人工智能技术可以使机器模拟人的思维能力，解决推理、分析、判断、寻优等问题，为实现广义控制系统的智能化提供理论基础与方法工具。本书通过三个主要研究步骤，尝试解决上述问题。本书的创新点主要有三个：一是系统描述了预测与神经网络计算智能与经典PID控制相结合的方法。二是系统描述了预测与神经计算智能复合经典PID控制方法与实现。

本书共10章。内容包括：随机事件与概率、条件概率与独立性、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、大数定律和中心极限定理、数理统计的基本概念、参数估计、假设检验、方差分析与回归分析。

本书主要内容包括：随机事件的概率，一维和二维随机变量及其分布，随机变量函数的分布，随机变量的数字特征，大数定律与中心极限定理，统计量及其分布，参数估计，假设检验及随机过程的基本知识。

本书主要包括抽样及描述性统计、概率、误差的传播、常用的分布、置信区间估计、假设检验、相关性和简单线性回归、多次回归、析因实验、统计上的质量控制、变量的控制图表、计数值管制图表、单因素实验中的成对比较、利用仿真构造置信区间、预测区间和公差区间、总体均值的大样本置信区间等内容。

在21世纪，统计方法在范围和影响方面都有惊人的扩展。大数据、数据科学和机器学习已经成为新闻中常见的术语，因为统计方法被用于处理现代科学和商业的庞大数据集。我们是怎么走到这一步的？我们又将走到哪里？ 本书将带你踏上数据分析变革的振奋之旅。从经典推断理论（贝叶斯理论、频率理论和Fisher理论）开始，各章节分别介绍一系列

本书是与清华大学出版社2017年出版的《概率论与数理统计（第2版）》（张艳、程士珍主编）教材相配套的学习辅导书.内容包括该书各章的知识点、典型例题、习题与综合练习题全解，另外，还配有大量的训练题及参考答案，以供考研学生提升解题技巧.本书注重体现概率统计的思想方法与基本内容，强调对学生解题方法与能力的培养，力求做到深入浅

内容涉及正倒向随机微分方程最优/次优控制系统研究，分两部分：第一，动态规划原理，我们推导出Hamilton-Jacobi-BellmanInequality,此项研究是深入菲尔茨奖得主，法国数学家P.-L.Lions教授提出的用粘性解理论研究导数有约束的偏微分方程的问题。同时给出在粘性解意义下，随机递归系统的最优控制验

我们所处的时代是一个大数据时代，数据无处不在，统计学是研究数据的科学，在数据分析中扮演了非常重要的角色。多元统计分析是统计学中应用最广的一个分支，在自然科学、社会科学、经济科学和管理科学等领域应用广泛。作为国内多元统计分析的经典版本，第5版继续保持了案例应用与统计思想相渗透、结合软件详细介绍多元统计分析理论与方法的特色

《贝叶斯网基础及应用》主要从贝叶斯网络的概念、发展、推理、应用等方面做了详细的介绍，具体包括叶斯网的基础与性质，精确推理之变量消元，精确推理之团树，带有隐变量的模型学习以及贝叶斯网用于文本分类和MATLAB环境下利用朴素贝叶斯分类器诊断肺癌病人。

本书始终“以应用为目的不削弱理论学习”为指导思想，主要内容有是概率论、数理统计、随机过程，每章节后附有习题，书末附有参考答案。