值法、曲线拟合和函数逼近、数值积分与微分、常微分方程的数值解法、矩阵特征值计算介绍.《BR》　　本书针对理工科研究生的需求和特点,写法上强调各类数值问题的底层逻辑;特别注重用生活中的常识对相关数学思想进行解释说明;尽量深入浅出并联系应用,大多算法都给出了MATLAB代码;某些部分采用探索者视角的书写方式,以适应研究生阶段学习的研读特点;讲义式内容组织方式和各级标题为教学与自学提供了明确导

本书结合现代计算机与运筹学的发展趋势，着重介绍运筹学的基础理论及其应用。全书共17章，内容包括线性规划、整数规划、目标规划、动态规划、图与网络分析、统筹方法、决策分析、对策论、排队论、库存论、非线性规划、多目标决策规划等。
相比其他同类教材，本书将统筹方法单独列为一章，同时增加了用Excel处理运筹问题的相关内容。
本书可作为高等学校本科生教材，并适用于多学时和少学时两种教学方式，同时可作为硕士研究生及MBA教材。另外，对于从事经济管理的人员，作为案头书自学参考也颇有裨益。

《计算思维与人工智能基础》是高校计算思维通识教育类课程的入门教材，以基于计算机的问题求解为主线，以计算思维能力培养为目的，从全新的视角组织教学内容，突出计算理论与计算机科学方法。全书共7章，分别介绍了计算与计算思维、信息表示、计算机系统、程序设计基础——Python编程入门、信息传递与信息安全、人工智能基础、机器学习等内容。
《计算思维与人工智能基础》内容丰富、结构清晰、语言简练、图文并茂，具有很强的实用性和可操作性，可作为高等学校本科生的第一本计算机课程教材，也可作为大中专院校计算机课程

ANSYS CFD 是一整套流体动力学仿真模块组合，包括几何建模工具ANSYS SCDM、网格划分模块ANSYS Mesh和流场求解模块ANSYS Fluent 等。本书以实例讲解的方式全面介绍了ANSYS CFD 系列软件在工程流体模拟中的应用，内容涵盖创建几何模型、网格划分、流动模拟、传热模拟、运动模拟、多相流模拟、燃烧及化学反应流模拟和多物理场耦合模拟等。本书以模拟计算流程为导向，力求使不同类型的物理现象模拟流程标准化。书中实例编排由浅入深，步骤详尽，易于理解。 本书适用于广大流体模拟工程

本书共13章，分别介绍了随机变量的抽样方法，随机向量的抽样方法，随机过程的抽样方法，Gibbs抽样和马尔可夫链，Metropolis-Hastings算法、HMC算法及SMC算法，EM算法和MM算法，梯度下降法，Newton-Raphson算法，坐标下降法，Boosting算法，凸优化与支持向量机，ADMM算法，深度学习等常用优化方法以及近些年在机器学习和深度学习领域使用的热门算法.对各种算法，作者除了给出计算步骤和统计模型的应用实例外，还对算法涉及的基本概念和重要收敛性定理进行了介绍和证明.本