《分数阶积分和导数：理论与应用》是Stefan G.Samko,Anatoly A.Kilbas,Oleg I.Marichev所著英文专著Fractional Integrals and Derivatives:Theory and Applications的中文翻译版本。《分数阶积分和导数：理论与应用》阐述了几乎所有已知的分数阶积分-微分形式，并对它们进行了相互比较，强调了一个函数能否被另一个函数分数阶积分表出的问题，突出了已知函数的分数阶积分可表示性问题比它的分数阶导数存在性问题更为重要，揭示了在某种意义下，函数分数阶导数的存在性等价于其分数阶积分的可表示性，同时给出了分数阶积分-微分在积分方程和微分方程中的大量应用。此外，应原著作者要求，《分数阶积分和导数：理论与应用》增加了一个附录，介绍了第三作者及其合作者开发的分数阶微积分的计算机代数系统。

本书以通俗易懂的方式系统地介绍和阐述结构方程模型 (SEM) 的基本概念和统计原理，侧重结构方程模型的实际运用，介绍和示范各种常用结构方程模型，以及许多新近发展的模型，包括带分类条目的验证性因子分析 (CFA) 模型、双因子CFA模型、贝叶斯CFA 模型、缺失值多重插补 (MI)、潜变量合理值的估计和应用、调节中介效应模型、贝叶斯路径分析模型、带个体差异观察时间的潜发展模型 (LGM)、检验带分类变量的量表的测量不变性、纵向潜类别分析 (LLCA)、潜转换分析 (LTA)、带协变量和远端结局变量的潜发展混合模型 (GMM)、手动实施 BCH 方法和三步法混合模型建模、各种结构方程模型的蒙特卡罗模拟功效分析以及潜类别分析 (LCA) 模型的样本量估计。 本书采用国际著名 SEM 软件Mplus估计所有模型，使用真实数据演示各种模型估计，详细解读程序代码及输出结果。本书提供

本书共九章，重点通过基础知识讲解、算例剖析和技巧提示，引导读者熟悉GPU并行算法、CUDA Fortran基础知识，进而掌握基于CUDA Fortran的GPU高性能计算应用软件设计方法。其中，第1章介绍相关研究背景；第2~6章介绍基于CUDA Fortran的GPU通用计算基本概念、编程方法与优化原则；第7~9章介绍基于MPI+CUDA的N-S方程数值求解。书中的示例的构思以及分析过程是本书最具价值的部分，读者通过阅读这些内容，对GPGPU技术做到融会贯通、举一反三，只要掌握了这些简单的示例，更复杂的问题也能迎刃而解。在本书的帮助下，读者不需熟悉GPU硬件或者CUDAC（虽然熟悉这两者有助于使用本书）就可完成GPU的学习和使用。

本书围绕数据模型及计算主线,按共性算法案例、数据工程领域中数据计算案例展开.第1章(概述篇)概述了数据建模与计算的思想与方法,提出了数据建模的多模型融合思想和数据计算的多算法集成策略,让模型和算法点亮数据的光芒.第2章到第6章(共性算法篇)例举了若干共性数据计算方法,包括几何模型重建、图像处理中的优化算法、数值微分算法、主成分分析方法与改进、数据拟合的梯度型优化算法.第7章到第17章(数据建模与计算篇)围绕统计生成性模型与数据机理模型融合、多算法集成创新主线,例举了十一个数据工程领域数据建模与计算的案例,涉及医学、金融、量化投资、图像处理、智能决策、音乐流派分类、疫情数据分析、功能服装设计、海洋数据分析等领域的数据分析及应用.后记概括了本书的主要特点和核心内容,强调了数据模型融合和算法集成是上策,对未来进

本书介绍了移动网格方法的历史和现状，作者根据这几年对移动网格方法的一些研究体会，写成此书。本书研究的移动网格方法要做的就是保持单元或节点数不变而通过重新分布节点位置实现自适应目标。特别地，我们将把动态网格与求解过程结合起来，用最适合求解问题的方式来生成网格，即在解的梯度大的地方网格自动加密，而在解的梯度小的地方网格自动变稀疏，其基本目标是改进计算精度，并使数值误差分布趋于均匀。本书侧重自适应网格技术，在流体计算、相场界面问题、双曲守恒律方程等问题上都有成功的应用。本书易读性强，深入浅出，提供代码，使读者容易上手实践。

差分方程描述随离散时间变化的系统的规律性，在自然科学、工程技术和社会现象中有着广泛的应用．本教材在大学数学课程的基础上较系统地介绍了差分方程的基本概念、求解方法，线性差分方程组的基本理论，差分方程的定性、稳定性分析办法和分支理论的知识，特别是Liapunov函数、差分不等式和比较定理、鞍结点分支、Flip分支和不变解曲线的分支等知识，以便为凑者进行差分方程的应用和理论研究提供基础．书中给出了大量的应用例子来展示差分方程或差分方程组在物理学、经济学、生态学和传染病动力学等方面的广泛应用，包括我们近年来在研究人口增长、艾滋病和结核病传播、甲型流感防控等问题中建立的差分方程模型的分析和应用．这是一本差分方程基础知识介绍和应用研究相结合的教材，我们希望本书能引导读者在差分方程的应用方面尽快地从

