《材料表界面化学》共十章，第1章绪论，介绍表界面的一些概念和表界面的发展简史；第2章介绍物质粒子间的微观相互作用，以及用于描述表面的表面位与表面态；第3、5、6章，介绍了液体、固体及固液体系中涉及的表界面知识和表面活性剂溶液特性及使用；第4章着重介绍胶体的特性及胶体稳定机理；第7章至第10章分别介绍高分子材料、无机非金属材料、金属材料表面和复合材料的界面。
《材料表界面化学》可作为化学、化工、材料等专业的教材，也可供相关人员参考使用。

本书依照教育部高等学校《理工科类大学物理实验课程教学基本要求》, 结合多年大学物理实验教学和教学改革经验编写而成。内容主要包括绪论、物理实验和实验报告活页3个部分。绪论部分系统介绍了大学物理实验课程的任务和基本要求、测量与误差、数据处理方法等基本基础知识。物理实验部分包含了19个实验, 涵盖力学、热学、电磁学、光学和近代物理内容, 并提供配套实验报告活页。

本书针对教育部提出的新要求，将物理实验教学中加入人文教育，实现对学生物理实验技能与人文教育的深度融合。授课过程中注重培养学生的家国情怀、人文情怀、世界胸怀，形成整体的知识观和智慧的生活观适合国内高校中的非物理专业普通本科教学。

本书是“十二五”普通高等教育本科***规划教材。全书共9章，包括测量误差、数据处理、物理实验基本测量方法、物理实验基本器具使用、基本物性的测量、基本物理常量的测量、电磁学专题实验、波动光学专题实验和其他专题实验等不同层次的内容。全书以物理测量量为主线，突出实验设计思想，强调实验物理学科的系统性和完整性，借鉴和采用相应的国内国际标准与规范，在数据处理方面体现严谨性与科学性。全书实验内容丰富，为不同层次的教学需要提供了一个灵活的平台。

本书是高等院校电子信息类专业主干基础课程“ 电磁场与电磁波” 配套的教辅图书, 是教育部一流本
科课程“ 电磁场与电磁波” 建设的配套图书。作者在清华大学出版社出版了《 电磁场与电磁波》 《 MA T L A B
电磁场与微波技术仿真》 , 从而构建了以主教材、 虚拟仿真辅助教材、 习题集为一体的立体化教材体系。在
编写体例上, 本书每章都包括思维导图、 知识点归纳、 主要内容及公式、 重点与难点分析、 典型例题分析、 课
后习题详解、 核心 MA T L A B代码、

本书系统介绍电磁场与电磁波的基本概念和基础理论，帮助学生掌握天线与电波传播的基础知识，解决电磁工程应用中的实际问题。本书保持电磁场基础理论的系统性，具备了自主学习的拓展性。全书共10章，第1~4章介绍电磁场与电磁波的基本规律，包括数学基础——矢量分析，宏观电磁现象的总规律——麦克斯韦方程组，静态电磁场，均匀平面电磁波的规律——传播、反射与折射；第5~6章介绍传输线基础理论和典型传输线——规则金属波导；第7~10章主要介绍天线与电波传播知识，包括天线基础知识，电波传播基础知识，典型天线在短波通信、

本书为职业教育交通运输类专业教材, 包含绪论、线性规划的图解法、线性规划在管理中的应用、单纯形法、运输问题、整数规划、动态规划、图与网络模型、排序与统筹方法、库存管理、决策分析。本书基本涵盖了常用的运筹学知识领域, 结构编排由浅入深、循序渐进。同时, 书中简化了公式、定理的证明与推导, 以案例教学贯始终, 着重培养学生应用运筹学分析和解决实际问题的能力。

面积法是一种有着悠久历史的传统方法。近几十年来, 面积法体系得到进一步的发展, 焕发出新的生命力, 如今已成为平面几何中的基本方法，甚至成为解决很多几何难题的通法。 本书介绍了用面积法解题的基本工具 (共边定理和共角定理) 以及指导思想 (消点法), 并辅以大量例题来说明用面积法解题的有效性。 另外, 书中还介绍了面积法与勾股定理、 托勒密定理等的关系, 以及面积法在不等式、 三角等多个数学分支中的应用。 本书以面积法为主线, 串接了许多有趣的数学内容, 适合中小学师生以及数学爱好者阅读。

本书是河南省“十四五”普通高等教育规划教材重点立项,是将传统纸质教材内容与教学视频等相关数字资源链接在一起的新形态立体化教材。《BR》　　本书内容由概率论与数理统计两部分组成。概率论部分包括概率论基础、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、大数定律和中心极限定理;数理统计部分包括数理统计基础、参数估计、假设检验、相关分析与一元回归分析、方差分析。《BR》　　本书利用Excel数据处理与统计分析技术,图文并茂地给出实验内容和实验过程,便于读者自学掌握。本书数字资源包括理论讲解

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