数学基础

共 37 种图书

排序:
高等数学习题册:上(第2版) 封面
评分 3.0
高等数学习题册:上(第2版) 梁修惠 / 南晓雪 / 周敏 / 朱圣陵 重庆大学出版社 · 2026 本习题册具体内容包含函数、极限与连续,微分学,积分学,微分方程4个模块。本习题册以教材为主线,模块、章、节名和先后顺序均与教材吻合,与《高等数学基础》(上)配套使用。本习题册内容由各节习题与各模块的自测题两部分组成。习题由浅入深,紧扣教材内容,并预留空白供学生解答;自测题可供学生综合测试学习效果。本…
罗素算理哲学 封面
评分 4.4
罗素算理哲学 伯特兰·罗素 / 傅种孙 / 张邦铭 · 2025 20世纪20年代,随着罗素来华,数理逻辑传入中国,1922年出现了中国第一部数理逻辑译著《罗素算理哲学》.通过对罗素来华讲演,《罗素算理哲学》的成书背景,内容及其引起的两场学术争论进行研究,认为此书不仅为中国数学界打开了通往数理逻辑的大门,使中国数学家,逻辑学家了解并研究数理逻辑,并且对数理逻辑在中…
高等数学 封面
评分 3.4
高等数学 王国安 / 王立婧 / 刘玉锋 / 李科 重庆大学出版社 · 2022 全书共分七章,包括函数、极限与连续、导数与微分、中值定理与导数的应用、不定积分、定积分和常微分方程。
复变函数与积分变换(第三版) 封面
评分 3.8
复变函数与积分变换(第三版) 赵建丛 / 黄文亮 华东理工大学出版社 · 2021 本书为《复变函数与积分变换(第二版)》的改版书,是针对高等院校工科专业编写的复变函数与积分变换教材。全书内容共分8章,包括复数与复变函数、解析函数、复变函数的积分、解析函数的幂级数表示、留数及其应用、共形映射、Fourier变换和Laplace变换等。本书在原有基础上进行了改进,全书内容叙述简洁,通…
线性代数习题集 封面
评分 3.2
线性代数习题集 田春红 / 刚蕾 / 孙艳波 / 孙蕾 / 蔡剑 人民邮电出版社 · 2021 内容覆盖行列式、矩阵、线性方程组、二次型等,与现行的线性代数同步,每章除了供学生课后同步练习以帮助学生理解、巩固所学内容而精选的练习题外,还有作为全章内容归纳、总结和深化的总习题,书末对这些习题给出了答案或提示,最后还附有三套模拟题以及历年考研真题,供学生参考, 本作业题中的每道题均留有答题空间,学…
A Review of Algebra 封面
评分 2.8
A Review of Algebra Rivenburg, Romeyn Henry Project Gutenberg · 2019 Project Gutenberg was the first provider of free electronic books, or eBooks. Michael Hart, founder of Project Gutenberg, invented eBooks in 1971 and …
机器学习线性代数基础:Python语言描述 封面
评分 4.0
机器学习线性代数基础:Python语言描述 张雨萌 北京大学出版社 · 2025 数学是机器学习绕不开的基础知识,传统教材的风格偏重理论定义和运算技巧,想以此高效地打下机器学习的数学基础,针对性和可读性并不佳。本书以机器学习涉及的线性代数核心知识为重点,进行新的尝试和突破:从坐标与变换、空间与映射、近似与拟合、相似与特征、降维与压缩这5个维度,环环相扣地展开线性代数与机器学习算法…
第一推动丛书·综合系列:数学的意义(新版) 封面
评分 3.7
第一推动丛书·综合系列:数学的意义(新版) 约翰・查尔顿・波金霍尔 湖南科学技术出版社 · 2025 在冈道尔夫堡和剑桥召开的这两次跨学科专题讨论会上,数学家、物理学家和哲学家们对“数学是什么”这一问题进行了探讨。本书以周详的形式再现了每位与会者在讨论中所展现的风采,这些讨论既反映了其所需的思想精确性,又能顾及到非专业人士的可读性。
离散数学(21世纪全国应用型本科计算机系列实用规划教材) 封面
评分 3.4
离散数学(21世纪全国应用型本科计算机系列实用规划教材) 段禅伦 / 魏仕民 / 赵青杉 / 冯源 北京大学出版社 · 2025 本书是为计算机科学等专业的学生写的一本离散教学基础教材。理论部分取材于数学的几个与计算机学科联系紧密的的理论分支,并且在不致与其他课程内容重复的宗旨下,尽可能地给出了一些运用数学理论解决专业问题的实例。本教材的很多专题是从日常生活问题引出的,并有大量的例题和练习,行文也力求通俗。本书也可供希望了解离…
模态逻辑研究 封面
评分 3.6
模态逻辑研究 董英东 上海人民出版社 · 2026 模态逻辑是当代逻辑学一个主流分支,在众多学术领域中展现了独特的理论价值和应用潜力。模态逻辑是关于模态算子的形式系统,也是标准逻辑的片段,用于对大量的模态概念进行表征和推理,这些模态概念是分布式计算和智能行为以及与其相应的真值模式的基础。其应用范围涵盖哲学的基础研究、数学的形式化方法、语言学的理论构建…
C++编程与信息学竞赛数学基础 封面