本书以一维杆单元为例，系统地阐述了有限单元法的基本原理、数值方法、程序实现和固体力学领域各类问题中的应用。 全书共13章。前6章为有限单元法的理论基础，包括直接刚度法，一维杆的“强”形式与“弱”形式，单元和插值函数的构造，加权余量法与虚功原理建立有限元格式，变分原理建立有限元格式。后7章为专题部分，包括线性静态有限元分析，线性动态有限元分析，几何非线性有限元分析，材料非线性有限元分析，复合材料多尺度分析，结构灵敏度分析，桁架结构有限元教学软件EFESTS。本书通过一维杆单元详尽地展示了有限单元法的细节，使读者更容易地学习有限元理论，这是作者的基本出发点，也是本书的特色。

本书深入讨论Krylov子空间算法的核心思想和理论,结合算法的推导过程,介绍Krylov子空间算法和预处理技术的**进展,同时介绍Krylov子空间算法及预处理技术在电磁计算和数字图像处理中的应用.

本书系统地论述了有限元方法的数学基础理论。本书以椭圆偏微分方程的边值问题为例,介绍了协调有限元方法以及非协调等非标准有限元方法的数学描述、收敛条件和性质、有限元解的先验和后验误差估计以及有限元空间的基本性质,其中包括作者多年来的部分研究成果。

本书对近年来认知计算和多目标优化领域常见的理论及技术进行了较为全面的阐述和总结，并结合作者多年的研究成果，对相关理论及技术在应用领域的实践情况进行了展示和报告。全书从认知计算和多目标优化两个方面展开，主要内容包含以下几个方面：认知科学及其特点，多目标优化问题及其求解方法，高效免疫多目标SAR图像自动分割算法，基于智能计算的认知无线网络频谱分配与频谱决策方法。

本书以有限元法分析流程为主线，阐述有限元基本原理；以MATLAB为编程平台，阐述有限元程序设计的思路与实现。 本书共分10章，包括绪论、弹性力学基础、平面三角形单元、平面四边形单元与收敛准则、轴对称问题、空间问题、杆系结构、平板弯曲问题、有限元分析中的几个特殊问题、材料非线性问题，着重介绍典型单元的位移函数构造、刚度矩阵、等效节点载荷等有限元关键步骤的表达格式及应用。详细讲述平面三角形单元、四节点等参单元、轴对称三角形单元、桁架结构等四类MATLAB程序功能、程序流程图，提供58个二维码，可通过手机扫描查看或下载相应程序的源代码、模型数据、分析结果文件、变形及应力云图。 本书可作为高等院校力学、机械、土木、交通工程等相关专业高年级本科生和研究生的教材，也可用于相关专业教师、科研及工程技术

由科恩著的《计算代数数论教程(英文版)》介绍了148种算法，它们是数论计算的基础，其中包括与数论、椭圆曲线、素性测定和因式分解等相关的计算。 书中对每种算法都作了完整的理论介绍，将学习者需要的理论基础降到 。书中对每个算法的详细描述实现了其直接在计算机上的运行，并且给出了众多的进一步的执行提示。书中的许多算法在别的书上从来没有被看到过，或者说它们 次以书的形式出现在我们面前。

由蔡锁章、杨明和雷英杰共同编著的这本教材《数值计算方法（第2版普通高等院校十三五规划教材）》在高等理工科院校的高等数学和线性代数知识的基础上，介绍数值计算方法的基本概念、方法和理论，着重介绍工程计算中的常用算法，包括误差理论、方程的近似解法、线性方程组解法、特征值和特征向量的求法、插值法和曲线拟合、数值微分与数值积分、常微分方程数值解法、偏微分方程数值解法等。各章配有适量习题，并附有习题答案。 本书可作为高等工科院校数值计算方法的教材，也可供工程技术人员自学参考。

互补约束优化是一类带均衡约束的数学规划问题, 在工程设计、交通网络、通信网络、**控制、经济等领域有广泛的应用. 本书主要介绍互补约束优化的理论和算法, 内容包括互补约束优化的应用背景及其约束规格和**性条件、线性互补约束优化的快速算法、非线性互补约束优化的光滑化算法、非线性互补约束优化的松弛方法等.

互补约束优化是一类带均衡约束的数学规划问题, 在工程设计、交通网络、通信网络、**控制、经济等领域有广泛的应用. 本书主要介绍互补约束优化的理论和算法, 内容包括互补约束优化的应用背景及其约束规格和**性条件、线性互补约束优化的快速算法、非线性互补约束优化的光滑化算法、非线性互补约束优化的松弛方法等.

支持向量机的研究是近十余年机器学习、模式识别和数据挖掘领域中的研究热点，受到了计算数学、统计、计算机、自动化和电信等有关学科研究者的广泛关注，取得了丰硕的理论成果，并被广泛地应用于文本分类、图像处理、语音识别、时间序列预测和函数估计等领域，本书首先介绍了核函数的概念；然后从几何直观的角度介绍了建立二分类模型和回归模型过程中所取得的理论成果；*后对于分解算法、*小二乘支持向量机、多分类、模糊支持向量机、在线学习和大规模分类相关的优秀成果进行了归纳和整理，从数学上对相关算法的原理进行了详细分析。本书的内容既包括支持向量机的**进展，也包括作者的多年研究成果。作者希望本书能够有助于对机器学习、模式识别和数据挖掘感兴趣的读者更加快速地了解支持向量机的**研究动态，能够有助于读者理清算法的本