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

本书前7章为操作基础，详细介绍了Ansys分析的基本步骤和方法：第1章Ansys概述；第2章几何建模；第3章建模实例；第4章网格划分；第5章施加载荷；第6章求解；第7章后处理。后8章为专题实例，按不同的分析专题讲解了各种分析专题的参数设置方法与技巧：第8章静力分析；第9章模态分析；第10章谐响应分析；第11章瞬态动力学

作者基于丰富的教学经验，开发了一套全新的算法分类方法。该分类法站在通用问题求解策略的高度，对现有大多数算法进行了较为准确的分类，旨在引领读者沿着清晰、一致、连贯的思路来探索算法的设计与分析。《算法设计与分析基础（第3版详解版）》适合用作算法设计与分析的基础教材，也适合任何有兴趣探究算法奥秘的读者自学使用。

本书以最优化算法及其MATLAB程序实现为主线，结合相应优化例题及其编程示例，利用自编函数和MATLAB优化工具箱函数求解优化模型，使读者轻松掌握编程应用。全书共8章，内容包括最优化概论、线搜索方法、无约束优化算法、约束优化算法、线性规划算法、整数规划算法、二次规划算法、动态规划算法以及各类优化算法的MATLAB实现，

智能优化算法在解决大空间、非线性、全局寻优、组合优化等复杂问题方面具有独特的优势，因而得到了国内外学者的广泛关注，并在信号处理、图像处理、生产调度、任务分配、模式识别、自动控制和机械设计等众多领域得到了成功应用。本书介绍了近年来新提出的5种智能优化算法及其改进算法的算法思想、原理、算法流程和程序实现说明，并给出了具体的

本书根据编者多年主讲概率论与数理统计课程的教学经验和现阶段大学生的基本学情，并参照该课程的教学基本要求编写。全书共分八章，主要包括随机事件与概率、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、大数定律与中心极限定理、统计量及其分布、参数估计和假设检验。本书注意基本概念和基础理论，特别注意基础知识间的内在联

本书介绍统计分析的Logistic回归模型，以及扩充模型，包括Logistic回归搭配ROC曲线，多项Logistic回归等，通过例题分析，结合计算机统计软件的应用，详细阐述该模型原理与应用。

本教材共九章，第一章至第五章为概率论部分，以研究随机现象的统计规律性为主线，为读者提供了必要的理论基础。第六章至八章为数理统计部分，主要介绍了数理统计的基本概念、常用分布、抽样分布定理、参数估计与假设检验。第九章是Excel在概率统计中的应用，现在的科学发展已经越来越离不开计算机的应用，而数理统计是基于数据的收集、整理

本教材主要介绍了随机过程的预备知识、离散时间马氏链、可数状态马氏链、泊松过程、连续时间马氏链、更新过程、布朗运动等内容。为适应应用型本科财经类相关专业突出技能与应用的要求，本书在介绍随机过程基础理论的前提下，着重使用图表等多种形式，形象地展示课程的脉络。在介绍部分难以理解的知识点时，本书附有相关的Matlab及Pyth

本书包括4个部分内容：1-4章为概率论的理论部分;5-6章为统计应用的基础准备部分,介绍了大量样本数据呈现的极限特征,以及统计应用中常用的四大分布及性质;7-8章为统计的基本应用部分,介绍了参数的点估计,区间估计以及假设检验问题;第9章介绍了现实中常用的统计方法--一元回归分析.前8章是一般本科概率论与数理统计课程的基