《对称群的表示论（英文）》包含了，对称群与对称函数、赫克代数及其表示、划分的可观测、随机杨氏图的模型等四部分，其中包含了，有限群的表示与半单代数、对称函数与弗罗比尼乌斯-舒尔同构、划分与表的组合、赫克代数与布饶尔-嘉当（Brauer-cartan）定理、赫克代数的特征与对偶、q-0时的赫克代数特殊化的表示、可观测的伊万诺夫-克罗夫代数、朱西-墨菲元素、对称群与自由概率、斯坦利-费雷公式与克罗夫多项式、无限对称群的表示、中心测度的渐近数、普朗谢雷尔测度和舒尔-外尔测度的渐近等内容。

本书分为三个部分，第一部分内容验证了内谐零流形M的（连续）自映射f：M→M的阿诺索夫关系，回顾了内诣零流形的主要性质和定义，还展示了内诣零流形与可解流形是不同的；第二部分内容给出了有两种可能的方式去推广阿诺索夫定理，第一种方式是寻找流形类，而不是诣零流形，这就使该关系对已知流形的所有连续映射都成立；第三部分内容集中讨论了低维内诣流形，也就是4维内诣流形，几乎为每个比伯巴赫群提供了特殊比伯巴赫群（或内诣零流形）的阿诺索夫关系的证明或反例。

本书的主题是讨论什么样的整数n可以表示成两个、三个或四个整数的平方和.如果n可以做这样的表示，又如何将n具体表示成所说的形式以及这种表示方法的数目是多少.这是一个吸引 了几代数学家的问题，而这个问题 的推广和类比占据了今天的数论的中心地位.本书共9章，包括：问题的陈述和历史简述，把正整数表示成两个整数的平方和，把正整数表示成四个整数的平方和，二次形，把正整数表示成三个整数的平方和，Gauss的遗产，Liouville方法，三平和定理的数的几何证法，超几何级数与椭圆模函数方法. 本书适合数学爱好者和相关专业学生参考阅读.

本书是前苏联著名数学家为普及数学知识撰写的一部名著，用极其通俗的语言介绍了现代数学各个分支的主要内容。历史发展及其在自然科学和工程技术中的应用。本书内容精练深入浅出，只要具备高中的数学知识就能阅读。全书共20章，分三卷出版。每一章介绍一个数学支，本卷是第三卷，内容包括实变函数论、线性代数、抽象空间、拓扑学、泛函分析、群及其他代数系统。

阿基米德定理是一个古老且著名的数学问题。本书将这个涉及抛物线弓形与阿基米德三角形之间的面积关系问题类比到双曲线、椭圆、幂函数等曲线，得到了相应的关于这些曲线的几何不等式，本书还将抛物线中的阿基米德三角形三边之间的斜率关系类比到某些初等函数曲线，也得到了相应的不等式。本书可供大中师生及数学爱好者参考阅读。

.

本书是前苏联著名数学家为普及数学知识撰写的一部名著，用及其通俗的语言介绍了现代数学各个分支的内容，历史发展及其在自然科学和工程技术中的应用。本书内容精炼，由浅入深，只要具备高中数学知识就可阅读。全书共20章，分三卷出版。每一章介绍数学的一个分支，第一卷的内容包括数学概观、数学分析、解析几何和代数。

《扭曲、平铺与镶嵌：几何折纸中的数学方法（英文）》就是这样一部由一位美国数学家和物理学家所著的英文版的用数学研究折纸艺术的学术著作，中文书名或可译为《扭曲、平铺与镶嵌：几何折纸中的数学方法》。该书的作者为罗伯特·J.朗，美国人，全职折纸艺术家和顾问。五十多年来罗伯特·J.朗一直是折纸的狂热爱好者，现在被公认为领先的折纸艺术大师之一。他以细节和现实主义的设计著称，他的作品包括一些有史以来复杂的折纸设计，将西方数学折纸设计学派的各个方面与东方对线条和形式的强调相结合，产生了独特、优雅且很难折叠的设计，他的作品曾在纽约（现代艺术博物馆）、巴黎（罗浮宫卡鲁塞尔厅）、塞勒姆（皮博迪·埃塞克斯博物馆）、圣地亚哥（世界民俗艺术博物馆）和日本加贺（日本折纸博物馆）的展览中展出。他是计算折纸技术的先驱之一，并发表了大量有关折纸理论和数学之间关系的文章。朗博士出生在俄亥俄州，在佐治亚州的亚特兰大长大，目前为全职折纸艺术家和顾问，他曾在担任物理学家、工程师和研发经理期间，单独撰写或与人合著了80多种科技出版物，并获得了50项关于半导体激光器、光学和集成光电子的专利。2007-2010年，他被选为美国光学学会（Optical Society of America）的会员，并担任《IEEE量子电子学》杂志的主编，在将主要关注点转向折纸之后，他单独撰写或与人合著了许多关于折叠数学和技术应用中折叠设计技术的文章。2009年，由于他的折纸作品，他获得了加利福尼亚理工学院的杰出校友奖，2013年他被选为美国数学学会成员。

内容介绍本书是一本关于在模式分类中使用支持向量机的指南，包括对分类器和回归器的严格的性能比较。 本书为多类分类和函数逼近问题、分类器和回归器的评价标准提出了架构。本书特色：阐明了两类支持向量机的特征；讨论了提高神经网络和模糊系统泛化能力的核方法； 大量的插图和例子；使用公开数据集进行性能评估；检验马氏核、经验特征空间，并通过交叉验证确定模型选择的影响；稀疏支持向量机、使用特权信息学习、半监督学习、多分类器系统和多核学习； 探讨了基于增量训练的批量训练和主动集训练方法，以及线性规划支持向量机的分解技术； 讨论支持向量回归变量的选择等。

内容介绍本书从工程的角度概述了概率图模型（PGMs）。书本涵盖了PGMs每种主要类别的基础知识，包括表示、推理和学习原则，并回顾了每种类型的模型在现实世界中的应用。这些应用来自广泛的学科，突出了贝叶斯分类器、隐马尔可夫模型、贝叶斯网络、动态和时间贝叶斯网络、马尔可夫随机场、影响图和马尔可夫决策过程的许多用途。本书特色：提出了包括PGMs所有主要类别的统一框架；介绍了不同技术的实际应用；该领域研究的较新发展，包括多维贝叶斯分类器、关系图模型和因果模型；每一章的末尾都附有练习、进一步阅读的建议和研究或编程项目的想法。