暂缺简介...

《几类时滞神经网络的稳定性研究》旨在利用适当的李雅普诺夫-克拉索夫斯基泛函、伊藤公式及线性矩阵不等式等数学工具，研究分别带有区间时滞和分布时滞的随机神经网络、BAM随机神经网络以及随机中立神经网络等的稳定性问题，并结合一些不等式方法，得出一些有价值的相关时滞随机神经网络的稳定控制器存在的代数判据。

◎内容简介 本书是一部深入介绍抽象代数的入门书籍，被众多读者奉为经典。本书旨在让读者尽可能多地了解群、环和域理论的相关知识，尤其强调对代数结构本质的理解。为了便于学习，全书分成了很多的小章节，本书特色之一是基础部分内容详实，讲解充分，给读者讲解每个定义、定理的来龙去脉，为读者打下扎实的基础，对于读者进一步学习更深的代数大有助益。为了满足更多读者的需求，本书还包含了很多有关拓扑中的同调群和同调群的计算以加深对因子群的理解。作者的风格是以一种自然易懂的方式来教授内容，理论阐述清晰，条理分明，且大都以例子和练习的形式，便于直观了解。书后附有不少习题，有助于加深学生对内容的理解。读者可以扫描世图版全书最后一页上的二维码，加群获取本书完整的习题解答。

《笛卡尔几何》的问世，被誉为数学史上的伟大转折。笛卡尔对数学的最重要贡献，正是他在《笛卡尔几何》中所创立的解析几何。他的这一成就，为微积分的创立奠定了基础，而微积分，又是现代数学产生和发展的重要基石。 《笛卡尔几何》被后世数学家和数学史家视作解析几何的起点。该书共分三卷：第一卷讲解尺规作图；第二卷讨论曲线的性质；第三卷借立体和“超立体”作图以探讨方程的根的性质。 笛卡尔力图建立一种“普遍”的数学，即把任一数学问题转化为代数问题，继而把任一代数问题归结为求解一个方程式，这便是“解析几何”，或称作“坐标几何”。而平面直角坐标的建立，正是解析几何得以创立的关键。

近些年，在大数据技术快速发展的背景下，多元统计分析作为处理多变量数据的重要分析方法，是大数据分析不可或缺的分析工具。为了满足学生理解并掌握多元统计分析基本原理、熟练应用软件进行数据分析的需求，故编写《多元统计分析及应用——R软件和SPSS软件上机实现》。 《多元统计分析及应用——R软件和SPSS软件上机实现》旨在系统介绍多元统计分析方法及应用，提高学生运用统计方法解决实际问题的能力。因此，在系统介绍多元分析基本理论和方法的同时，突出统计思想和实际案例的渗透，结合统计软件全面介绍多元统计分析方法。本书既可以作为统计学专业学生教材，又可以作为大数据或其他专业学生学习多元统计分析的教材，还可以作为从事经济、管理、物流等研究和实践的工作者进行量化研究的参考书。

《波动方程参数反演理论方法与数值计算》系统阐述了波动方程参数反演的理论方法与数值计算方法，内容包括奇异值分解方法、不适定问题的正则化方法、全波形反演的数值优化方法、时间域与频率域声波方程和弹性波动方程的全波形反演。《波动方程参数反演理论方法与数值计算》理论方法与科学计算并重，不但有严谨的理论推导和算法描述，还有详细的数值算例应用及丰富的图形结果。

数学物理方程是来源于物理、力学等自然科学及工程技术领域的偏微分方程。《数学物理方程》首先介绍了典型的数学物理模型的建立及二阶线性偏微分方程的分类与化简，然后重点介绍了分离变量法、特殊函数（贝塞尔函数）法、行波法、积分变换法和格林函数法等应用广泛的数学物理方程经典的求解方法，*后简要介绍了某些求解非线性数学物理方程的方法，如Adomian分解法、Cole-Hopf变换法、反散射方法等。《数学物理方程》内容由易到难，叙述做到浅显易懂，并尽量做好与读者已学过的数学课程的衔接。为了方便读者练习，《数学物理方程》还配备了相当数量的例题和习题，并在附录中给出了简答。

《概率论与数理统计（第三版）（有微课）》适用于本专科教学使用。在前两版的基础上整理出版第三版。随机现象的普遍性以及现代经济分析方法的定量化趋势，使得概率论与数量统计的应用日渐广泛。《概率论与数理统计（第三版）（有微课）》是山东财经大学在多年教授概率论与数理统计课程的基础上编写而成。也是山东财经大学精品课程《概率论与数理统计》的一项重要的建设成果。为学生学习后续专业课程和从事经济研究奠定必要的基础。全书共分9章：随机事件与概率，一维随机变量及其分布，多维随机变量及其分布，随机变量的数字特征，极限定理，统计量及抽样分布，参数估计，假设检验，方差分析与回归分析。《概率论与数理统计（第三版）（有微课）》科学、系统地介绍了概率论与数理统计的基本内容，重点介绍了概率论与数理统计的方法及其在经济管理中的应用，每章均配有习题，书末附有习题的参考答案。

◎内容简介 这本世界经典教材展现了现代时间序列分析作为一种数据分析工具的丰富性和多样性。本书从不同层次深入探讨时间序列分析理论和方法，除了涵盖经典的时间序列回归方法、ARIMA模型、谱分析和状态空间模型外，还介绍了新近发展的方法，包括分类时间序列分析、多元谱方法、长记忆时间序列、非线性模型、重采样技术、GARCH模型、ARMAX模型、随机波动率模型、小波方法和马尔可夫链蒙特卡罗积分方法等。书里以易于理解的方式讲述了各种时间序列模型及其应用，内容包括趋势、平稳时间序列模型、非平稳时间序列模型、模型识别、参数估计、模型诊断、预测、季节模型、时间序列回归模型、异方差模型、谱分析入门、谱估计和阈值模型等。对所有的模型和方法，都用真实数据集和模拟数据集进行了展示。本书除了可以作为统计学研究生或高年级本科生教材，也可以作为物理学、生命科学和社会科学领域相关方向的研究生教材。

随机过程是以动态随机现象为研究对象的科学，随机过程的理论和方法已广泛地应用于物理、生物、通信、管理、经济等各个领域，并且显示出越来越重要的作用。本教材基于随机过程的应用，侧重于介绍随机过程的基本理论和方法，略去一些艰深的定理证明，叙述表达力求简单易懂、逻辑清晰，所有的问题配以恰当的例题帮助理解，以方便学习者能够较快地了解并掌握随机过程的基本原理，并能够用于解决实际问题。全书共分9章。第1章简单回顾了概率论的基础知识，同时补充了特征函数、全期望公式、推广的全概率公式等随机过程学习过程中需要的一些定理和结论；第2章介绍了随机过程的基本概念、随机过程的有限维分布和数字特征以及相关函数的性质；第3章讨论齐次泊松过程的性质，给出了到达时间、时间间隔等几个泊松过程重要随机变量的分布以及条件分布；第4章介绍了非齐次泊松过程和复合泊松过程；第5章介绍了马尔可夫过程，讨论了转移概率、绝对分布以及极限分布；第6章介绍了布朗运动以及布朗运动的几种变化；第7章介绍了随机分析，这是研究平稳过程必备的基础；第8章与第9章分别在时域和频域研究平稳过程的性质。本教材适合工科类和管理类的研究生以及相关课程的教师使用，也适合数学系以及有高等数学、概率论和积分变换基础的本科生作为入门学习的教材使用。