本书属于数学概览系列，选编了杰出数学家Robert Langlands的综述性文章，介绍了Langlands纲领的起源和发展及其创始人的数学生活。Langlands纲领将看似无关的学科如数论、分析、代数和几何联系在一起，揭示了所有数学的深层结构，并提供了解决棘手问题的新方法，现在经常被描述为 大统一数学理论 。本书由季理真选文，征求了作者和其他著名数学家的意见，并可 获得无偿的专有出版权，大多数文章还有作者本人及其他数学家的评论。 书中所涉及的内容称得上是20世纪数学上重要的成就之一，但大部分都是思想性的文章，并非对某个定理的详细证明，有利于读者更快地一览当代数学的前沿。透过书中的内容，读者可以体会Langlands如何看待数学并提出Langlands纲领。Langlands教授还亲自为本书撰写了很长的自序，分享了他的数学生涯，其对所关心的数学的想法和热情也对

数学是中小学的核心课程，教会学生运用数学知识解决问题是数学教育的根本。但是学生在数学问题解决过程中会出现系统性偏差和错误，这些现象并不是单纯地由知识或概念缺失造成的，而是直觉或过度学习的结果。 本书采用行为和脑电技术，对学生在数学学习中常出现的直觉启发式偏差的认知机制进行了系统研究，揭示了数学问题解决的认知机制，也提供了一些干预方法，内容涉及有理数、概率、几何和线性关系等，研究对象有大中小学学生及数学教师。研究显示，认知抑制在数学问题解决中具有重要作用，顺利地解决数学问题不仅需要激活正确的知识，还需要抑制与之竞争的相关知识的干扰。

作者从2003年起一直从事多菌株传染病的建模与理论分析. 《多菌株传染病建模理论与方法》是在学习和研究基础上完成的, 凝结了作者及合作者近期大量的研究成果. 《多菌株传染病建模理论与方法》共6章, 第1章主要介绍要用到的基础理论工具 算子半群、积分半群理论、分支理论及解的适定性; 第2章系统阐述多菌株传染病传播的建模框架、研究理论及方法; 第3章主要介绍计算传染病模型基本再生数和侵入再生数的基本理论及方法; 第4章系统介绍年龄结构多菌株传染病模型的建模方法及理论分析工具; 第5章系统介绍多菌株传染病网络建模框架和理论分析工具; 第6章系统给出多菌株免疫-传染病模型的建模框架和理论分析方法.

本书以专题形式，将博弈论划分为博弈与均衡、非合作博弈、合作博弈、演化博弈四篇专题，由浅入深地介绍博弈论基本知识、数理逻辑和现实应用。在“博弈与均衡”专题，首先梳理博弈论基本概念、起源、范式，为后续专题的展开奠定理论基础；在“非合作博弈”专题，重点围绕经典零和博弈，以及对称信息动态及重复博弈展开讨论，对非合作博弈的经典模型、均衡求解方法进行系统阐述：在“合作博弈”专题，聚焦合作行为产生的条件、效益的分配等合作博弈中的核心关切问题进行阐释；在“演化博弈”专题，按照博弈的规模及信息交互模式，区分混合均匀与无标度两种网络拓扑形态，系统讨论了演化博弈的动力学过程及演化稳定求解过程。由于博弈本身（尤其是非合作博弈）的对抗性本质，本书 以博弈视角下的未来智能化战争为切入点，展望了博弈论在军

概念认知学习是人工智能、大数据领域关注的多学科交叉研究方向，涵盖了哲学、数学、心理学、认知科学以及信息科学等领域。本书旨在为广大学者和科研工作者提供概念认知学习领域的基础理论与学习方法。本书主要内容包括概念认知学习的基本概念和基础知识、概念认知系统的逻辑推理、概念认知的双向学习机制、对象-属性诱导概念学习理论、多注意力概念认知学习模型、渐进模糊三支概念的增量学习机理、复杂网络下的概念认知学习以及概念的渐进式认知等理论体系。 本书可作为高等院校的应用数学、数据科学、智能科学与技术、人工智能、计算机科学与技术、电子信息等领域的高年级本科生和研究生的教学用书，也可供相关领域的教师、研究人员、工程技术人员参考使用。

本书系统介绍了不可压缩Navier-Stokes方程解的大时间渐近行为的基本理论和研究方法。Navier-Stokes方程反映了真实流体流动的基本力学规律，在生活、环保、科学技术及水利工程中有很强的应用价值，是当今非线性科学研究中的重点和热点问题，也是流体力学和数学学科的重要交叉研究对象。本书主要内容包括利用Galerkin方法和紧性定理建立Navier-Stokes方程整体弱解的存在性、弱解能量的上下界长时间渐近行为，还介绍在小条件意义下强解的整体存在性以及大时间衰减性、关于空间变量任意阶导数的大时间衰减行为以及关于时空变量的点点上界估计等，另外也介绍美国数学家Schonbek创建的Fourier分离方法(或称Schonbek方法)、Wiegner建立的基本不等式方法以及Miyakawa创立的谱分析方法。这些研究内容和研究方法可以为读者进一步学习、研究不可压缩黏性流做必要的理论准备。书

本书以建模对象为主线,以经典灰色预测模型为基础,以该领域近年来的研究成果为重点,介绍各类灰色预测模型的适用对象、建模机理、参数估计、时间响应式及模型应用等内容.本书为每个章节设计了应用案例,通过真实案例详细介绍了实际预测问题的研究背景与建模过程.

本书重点介绍了回收锥、凸函数的连续性、凸集的分离定理、凸函数的共轭函数及支撑函数、凸集的极及其相关内容。这一部分是分析约束优化问题理论性质尤其是对偶理论的基础工具。为了增强可读性，本书将抽象的概念尝试用简单的例子和直观的图像来表达，以期读者对本书内容有更形象深刻的理解和把握。同时，将知识点与最优化方法部分前沿研究内容进行有机结合，试图让读者看到这些基础理论和概念在前沿科学研究课题中的有机应用。

本书在第一版的基础上修订再版，全书较系统地讲述了各种三值逻辑、n值逻辑以及连续值逻辑理论；为模糊命题演算建立了一套形式演绎系统；把模糊推理纳入了严格的逻辑轨道；从整体赋值出发，建立了积分语义学理论，为近似推理提供了一种可能的框架；系统论述了Pavelka逻辑并扼要论述了抽象逻辑。此外，本书在第一版的基础上增添了模态逻辑、知识推理与描述逻辑的内容。

本书基于PyMC语言以及一系列常用的Python数据分析框架，如NumPy、SciPy和Matplotlib，通过概率编程的方式，讲解了贝叶斯推断的原理和实现方法。该方法常常可以在避免引入大量数学分析的前提下，有效地解决问题。书中使用的案例往往是工作中遇到的实际问题，有趣并且实用。作者的阐述也尽量避免冗长的数学分析，而让读者可以动手解决一个个的具体问题。通过对本书的学习，读者可以对贝叶斯思维、概率编程有较为深入的了解，为将来从事机器学习、数据分析相关的工作打下基础。本书适用于机器学习、贝叶斯推断、概率编程等相关领域的从业者和爱好者，也适合普通开发人员了解贝叶斯统计而使用。

......

......

本书共分8章，包括离散型与积分型Cauchy不等式的应用、广义Gamma函数、 单调性、广义三角函数、广义椭圆积分，单位球体积，以及定积分的计算和广义凹凸性等内容，此外还介绍了渐近分析中的一个重要方法一Mehrez-Sitnik方法。