ISBN：9787030692887

书名：数据科学：它的内涵、方法、意义与发展

著者：徐宗本,唐年胜,程学旗

内容简介：《数据科学：它的内涵、方法、意义与发展》是有关数据科学内涵、方法、历史、意义及方法论、发展趋势、学科边界、核心科技问题、人才培养方案等方面的一部综合性论著。<BR>　　《数据科学：它的内涵、方法、意义与发展》分7章。第1章阐述数据科学的产生背景，主要从人类社会、物理世界、信息空间三元世界理论出发，阐述大数据在信息化社会中的基础地位、作用与价值。第2章尝试用数据科学的语言来沟通不同学科，以统一的术语扼要阐述数学、统计学、计算机科学、人工智能等学科中所使用的数据科学概念及内涵第3章严格定义数据科学论证数据科学的内涵与演进历史，概述计算机科学、统计学、人工智能等学科相关的重大进展。第4章论述数据科学的研究方法论及与其他学科的关联与区别，探讨数据科学的发展趋势与规律。第5章论证数据科学亟待解决的重大科学技术问题，提出四大科学任务和十大技术方向第6章讨论数据科学的学科发展，论证数据科学的主体研究方向、学科属性和知识结构，提出推动数据科学发展的若干战略建议。第7章聚焦数据科学的人才培养问题，分析数据科学人才应具各的知识、能力、素质要求，给出数据工程师、数据分析师、数据执行官等数据科学人才培养的建议方案。

ISBN：9787508864495

书名：动力学刻画的数据科学理论和方法

著者：陈洛南等

内容简介：《动力学刻画的数据科学理论和方法》旨在建立和推动“动力学刻画的数据科学”理论和应用研究。《动力学刻画的数据科学理论和方法》共六章，内容包括：复杂动力系统理论基础、高维数据的临界预警理论及方法、短时间序列的预测理论及方法、动力学因果检测理论及方法、基于动力学的势能景观构建理论及方法、混沌反馈学习理论及深度学习方法等。《动力学刻画的数据科学理论和方法》交叉融合了数学理论、统计学方法、人工智能、计算系统生物学方法等知识，做到数学理论与实际应用并重，动力学算法与统计学方法互补，内容图文并茂、清晰易读、由浅入深，并在第2章至第6章末尾配有相关前沿领域的展望与讨论，读者可以通过阅读《动力学刻画的数据科学理论和方法》了解所涉及研究方向的发展趋势。

ISBN：9787030747587

书名：机器学习中的交替方向乘子法

著者：林宙辰,李欢,方聪

内容简介：使用机器学习技术解决实际应用问题涉及模型的建立、训练及评估等步骤。优化算法常被用于训练模型的参数，是机器学习的重要组成部分。机器学习模型的训练可以建模成无约束优化问题或带约束优化问题，约束可以为模型增加更多的先验知识。基于梯度的算法（例如加速梯度法、随机梯度法等）是求解无约束优化问题的常用方法，而交替方向乘子法（ADMM）则是求解带约束优化问题的有力工具。<BR>　　《机器学习中的交替方向乘子法》概述了机器学习中ADMM的新进展。《机器学习中的交替方向乘子法》全面介绍了各种情形下的ADMM，包括确定性和随机性的算法、集中式和分布式的算法，以及求解凸问题和非凸问题的算法，深入介绍了各个算法的核心思想，并为算法的收敛性和收敛速度提供了详细的证明。

ISBN：9787508864662

书名：压缩感知的若干基本理论

著者：李松,沈益,林俊宏

内容简介：《压缩感知的若干基本理论》主要介绍函数逼近理论与小波框架理论方法。《压缩感知的若干基本理论》共6章。第1章介绍求解lp（0≤p≤1）优化模型的几个基本核心概念，限制等距性质（RIP）、零空间性质（NSP）以及矩阵相互相干性（MC）条件等，也介绍作者们解决的关于RIP*优上界的一个猜想；第2章通过给出构造确定性测量矩阵的方法，介绍作者们解决的lo优化模型及其求解算法中的两个公开问题；第3章介绍冗余字典下的压缩感知理论；第4章介绍压缩采样下的信号分离理论与重构算法，其中包括作者们解决的一个公开问题；第5章介绍One-bit压缩感知的几个重要理论与算法；第6章介绍基于傅里叶测量下相位恢复理论与算法。