评分 3.9
C++编程与信息学竞赛数学基础 王桂平 / 周思益 / 周迎川 北京大学出版社 · 2026 本书系统性地总结了C++编程与信息学竞赛所需的数学知识体系,包括初等数学基础、数列问题及递推和递归、初等几何、进制及进制转换、数论基础、初等代数、集合论、组合数学、图论基础、树及二叉树、概率论基础、逻辑学基础、编码及译码、博弈论基础、算法及算法复杂度等核心内容。本书涵盖GESP、电子学会等级考试、C…
人工智能微积分基础 封面
评分 3.5
人工智能微积分基础 王圣强 / 薛栋 / 段兆阳 / 周涛 北京大学出版社 · 2026 本书系统地阐述了微积分在人工智能领域的核心作用,从基础理论到实际应用,内容丰富且深入。全书共13章,涵盖微积分概述、函数与极限、导数与微分、积分及其应用、多元微积分等基础知识,同时深入探讨了数据预处理、构建网络模型、模型优化、模型评估与解释等核心技术,并延伸至自然语言处理、计算机视觉、推荐系统和强化…
数学与自然科学之哲学 封面
评分 4.6
数学与自然科学之哲学 外尔 / 齐民友 北京大学出版社 · 2026 外尔不但亲自参与了20世纪上半叶数学、物理学以及数学基础那场影响深远的大发展和大争论,而且作出了重要贡献。这些重大进展的根源都深深埋在整个西方文化——科学与哲学——的深处,他自己也是从这片土壤中成长起来的一位大师。《数学与自然科学之哲学》正是他试图从西方哲学的角度审视数学与物理学的发展,同时也用数学…
算术基础:关于数的概念的一种逻辑数学的研究 封面
评分 4.8
算术基础:关于数的概念的一种逻辑数学的研究 G.弗雷格 / 徐弢 上海人民出版社 · 2025 《算术基础》是德国数学家、哲学家G.弗雷格的经典著作,也是数理逻辑与分析哲学的奠基之作。弗雷格试图从逻辑角度给数下严格的定义,他首先批判地考察了施罗德、密尔、洛克、莱布尼茨、贝克莱等人关于数的观点,并在此基础上提出自己的核心命题:数的陈述包含的是对概念的断言;每个数自身是独立自存的对象,数词表示的是…
网络编码:容量、安全与存储(英文版) 封面
评分 3.4
网络编码:容量、安全与存储(英文版) 刘宴涛 / 秦娜 / 王雪冰 电子工业出版社 · 2023 本书的主要内容包括编码学的数学基础,编码的分类及原理,网络编码的概念和原理,网络编码在网络容量域、网络安全和分布式存储这3个重要领域的应用。 本书把理论与实践相结合,既清晰地阐述了网络编码的基本概念和原理,又详尽地解释了网络编码的算法实现和系统设计;既对网络编码和路由技术进行了特点分析和优缺点比较,…
深度学习入门与TensorFlow实践 封面
评分 3.5
深度学习入门与TensorFlow实践 林炳清 人民邮电出版社 · 2022 本书首先介绍深度学习方面的数学知识与Python基础知识,线性模型中的线性回归模型和logistic模型;然后讲述正向传播算法、反向传播算法及深度神经网络的完整训练流程,输出层的激活函数和隐藏层的常见激活函数,深度学习的过拟合和欠拟合,应对过拟合的方法,以及使用TensorFlow 2建立深度神经网…
线性代数 封面
评分 3.0
线性代数 孙蕾 / 田春红 人民邮电出版社 · 2021 本书主要是为独立学院、民办高校的本科非数学专业学生编写的。全书共8章,内容包括行列式、矩阵、向量空间、线性方程组、方阵的特征值与特征向量、实二次型、线性空间与线性变换、线性代数在数学建模中的应用。书后附有部分习题的参考答案。
深度学习原理与应用 封面
评分 3.2
深度学习原理与应用 周中元 电子工业出版社 · 2021 本书系统性地介绍了深度学习的原理、关键技术及相关应用,首先从基本概念、必备的线性代数、微积分、概率统计等数学知识等入手,这些预备知识可帮助读者更好地理解深度学习技术。接着对深度学习方法和技术进行了详细介绍,包括卷积神经网络、反馈神经网络、循环神经网络、生成对抗网络等,针对每个技术都力图用简单易懂的语…
5G移动通信中的信道编码 封面
评分 4.2
5G移动通信中的信道编码 白宝明 电子工业出版社 · 2020 本书系统论述了5G移动通信系统中的LDPC码与Polar码等信道编码技术,包括码设计、构造、编译码算法等。作为基础知识,首先介绍了信道编码的基本原理与移动通信中的典型编码方法,讨论了编码系统性能限的计算。然后重点论述了LDPC码与Polar码的编码原理、译码算法与构造方法,介绍了3GPP确定的5G数…
实战深度学习算法:零起点通关神经网络模型(基于Python和NumPy实现) 封面
评分 3.4
实战深度学习算法:零起点通关神经网络模型(基于Python和NumPy实现) 徐彬 电子工业出版社 · 2020 深度学习是机器学习的重要分支。本书系统地介绍了如何用 Python 和 NumPy 一步步地实现深度学习的基础模型,无须借助 TensorFlow、PyTorch 等深度学习框架,帮助读者更好地理解底层算法的脉络,进而进行模型的定制、优化和改进。全书由简到难地讲述感知机模型、多分类神经网络、深层全连…