数值分析随计算机的发展和使用逐渐受到科学计算工作者的广泛重视，是一种如何利用计算机解决数学问题的近似方法。随科技发展和各种行业迅速崛起的需要，高效的计算方法与高性能并行计算机硬件的需要同等受到当前科学研究的重视。科学计算己与实验、理论分析共同成为现在科学研究的三大重要手段。数值计算的核心是给出和研究各种数学问题的高效而稳定的算法，包括算法的收敛和稳定性讨论。本书主要为高校理工科研究生专业开设的“数值分析或计算方法”双语课程编写的教材，重点介绍常用数值计算方法及相关概念和理论。

《知识图谱与金融大数据分析》探讨了知识图谱技术及其在金融大数据分析中的创新应用。针对金融大数据的多维关联、时序多频、尖峰厚尾等特点对数据分析带来的挑战，《知识图谱与金融大数据分析》在知识图谱基础上提出了知识大图，对时序多元语义关系进行统一组织与表示，构建亿级金融知识大图。针对系统性金融风险防控、中小企业信用风控等重要问题，《知识图谱与金融大数据分析》提出了基于知识大图的体系化金融大数据分析技术方案，介绍了具有多元查询、股权穿透、舆情监测、控制计算、欺诈识别等功能的金融风控大脑，实现对金融风险的精准、实时、动态识别、评估与防控。

不变子空间和约化子空间问题是泛函分析中的一个基本问题。算子的交换子和相似度可以帮助理解算子的结构。Toplitz算子是算子理论中一类重要的算子。算子的相似性是泛函分析中与不变子空间和约化子空间问题相关的一个有趣的话题。该书总结了Bergman空间、Dirichlet空间等解析函数空间中的相似和约化子空间问题。研究方法包括算子理论与无穷矩阵操作相结合的技术。本书主要面向泛函分析算子理论方向研究生以及相关方向的科研人员。

《线性拓扑空间选讲》主要讲述了线性拓扑空间的基本知识及其在泛函分析中的应用;着重强调了线性拓扑空间在分析学，尤其是在泛函分析中的重要性。《线性拓扑空间选讲》内容涵盖了与泛函分析紧密相关的诸多主题，如线性算子的连续性和有界性、Hahn-Banach定理、弱拓扑和*弱拓扑，以及赋范空间中的弱紧性和弱列紧性等。此外，本《线性拓扑空间选讲》还特别介绍了赋β-范空间，这是一类非局部凸的空间，近年来在图像识别等领域得到了一些应用。《线性拓扑空间选讲》由六讲和一个附录组成，在每一讲后面，配备了一些习题（书后附有部分习题解答或提示）。前三讲主要介绍了线性拓扑空间的定义以及其上的连续线性泛函的性质，后面三讲分别讲述了赋准范空间、赋β-范空间和局部凸空间。附录主要阐述了《线性拓扑空间选讲》用到的点集拓扑方面的知识。

基于黎曼几何的信息几何已经成为研究信息领域中非线性、随机性问题的重要工具。《信息几何数学基础》介绍信息几何的数学基础。《信息几何数学基础》共5章：第1章简要介绍信息几何的由来以及思想与方法；第2章介绍作为信息几何基础的微分几何与黎曼几何基础；第3章介绍信息几何涉及的李群与李代数的基本内容；第4章介绍正定矩阵流形的几何结构，包括在不同黎曼度量下的测地距离以及黎曼梯度；第5章简要介绍**信息几何的基本内容。

《外索夫博弈：从一道瑞士国家队选拔考试试题谈起》从一道瑞士国家队选拔考试试题谈起，不仅介绍了贝蒂定理与外索夫游戏的相关理论，还对外索夫游戏进行了推广书中配有许多经典试题并给出了详细解答。《外索夫博弈：从一道瑞士国家队选拔考试试题谈起》适合大、中师生及数学爱好者研读。

《三支决策与三支计算》探讨了三支决策的基本概念、方法、模型以及应用，内容涵盖了TAO模型、分布式三支决策、概念三支决策模型、强化学习三支决策模型以及三支决策在自然语言处理、云计算领域的应用等内容。《三支决策与三支计算》既有理论的证明推理，也有实际模型的构建；既有方法论的阐述，也有紧密结合当下热门领域的交叉实践。理论和实践紧密结合、从实际场景出发以及问题导向的思路构成了《三支决策与三支计算》的重要特点。

《样本量确定理论的研究》全面地介绍了各种常见统计应用场景下的样本量确定方法，重点讨论了样本量确定的原理，弥补了已有统计学在这方面的不足。特别地，在统计学领域内*次介绍了分布估计和建模等应用场景中的样本量确定方法，填补了空白。

本书以最优美的现代数学形式讨论经典力学问题，它本是数学或力学专业的学生学习理论力学的教材，但实际上，它的范围已经远远超越理论力学，是现代数学的一个重要方面——辛几何。原书被译为多种文字出版，并由Springer收入GTM丛书，以英文广泛发行。本书已修订为第4版，主要内容包括牛顿力学、拉格朗日力学和哈密顿力学三大部分，通过经典力学的数学工具，考察了动力学的所有基本问题。特别是16个附录，使原书的主题更为鲜明：辛几何与辛拓扑，它们反映了几十年来数学科学在一个方面的发展。这些附录都属于专题介绍性质，是作者和他的学生们在有关方面的研究工作的总结。本书可供高等学校数学、物理、力学及相关专业的本科生、研究生、教师，以及相关领域的研究人员参考使用。

多智能体系统是分布式人工智能的主流方法之一。多智能体系统中存在的各种随机与不确定因素对协同估计与学习算法能否成功运行以及网络的整体性能有重要影响。《随机与不确定多智能体系统——估计与学习》介绍了作者近年来在随机与不确定多智能体系统分布式估计与学习方面的*新研究成果。《随机与不确定多智能体系统——估计与学习》共6章，包括随机分布式共识计算、随机分布式线性回归和基于随机梯度下降的分布式优化算法等，建立了各类算法的收敛性条件以及算法性能与系统参数的定量关系。