Probability, Random Variables and Stochastic Processes 英文第四版。 作者是Athanasios Papoulis。帕普里斯教授，他1921年出生于希腊，分别从雅典国家技术大学和美国宾夕法尼亚大学获得电子工程和数学学位。他1952年到纽约布鲁克林工业大学开始任教，1994退休，2002年4月25日在美国长岛亨廷顿去世，享年81岁。

从 Unity Pro V13 版本以上（包括最新版的 Control Expert），无法使用 txt 文件便捷的导入导出 PLC 变量表，导出/导入的变量表是基于 xml 格式的 .XSY 文件。 施耐德官方提供了一个 Excel 工具，可实现在编程软件外对 .XSY 变量文件的批量编辑，功能如下： - 对现有变量文件的快捷编辑：可对导出 .XSY 文件进行读取和编辑 - 可在此工具中编写变量，然后根据编写内容生产 .XSY 变量文件 现在上传方便大家使用。压缩包中 Doc 文件夹有官方使用说明。 官网使用教程（这里提供的版本比较老是 V10 的，但是使用方法是一致的）：https://www.se.com/us/en/faqs/FA283809/ 我自己写的使用方法（见链接博文的 Unity Variables Management 章节）：https://blog.csdn.net/weixin_44112083/article/details/137198810

基于变区间遗传算法的SF6灭弧室结构优化设计，刘晓明，闻福岳，提出变区间遗传算法(VIGA)，并以550kV单断口SF6断路器灭弧室为研究对象，进行了触头结构优化设计，以实现灭弧室内的匀场设计，得到触�

一类非线性项前具有可变号系数的p-Laplace方程的周期解，王正新，鲁世平，本文研究了如下一类p-Laplace方程 (Φp (x′(t)))′+β(t)g(x(t))=e(t), 周期解的存在性问题. 有意义的是这里的β(t)可以改变符号, 并且允许∫0T�

《单变量微积分，第八版》是詹姆斯·斯图尔特所著的一本经典教材，专注于介绍微积分的基础概念和核心理论。这本书以其清晰的解释和丰富的实例为学生提供了深入理解单变量微积分的途径。 微积分是数学的一个重要分支，主要研究两个基本概念：导数和积分。在本书中，作者詹姆斯·斯图尔特，一位来自麦克马斯特大学和多伦多大学的知名数学家，详细阐述了这些概念，并将其应用于各种实际问题中。第八版不仅包含了传统的微积分内容，还可能更新了某些现代应用和数学方法，以适应不断发展的数学教育需求。 导数是微积分的核心之一，它描述了一个函数在某一点的瞬时变化率。通过导数，我们可以了解函数的增减性、极值以及曲线的斜率。在书中，斯图尔特会讲解如何求解导数，包括基本导数规则（如幂规则、链式规则和分离变量法），并引导学生应用这些规则解决实际问题，如物理中的速度和加速度计算。 积分则是导数的逆运算，它被用来求解面积、体积以及其他与累积有关的问题。斯图尔特会讲解不定积分和定积分的概念，以及积分的应用，如物理学中的工作和能量计算。此外，他还可能会讨论微积分的基本定理，这将导数和积分紧密联系在一起，证明了积分可以用来求解导数问题。 除了基础理论，本书可能还包括极限、连续性、多元函数的微积分简介等内容。极限概念是微积分的基石，它帮助我们理解和定义导数和积分。连续性则描述了函数在某区间上的平滑性，对于理解函数行为至关重要。在多元函数微积分部分，读者将接触到偏导数和多元函数的积分，这是进入更高层次数学学习的基础。 为了增强学习体验，该书可能配备了一系列辅助材料，如习题解答、在线资源和教学视频。这些资源旨在帮助学生巩固理解，提高解决问题的能力。 《单变量微积分，第八版》是一本全面而深入的微积分教材，适合大学本科阶段的初学者使用。通过学习本书，学生不仅可以掌握微积分的基本知识，还能培养分析问题和解决问题的能力，为未来进一步的数学学习或相关科学领域的研究打下坚实基础。

广义的负变系数 eKdV 内波模型新的解析解，刘瑞平，魏光美，本文研究了用于模拟海洋内孤立波的广义的负变系数eKdV方程借助符号计算工具给出了Painleve分析和自Backlund变换同时用Hirota双线性方法得�

本书是关于概率论和随机过程的经典教材，为许多国外论文所引用，也是浙江大学信息与通信工程专业考博的参考教材。这本书是第3版，虽然第4版已出版，但从网上读者的反馈来看还不如第三版，而且翻译得不令人满意（查看评论），所以相比之下，这本英文第3版更显得弥足珍贵，希望对大家学习有帮助。 这本书的格式是“DjVu”，大家用google搜索一下“WinDjView”就可以找到对应的阅读工具。我曾试着把它转换为PDF，但是转换后的文件都非常大，所以还是保留了它原来的格式。

Discrete Berth Allocation，Iterative Variable Grouping Genetic Algorithm

类别变量（categorical variable）：只有有限个值得变量，如性别就是一个类别变量，类似于这种。 如果不对这些变量做预处理，训练出来的模型可能是错误的。 主要有三种方法来处理这个变量。 如何从数据中找到类别变量？ 我们可以对每一列检查它的数据类型，某列的数据类型为”object”，表明该列有文本（也可能是其他的，但对我们的目标来说不重要），某列是数据是文本，则该列表示类别变量。 代码如下： # 获得类别变量的列名，存放在列表中 s = (X_train.dtypes == 'object') object_cols = list(s[s].index) 1.直接删除类别变量。

Zou & Hastie(2005) 301-320 Regularization and variable selection via the elastic net.pdf