本书是土木工程专业的核心课程土力学的英文版教材。本教材既注重适合我国土力学课程的知识结构体系，又吸收国外经典土力学英文原版教材的精髓，采用我国现行的规范和标准进行编写。全书重视土力学基本理论和知识、技能的阐述，力求把知识的传授与能力的培养结合起来，内容丰富、条理清晰、系统性和逻辑性较强，便于学生系统学习和深入理解。 本书内容共分8章，包括土的基本性质和工程分类、土的渗透性和渗流力、地基中的应力分布、土的压缩性和固结、抗剪强度、地基承载力、边坡稳定分析，以及土压力和挡土墙。每章开始有思维导图，知识点清晰，每章后附有习题和参考文献，附录中列出了土力学常用专业名词英汉对照和习题答案，为学生和教师的学习和查阅提供了方便。 本书可作为高等院校土木工程专业土力学课程的双语教材，其内容与中文
本书共十七章，概述了解析数论中的一些基本结果，发展并扩展了达文波特在论文中提出的一些思想，讨论的主题包括迪利克雷L—级数及其解析延拓和函数方程，包含了有关字符和γ函数的相关支撑的材料。本书还研究了当a和b互质时，存在无穷多个素数全等于已知a模b的迪利克雷定理和等差数列的素数定理，还讨论了如何将这些思想应用于所谓的负佩尔方程的理论之中，具体研究了迪利克雷特征、L—系列、γ函数、黎曼ζ函数、泊松求和公式、西格尔零点和算术级数中素数的迪利克雷定理等内容。
本书用D-膜讨论了拓扑和超弦背景的一些问题，这些问题的解决不仅仅针对单一的问题，主要针对Ⅱ型理论，解决在描述超弦背景的“主角”的拓扑和几何性质时出现的问题。从广义同调和上同调理论以及Atiyah-Hirzebruch谱序列的数学回顾开始，以便在这样的谱序列和Gysin映射之间提供一个明确的联系。
本书是美国培生教育出版社出版的关于微分方程定性理论方面教科书的中国版本，文中针对中国学生的具体情况做了内容调整。书中主要讲解了微分方程理论的基本方法，对微分方程的存在性、连续依赖性、稳定性、周期解、自治微分系统、动力系统等基本问题进行详细分析，并注重理论间的联系。本书基础性强、应用广泛，是一本适合大学高年级选修课、研究牛双语教学以及读者自学的英文教科书。
本书是美国培生教育出版社出版的关于微分方程定性理论方面教科书的中国版本，文中针对中国学生的具体情况做了内容调整。书中主要讲解了微分方程理论的基本方法，对微分方程的存在性、连续依赖性、稳定性、周期解、自治微分系统、动力系统等基本问题进行详细分析，并注重理论间的联系。本书基础性强、应用广泛，是一本适合大学高年级选修课、研究牛双语教学以及读者自学的英文教科书。
本书是美国培生教育出版社出版的关于微分方程定性理论方面教科书的中国版本，文中针对中国学生的具体情况做了内容调整。书中主要讲解了微分方程理论的基本方法，对微分方程的存在性、连续依赖性、稳定性、周期解、自治微分系统、动力系统等基本问题进行详细分析，并注重理论间的联系。本书基础性强、应用广泛，是一本适合大学高年级选修课、研究牛双语教学以及读者自学的英文教科书。
本书的目的是证明，如果考虑广义扩张（它是一类群作用）并定义关于它们的齐次性，那么齐次系统类可以变得一般。结果表明，解的性（在时间的两个方向上）确实是一个系统对某种广义膨胀齐次的充分条件。本书研究了齐性与单调性的关系，证明了如果一个系统对某个V（正函数）是单调的，则存在一个广义扩张，且系统和V都是齐次的。本书的另一个结果是在齐次条件下局部单调性与全局单调性的等价性。本书包括引言、离散时间的均匀性、齐次线性系统、连续时间的均匀性和切换均匀系统。
本书是美国培生教育出版社出版的关于微分方程定性理论方面教科书的中国版本，文中针对中国学生的具体情况做了内容调整。书中主要讲解了微分方程理论的基本方法，对微分方程的存在性、连续依赖性、稳定性、周期解、自治微分系统、动力系统等基本问题进行详细分析，并注重理论间的联系。本书基础性强、应用广泛，是一本适合大学高年级选修课、研究牛双语教学以及读者自学的英文教科书。
作为一本综合指南，本书将带领你探究TensorFlow 1.x的 特性。深入了解TensorFlow Core、Keras、TF Estimators、TFLearn、TF-Slim、Pretty Tensor以及Sonnet。通过TensorFlow和Keras的强大功能，利用转移学习、生成式对抗网络、深度强化学习等概念构建深度学习模型。在本书中，你将获得各种数据集（如MNIST、CIFAR-10、PTB、text8、COCO-Images）的实践经验。你将学习到TensorFlow1.x的 特性，例如带有TF-Clusters的分布式TensorFlow、使用TensorFlow Serving部署生产模型、在Android和iOS平台上为移动和嵌入式设备构建和部署TensorFlow模型。你还会看到如何在R统计软件中调用TensorFlow和Keras API，了解在基于TensorFlow API的代码无法按预期工作时所需的调试技术。