ISBN：9787508867526

书名：模型驱动的深度学习——模型与数据双驱动的人工智能建模方法

著者：孙剑,徐宗本

内容简介：人工智能与数学、自然科学及工程应用等领域深度交叉融合，正成为推动新一轮科技革命的重要动力.特别是在“AIforScience”的兴起下，人工智能正在从数据驱动向更具模型结构与科学机理的方向扩展，成为科学研究与工程计算的新引擎.《模型驱动的深度学习——模型与数据双驱动的人工智能建模方法》正是在这一趋势下编写而成，系统总结了人工智能与科学问题交叉融合中所涉及的模型与数据双驱动的基础方法，具体介绍了AI与数学优化、统计方法、几何建模、微分方程等关键数学工具的融合路径与方法体系，力求构建一个适用于“AI+科学/工程”交叉研究的理论框架与方法支撑.

ISBN：9787508867694

书名：大数据概率理论基础

著者：邵启满,苏中根,张卓松

内容简介：《大数据概率理论基础》着重介绍大数据建模与分析中常用的概率极限理论，主要内容包括相依随机变量和过程的极限理论、Stein方法及其应用、自正则化极限理论、高维样本协方差矩阵的谱统计量渐近分布理论、随机梯度方法及其应用、随机复杂网络的整体和局部结构、分布式统计推断方法和渐近理论、Gauss逼近原理及其应用等。

ISBN：9787508865447

书名：深度神经网络的学习理论

著者：林绍波,王迪,周定轩

内容简介：《深度神经网络的学习理论》以函数逼近论与学习理论为主要工具，建立了一个系统的数学框架来解释深度的必要性、深度神经网络的适用性、数据规模对深度神经网络的影响、深度选择问题、网络结构选择问题及过参数化深度神经网络的泛化性等现阶段深度学习亟待解决的核心理论问题。《深度神经网络的学习理论》的主要目的有三个:其一是期望从学习理论的角度给出作者的见解，能为某些方向的学者解惑；其二是为打算进入深度学习理论这一领域的青年学者及广大学生提供参考，使其能尽快领略深度学习理论的魅力;其三是抛砖引玉，希望更多的学者关注到深度学习理论这一方向并推动这一领域的更快发展。

ISBN：9787508867687

书名：大库指纹数据处理与识别方法

著者：郭田德,韩丛英,赵彤

内容简介：《大库指纹数据处理与识别方法》从大数据处理的视角阐述大库指纹图像的处理与识别技术，力求帮助读者理解、掌握大数据背景下的生物特征识别的一些基础理论和方法。在许多自动指纹识别系统中，指纹数据库都很巨大，从数千万到数十亿枚指纹，并且由于每次捺印的方位不完全一样、着力点不同会带来不同程度的变形，并且存在大量模糊指纹。如何在如此大库容量下正确处理指纹数据、提取特征和实现精确匹配，是自动指纹识别技术的关键。《大库指纹数据处理与识别方法》针对大库容量指纹数据自动处理和识别中的关键技术，包括指纹图像压缩、方向场估计、奇异点提取、快速检索、细节点提取、细节点匹配等，建立了一系列数学模型，设计了快速准确的求解算法，并提出了机器学习识别方法，提高了自动处理和识别的效率。

ISBN：9787508867519

书名：强化学习与随机优化

著者：陈志平,刘嘉,徐宗本

内容简介：《强化学习与随机优化》旨在介绍近年来作者在强化学习和随机优化交叉领域的研究成果，主要内容包括随机优化的定量稳定性分析，求解多阶段随机优化的新型情景树生成、约减方法，机会约束规划问题的模型转换、凸逼近与求解，非平稳强化学习的样本复杂度与泛化能力分析，随机优化和强化学习的统一模型及其基本性质，风险厌恶马氏决策过程与强化学习，分布鲁棒机会约束马氏决策过程及其转换与求解算法设计，连续状态集合、连续动作集合下无限智能体的连续时间平均场强化学习问题的性质与Actor-Critic型求解算法，以及强化学习在多期投资组合选择中的应用。《强化学习与随机优化》的目的是帮助读者掌握如何应用强化学习或随机优化来处理不确定环境下的复杂动态决策问题、如何开展强化学习和随机优化的交叉研究，以便他们能够尽快进入相应研究领域的前沿。