本书以集员估计理论为基础，围绕有界干扰系统信息融合滤波开展研究。首先，提出一种输入-状态稳定的定界椭球自适应滤波算法，提高滤波的收敛性和跟踪性能，并针对不同的精度和实时性要求进一步提出固定滞后区间平滑算法和基于次优定界椭球的有界干扰系统滤波算法。其次，为解决非线性有界干扰滤波算法存在的线性化误差大、线性化过程复杂，以及边界存在保守性等问题，提出基于中心差分的非线性有界干扰滤波算法。再次，对有界干扰下的融合滤波方法进行研究，提出相应的融合算法。最后，考虑实际应用中噪声的复杂性，提出具有双重不确定性的多模型融合方法。

暂缺简介...

鲁棒预测控制是在预测控制的基础上考虑到实际系统存在着模型不精确或者参数时变、未知扰动等各种不确定性而发展起来的先进控制技术。如何在鲁棒预测控制的基础上有效处理时变时滞对系统的影响成为工业过程控制亟待解决的问题。本书针对具有时变时滞的工业过程可能存在参数时变、强干扰、执行器故障、非线性、多阶段切换、时变跟踪轨迹等问题，重点介绍了基于鲁棒预测控制思想以解决这些问题的先进技术和方法。其主要内容为作者和所在团队的项目经验及科研成果，包括线性控制、容错控制、非线性控制和切换控制等相关内容。

本书是一本理论扎实，同时联系实际应用的图书。全书系统地介绍了因果推断的基本知识、基于机器学习的因果推断方法和基于因果推断的机器学习方法及其在一些重要领域的应用。全书共分6章。第1章从结构因果模型和潜在结果框架出发，介绍因果推断的基本概念和方法。第2章介绍近年统计和机器学习文献中出现的一些重要的基于机器学习的因果推断方法。第3章介绍能够提高机器学习模型的泛化能力的因果表征学习。第4章介绍因果机器学习如何提高机器学习模型的可解释性与公平性。第5章介绍因果机器学习在推荐系统和学习排序中的应用。第6章是对全书的一个总结和对未来的展望。 本书对结合因果推断和机器学习的理论与实践进行了介绍。并在第1版的基础上对一些陈旧的内容做了更新。通过阅读本书，读者不仅可以掌握因果机器学习的基础理论，还可对本书中提到的论文代码进行钻研，从而在实践中加深对因果机器学习的理解。

DevSecOps 在 DevOps 的基础上融入安全底线思维，是软件工程领域的前沿理论。本书系统地阐述企业实践 DevSecOps 所需的理论、技术和方法，首先从软件工程发展趋势，尤其是敏捷、DevOps 等领域的发展趋势出发，结合 DevOps best实践、DevSecOps 相关报告和标准，循序渐进地阐述 DevSecOps 理念；然后解读 DevSecOps best实践，根据 DevSecOps best实践涉及的重点阶段和相关技术讲解平台设计与工具应用，并结合开源、云原生等领域的流行工具介绍 DevSecOps 工具链及平台建设方法；最后以作者的实战经验和业界的实践案例介绍 DevSecOps 的实施方法。

本书从理论上论述非线性系统的全局能控性.主要介绍平面仿射非线性系统和几类特殊的高维非线性系统的全局能控性判据，以及几类多项式系统全局能控性的判别算法.另外，本书也对平面仿射非线性系统的全局渐近能控性及全局镇定性做一点讨论.

暂缺简介...

本书主要介绍了光电混沌信号产生的方法和实验进展，简要介绍了混沌信号与系统的分析方法，论述了电学混沌信号产生的基本原理、电路结构及混沌动力学特征，阐述了基于半导体激光器、光电振荡器两类光学混沌信号的产生方法、原理和实验，并分析了半导体激光器混沌输出的量子统计特性。

Java Web开发是当今互联网领域最为流行的开发方式之一，Java Web应用程序的规模和复杂度不断提高，作为开发人员需要掌握更多的技术和工具来满足不断变化的需求。全书共分为13章，包括Web应用开发概述、Java EE开发及运行环境、JSP与Servlet、使用JSP标签库、Struts 2框架基础、SQL与JDBC、Hibernate框架基础、Hibernate性能优化、Spring框架基础、Spring Web MVC、Spring MVC整合Hibernat及RESTful Web服务等内容。 《Java Web程序设计教程（第二版）（微课版）》力求通俗易懂，采用了大量的实例演示和案例分析，主要面向Java Web应用开发的初学者，也适合作为各种Java Web开发培训班的教材、高等院校Java Web程序设计课程的教材，还可作为Java Web应用开发人员的参考资料。 《Java Web程序设计教程（第二版）（微课版）》配套的电子课件、实例源文件和习题答案可以到http：//www.tupwk.com.cn/downpage网站下载，也可以扫描前言中的二维码获取。扫描前言中的视频二维码可以直接观看教学视频。

本书研究大数据的计算理论基础，重点讲述P类和NP类问题的并行和交互式计算方法。即在大数据的场景下，对于P类问题，为了提高求解速度可以采用并行的方法；对于NP类问题，为了提高解的质量可以采用交互的方法。 全书内容按照大数据的泛构理论（第三章），并行NC类计算、LNC类、以及LL类计算（第四章），IP类计算和NC类函数逼近方法（第五章），同时对于大数据价值问题（第六章）进行讨论，为了便于阅读和学习，提供了预备知识绪论（第一章）和图灵机及复杂类问题介绍（第二章）。 本书框架清晰，内容翔实，对于一些经典问题有详细的证明，可作为高等学校计算机、计算数学以及相关专业的本科高年级学生和研究生的教学用书，亦可供从事高性能并行计算相关工作的科技人员阅读参考。