本书是根据高等学校非数学类专业“高等数学”课程的教学要求和教学大纲编写的，在保持传统高等数学教材体系的基础上，体现了新军事背景下对数学素养的需求和新工科理念，并深度融合了问题情境和应用情境。本书在编写过程中不仅借鉴了国内外优秀教材的特点，而且结合了火箭程大学高等数学教学团队多年教改和教学的经验。全书共9章，主要内容为向量代数与空间解析几何、函数与极限、导数与微分、微分中值定理及其应用、一元函数积分学、微分方程、多元数量值函数积分、多元向量值函数积分和无穷级数，并配有大量基于情境和分层的习题。本书可作为高等学校理工科非数学类专业的高等数学教材，也可作为报考硕士研究生人员和科技工作者学习高等数学知识的参考书。

本册教材分 4个单元，用 14个活动分别介绍了图像处理、图文编排、 Flash动画制作以及通过班级网络进行交流学习等知识。内容丰富，由浅入深，操作步骤清晰。

书主要包含以下内如：**化问题的简介，凸分析基础，无约束优化的理论及线搜索算法框架，信赖域算法，线搜索收敛性分析及收敛速度分析，半光滑牛顿算法，共轭梯度算法，约束优化理论及延伸理论，罚方法，增广拉格朗日算法及算法在实际问题（支持向量机模型、超图匹配）中的应用。本书对知识点的分析紧密结合当前研究前沿问题，并通过对应用问题使用优化算法，让学生看到优化理论与实际数据的结合，将知识点以全方位的立体感呈现给学生。

.近年来，分支理论在实际数学模型中得到了极大的应用，特别是在人工神经网络与离散映射中已经取得很大发展。作者将动力系统分支理论中的方法分别应用于用时滞微分方程及迭代方程所表示的数学模型中，分析它们各自的分支情况。《分支理论在三维神经网络与二维离散映射中的应用》全书分为两部分，分析两类时滞神经网络模型的分支情况及三类离散映射模型的分支情况。有利于数学专业的高年级本科生与研究生对动力系统分支理论的理解与应用，为从事这方面研究的学生提供一个学习借鉴的机会。

离散优化是现代应用数学的一个重要分支，属于数学与运筹、优化、统计、数据分析等多个交叉领域的范畴。离散优化问题存在于现实世界的各个角落，目前人工智能、数据科学、网络安全等新兴学科和领域的急剧发展，也促使了大量大规模离散优化问题的诞生，由此也带来了离散优化领域新的发展和挑战，离散优化领域得到越来越多的重视和关注。 本教材在编者历年讲授的讲义基础上，整理完善而成，其中包含了离散优化领域的经典问题和基本理论方法，每章相对独立，又有关联，便于教师讲授和学生学习。书中包含了大量例题和习题，有理论的证明，有程序的实现，也有书中例题和算法的延伸，适合不同专业学生有针对性的选做。编者也做了大量的调研和专家咨询，相信本书必将得到数学、应用数学、运筹学、数据科学、统计学、人工智能、计算机科学、网络安全、计算生物学等多个领域学生的青睐。

随机平均法是研究非线性随机动力学最有效且应用最广泛的近似解析方法之一。本书是专门论述随机平均法的著作，介绍了随机平均法的基本原理，给出了多种随机激励（高斯白噪声、高斯和泊松白噪声、分数高斯噪声、色噪声、谐和与宽带噪声等）下多种类型非线性系统（拟哈密顿系统、拟广义哈密顿系统、含遗传效应力系统等）的随机平均法以及在自然科学和技术科学中的若干应用，主要是近30年来浙江大学朱位秋院士团队与美国佛罗里达大西洋大学Y.K. Lin院士和蔡国强教授关于随机平均法的研究成果的系统总结。本书论述深入浅出，同时提供了必要的预备知识与众多算例，以利读者理解与掌握本书内容。

相依混合随机变量是现代概率统计中的重要概念， 它具有非常直观的实际应用背景， 如时间序列数据、空间数据、网格数据和高频数据等都具有相依性， 且呈现渐近独立的特征. 因此， 近几十年来一直都吸引了众多学者的关注与研究， 获得了丰硕的研究成果. 本书主要介绍混合随机变量的基本理论， 内容包括混合随机变量的定义与性质、随机过程的混合性质、混合随机变量的不等式、混合随机变量的中心极限定理和相依随机变量的强大数律. 作为应用， 书中介绍了混合高频数据的非参数估计和混合样本下回归模型的小波估计， 其中混合高频数据是一个新的应用专题. 另外， 书中还介绍了相协随机变量和负相协随机变量这两个相依概念的相关内容. 大部分内容来源于学术原文， 并经过提炼和升华， 使其体现更先进的研究成果， 且更加通俗易懂， 适应更多读者.

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。《BR》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。

地理空间健康数据对于公共卫生和政策制定至关重要。这些数据可用于量化疾病负担，了解地理和时间模式，识别风险因素以及衡量不平等现象。本书介绍了R中用于分析地理参考健康数据的空间和时空统计方法以及可视化技术，具体涵盖以下主题：·操作和转换点、面和栅格数据；·使用区域和地理统计数据进行疾病映射的贝叶斯分层模型；·使用集成的嵌套拉普拉斯近似（INLA）和随机偏微分方程（SPDE）方法拟合和解释空间和时空模型；·创建交互式和静态可视化，例如疾病地图和时间曲线图；·可重现的R Markdown报告、交互式仪表盘和Shiny Web应用程序，便于向合作者和决策者传达见解。 本书提供了基于真实世界数据的多个疾病和环境应用的完全可复制示例，例如冈比亚的疟疾，英国和美国的癌症以及西班牙的空气污染。这些示例主要集中在健康应用方面，但所涉及的方法也适用于其他使用地理参考数据的领域，包括流行病学、生态学、人口统计学和犯罪学。本书清晰描述了数据导入、操作、建模和可视化的R代码以及结果的解释。这确保内容完全可复制并且便于学生、研究人员和从业者使用。

暂缺简介...