本書利用算子理論、算子代數、矩陣論中的理論與方法，以量子信息理論為背景，系統研究多體態的糾纏性、糾纏魯棒性、非局域性、導引性、糾纏目擊的構造和量子網絡的非局域性等一系列非局域性問題，不僅為解決更多的量子信息問題提供新的方法與思路，還可以豐富量子信息。
《近場動力學——理論、模型與應用》為“計算力學前沿叢書”之一。《近場動力學——理論、模型與應用》系統地論述了近場動力學的理論基礎、建模方法、數值算法、軟件技術和工程應用。《近場動力學——理論、模型與應用》共13章，包括：緒論、近場動力學的基本理論、鍵型近場動力學模型及其改進、鍵型近場動力學在有限元中的實現、近場動力學的顯式動力學解法、常規態型近場動力學模型、非常規態型近場動力學模型、非常規態型近場動力學模型的改進、近場動力學方法與有限單元法的混合模型、非均勻離散的近場動力學模型與自適應分析、沖擊
《結構動力學——基礎理論及耦合振動》的主要內容共分為四大部分。**部分是基礎理論，介紹了傳統結構動力學中的單自由度體系、多自由度體系、分布參數體系以及針對動力微分方程的數值計算方法等方面的內容；第二部分是結構動力有限元，介紹了一維和二維動力有限元方程的具體推導過程，并對典型單元類型進行了詳細介紹；第三部分是耦合振動分析，主要圍繞流固耦合問題以及高速磁浮中的車橋耦合、主動控制等問題進行了詳細介紹；第四部分是關于線性隨機振動理論初步性的概念和理論介紹
本書主要內容包括Origin入門，表格管理，數據管理，矩陣管理，數據可視化，三維數據可視化，數學統計分析，數據運算，數據分析等內容，覆蓋了科學繪圖與數據分析的各個方面，實例豐富而典型，將重點知識進行融入應用，指導讀者有的放矢地進行學習。
《Python應用數值方法解決工程和科學問題》是為想要學習和應用數值方法來解決工程和科學問題的學生撰寫的。書中提供了足夠豐富的理論知識。如果讀過本書的姊妹篇《工程與科學數值方法的MATLAB實現(第4版)》，就會發現過渡到Python程序是無縫的！不需要事先具有Python編程經驗。 本書以解決問題為導向，強調理論聯系實際。各章均引入實際的工程和科學問題，提供從相關概念定義、理論分析到算法實現的全套解決方案。每章末尾安排有課后習題，方便讀者在鞏固所學知識的同時，進一步提升自己編寫代碼和解決
本書介紹作者近年來提出的最小約束違背優化新方向和相關研究成果, 主要內容包括最小約束違背線性錐優化、最小約束違背二次規劃、最小約束違背非線性凸優化、一類最小約束違背極小極大優化問題、最小約束違背非凸約束規劃和一般度量下的最小約束違背凸優化.《BR》理論方面的進展包括以最小違背平移為工具, 延拓了各類凸優化問題的對偶理論, 證明了凸問題的可行性等價于對偶問題的有界性; 建立了由Lagrange函數定義的對偶函數與由平移問題定義的**值函數間的關系, 用對偶函數刻畫了平移凸優化問題的對偶問題的解集;
本書以Ansys 2024為依據，對Ansys Workbench分析的基本思路、操作步驟、應用技巧進行了詳細介紹，并結合典型工程應用實例詳細講述了Ansys Workbench的具體工程應用方法。本書前9章為操作基礎，詳細介紹了Ansys Workbench分析全流程的基本步驟和方法，包括Ansys Workbench 2024基礎、項目管理、DesignModeler圖形用戶界面、草圖模式、三維特征、高級三維建模、概念建模、一般網格控制和Mechanical簡介。后9章為專題實例，
本書提出采用圍線積分方法（Sakurai-Sugiura 方法）來處理一種非線性特征值問題，該方法不僅可以將原特征值問題轉化為一個標準特征值問題，而且具有并行計算的架構。 本書第1章著重介紹了用邊界元法與圍線積分方法來求解不同類型特征值問題的公式推導與算法算例；基于第1章算法的建立，本書第2章介紹了基于此算法的各類聲子晶體仿真算法推導及算例，并引入了等幾何分析方法，介紹了采用B 樣條基函數作為邊界元法插值函數的建模及求解方法；本書第3章介紹了采用有限周期結構分析帶隙特性的新方法，講述了有限周期結
時間序列分析是統計學科的一個重要分支，它主要研究隨著時間的變化，事物發生、發展的過程，尋找事物發展變化的規律并預測未來的走勢。在日常生產和生活中，時間序列比比皆是，所以目前時間序列分析方法廣泛應用于經濟、金融、天文、氣象、海洋、物理、化學、醫學、質量控制等諸多領域，成為眾多行業經常使用的統計方法。 本書是基于Python編寫的入門級時間序列分析教材，主要內容包括時間序列分析簡介、時間序列的預處理、ARMA模型的性質、平穩序列的擬合與預測、無季節效應的非平穩序列分析、有季節效應的非平穩序列
《互聯網大廠推薦算法實戰》介紹了互聯網大廠當前采用的一些前沿推薦算法，并梳理了這些算法背后的思想脈絡與技術框架。 《互聯網大廠推薦算法實戰》總計10章，內容涵蓋了推薦系統的基礎知識、推薦系統中的特征工程、推薦系統中的Embedding、推薦系統的各組成模塊（包括召回、粗排、精排與重排）所使用的算法技術、推薦算法實踐中經常會遇到的難題以及應對之道（其中涉及多任務推薦、多場景推薦、新用戶冷啟動、新物料冷啟動、評估模型效果、定位并解決問題等），最后還用一章的篇幅介紹了推薦算法工程師在工作、學習、面試時
新書資訊 新書推薦