本书共10章，包括耦合场分析简介、直接耦合场分析、直接耦合场实例分析、多场(TM)求解器－MFS单代码耦合、使用代码耦合的多场求解分析、多场求解器－MFS单代码的耦合实例分析、载荷传递耦合物理分析、载荷传递耦合物理场实例分析、耦合物理电路分析和耦合物理电路模拟实例分析。

本书收集了自博弈论领域的奠基之作《博弈论与经济行为》(约翰·冯·诺依曼，奥斯卡·摩根斯坦，1944)出版以来，对这一领域具有卓越贡献的18篇经典文章。这些文章的作者都是诺奖得主，且均为伟大的博弈论大师，他们获奖的基础研究都包含在本书中。通过这18篇文章，读者可以清晰了解博弈论发展的历史沿革和理论脉络。本书编者哈罗德·库恩因其对扩展型博弈的重新表述而对博弈论发展做出了巨大贡献。本书请国内博弈论领域的知名专家对每篇文章进行深度解析，帮助读者更好理解博弈论大师的思想精髓。从各个方面来说。

本书全面介绍了求解非线性规划问题的无罚函数方法。从基础概念出发，逐步讲解罚函数方法、传统与修正滤子方法、非单调滤子方法、自适应滤子方法以及其他无罚函数方法等。书中不仅提供了理论分析，还结合了丰富的数值实验，以证明算法的收敛性和有效性。本书融合了深人的理论探讨和实际案例，为研究生提供了坚实的理论基础和实践操作指南。书中对算法的收敛性进行了详尽的分析，并介绍了多种最优化问题的求解技巧，旨在帮助读者深人掌握最优化领域的知识。

敏感性试验设计是试验设计研究领域的主要研究方向之一，其应用背景主要是针对燃爆产品试验和药剂试验，通过设计若干刺激水平和观测对应的二元响应数据，估计感兴趣的特殊刺激水平，如成功响应概率p对应的刺激水平，称其为感度分布的p分位数。 传统的敏感性试验设计没有优化准则，而且希望估计的主要是0.5分位数。随着对研究对象更高质量的要求，在中小样本下估计极端p分位数的需求越来越强烈。本专著主要给出估计该类极端p分位数的优化试验设计方法，并在三元响应和混合响应情形下给出广义敏感性试验设计的概念、统计模型和广义p

本书深入浅出地介绍了数值计算的基本概念、常用方法及其程序实现。内容涵盖数值计算的一般概念和误差分析的常用方法，线性方程组的直接解法，插值的概念及主要插值方法，迭代法求解方程、线性方程组及非线性方程组的常用方法，数值积分与数值微分的常用方法，函数逼近的概念及常用方法，求解矩阵特征值与特征向量的常用方法，求解一阶常微分方程初值问题的主要方法，Python程序设计及数值计算实现的基本方法。
本书注重基本概念和理论的完整性、计算方法的有效性和实用性以及学习过程中的思维连贯性。
本书可以作为高

本书是在《模式识别与人工智能(基于MATLAB)》的基础上写作而成，为了适应模式识别算法的新发展、满足各层次读者的学习需求，在原有基础上增加了大量新内容，包括细化各章的内容和增加三种新算法。本书广泛涉及统计学、模糊控制、神经网络、人工智能等学科的思想和理论，将模式识别与人工智能理论和实际应用相结合，针对具体案例进行算法设计和分析，并运用MATLAB程序实现。全书共分为12章，内容包括模式识别概述、贝叶斯分类器设计、判别函数分类器设计、聚类分析、模糊聚类分析、神经网络聚类设计、模拟退火算

本书从信息流个性化推荐算法从业者的角度，阐述在资讯内容类App中，如何搭建健壮、完善的个性化推荐算法体系，如何融合产品运营的专家模型和端到端的深度学习，如何平衡短期的商业化目标和长期的用户体验，以及我们在多个行业头部平台实践的过程中遇到的典型业务问题和解决方案，对比理论推导为主的机器学习书籍，本身更偏向基于行业问题的深度思考及落地实践。

本书教你如何从基于时间的数据(如日志、客户分析和其他事件流)中获得即时、有意义的预测。在这本通俗易懂的书中，作者通过带有注释的Python代码全面演示了用于时间序列预测的统计和深度学习方法。全书分为四部分：第一部分介绍时间序列预测的概念；第二部分介绍使用统计模型进行预测；第三部分介绍使用深度学习进行大规模预测；第四部分介绍使用自动化预测库进行大规模预测。

真实世界中的序列数据随时间推移呈爆炸式增长，如何设计面向序列数据的知识发现方法是当前研究的热点之一。本书以深度学习和多视图学习为理论基础，以序列数据为研究对象，为面向序列数据分析提供多视图的学习方法与技术，同时为典型场景下的序列数据分析提供多视图深度学习解决方案，以期为序列数据分析、多视图学习领域的研究及应用提供参考。本书针对序列数据的动态性、突变性、不确定性和时空关联性等特点，探讨多视图学习理论，构建面向序列数据的多视图方法，概述基础理论与传统方法，并系统地介绍多视图序列数据应用领域的研究理论