| 第一章 数学模型概论1．1 模型1．2 数学模型1．3 建立数学模型的一般方法 第二章 数据处理2．1 插值法2．2 数值微分2．3 数值积分2．4 最小二乘曲线拟合 第三章 代数方程（组）的数值解法3．1 线性方程的直接解法3．2 线性方程组的迭代解法3．3 非线性方程求根3．4 非线性方程组数值解 第四章 常微分方程数值解4．1 引言4．2 初值问题 4．3 边值问题 第五章 过值拉斯变换5．1 定义和性质5．2 拉氏塑变换求解方法5．3 拉氏变换的应用 第六章 场论初步6．1 数量场和向量场6．2 向量的导数6．3 数量场的梯度6．4 向量场的散度6．5 向量场的旋度6．6 梯度、散度、旋度在柱、球坐标系的表达式6．7 场论在化工中的应用 第七章 偏微分方程与特殊函数7．1 引言7．2 二阶偏微分方程分类7．3 典型方程的建立7．4 定解条件和定解问题7．5 线性迭加原理7．6 分离变量法7．7 非齐次边界条件的处理7．8 非齐次的泛定方程7．9 特殊函数及其在分离变量法中的应用7．10 拉普拉斯变换法 第八章 偏微分方程数值解8．1 抛物型方程的差分解法8．2 双曲型方程差分格式8．3 椭圆型方程的差分解法 第九章 概率论与数理统计9．1 概率论基础9．2 统计基础9．3 大数定律及中心极限定理9．4 参数估计9．5 假设检验 第十章 数据校正技术10．1 绪论10．2 稳态过程的数据校正 第十一章 图论11．1 图的基本概念11．2 图的矩阵表示11．3 赋权图与赋权图中的最短路径11．4 树11．5 图的运算11．6 有向图 第十二章 人工智能与专家系统12．1 基本概念12．2 知识的表示12．3 知识推理技术 第十三章 人工神经网络及应用13．1 人工神经网络介绍13．2 人工神经网络的结构组成13．3 网络的训练与测试13．4 反向传播学习算法13．5 网络模型建立示例13．6 人工神经网络与常规曲线拟合方法的区别13．7 人工神经网络模型在过程优化中的应用潜力 第十四章 模糊数学及应用14．1 模糊逻辑推理系统14．2 酵母流加发酵中的模糊控制器14．3 模糊神经网络 |
内容加载中，请稍后...
商品评论（0条）