代数
在泛代数中代数结构（英语：Algebraic structure）是在一种或多种运算下封闭的一个或多个集合[1]。 例如，群、环、域、和格的代数结构。更复杂的结构可以被定义为通过引入多个操作，不同的基础集，或通过改变限定公理
早期我对算子代数中的一些问题感兴趣，而近年来则转向于数学教育。尤其是以下两个方向： 数学软件及数学教学： 2000年暑假去美国Duke大学及伊利诺伊大学访问之后，深深体会‘学习’重于‘教授’一事。近两年则致力于利用数学实验活动之设计
《宇宙的结构:空间、时间以及真实性的意义》具有更高的立足点。如果说《宇宙的琴弦》是在相对论和量子论的框架下具体地介绍弦理论及其物理学结果。那么《宇宙的结构:空间、时间以及真实性的意义》则是从更高的角度来讨论时空和宇宙的物理学
本文摘要：11月26-30日，首届泛太平洋拓扑学及其应用于国际会议在闽南师范大学举行。来自美国、日本、墨西哥等27个国家及北京大学、清华大学、南京大学等高校的拓扑学研究者280余人楚凝漳州，探究拓扑学最新进展和近期研究动态，更进一步强化拓扑学学者之间的交流和合作，增进我国拓扑学理论的发展和影响力。 本次会议由闽南师范大学、首都师范大学和汕头大学牵头主办，中国数学会主办
●2018年春季学期 讲授《信息技术在数学教学中的应用》 共1*20+0.3*(136-90)=33.8课时. ●2017年春季学期 讲授《微分方程数值解》 共2*20=40课时. ●2014年秋季学期 讲授《数学分析1习题课》 共2*19=38课时. ●2014年春季学期 讲授《信息技术在数学教学中的应用》 共1*19+0.3*(94-90)=20.2课时. ●2013年春季学期 讲授《信息技术在数学教学中的应用》 共1*19+0.3*(120-90)=28课时. ●2013年春季学期 讲授《信息技术在数学教学中的应用》 共1*12=12课时. ●2012年春季学期 讲授《高等代数2》 共6*20=120课时. ●2012年春季学期 讲授《高等代数2习题课》 共2*20=40课时. ●2009年以前学期 讲授《数学分析1习题课》 共10*1=10课时. ●2009年以前学期 讲授《实用数值分析》 共38*1=38课时. ●2009年以前学期 讲授《实用数值分析》 共13.5*1=13.5课时. ●2009年以前学期 讲授《现代教育技术在数学教学中的应用》 共25*1=25课时. ●2009年以前学期 讲授《现代教育技术在数学教学中的应用》 共41.5*1=41.5课时. ●2018年春季学期 讲授《微分方程差分方法》 共3*20=60课时. ●2014年秋季学期 讲授《发展微分方程数值解》 共3*20=60课时. ●2014年春季学期 讲授《数值分析二》 共3*19=57课时. ●2009年以前学期 讲授《微分方程数值解》 共3*20=60课时. ●2009年以前学期 讲授《导师方向选修课》 共3*20=60课时. ●2009年以前学期 讲授《发展方程数值计算方法》 共3*20=60课时. ●2009年以前学期 讲授《微分方程数值解》 共42*1=42课时. 指导研究生论文： ●2017年秋季学期 免费师范生教育硕士4人学历硕士2人. ●2017年春季学期 免费师范生教育硕士4人学历硕士2人. ●2012年秋季学期 教育硕士2人免费师范生教育硕士2人学历硕士2人. ●2012年春季学期 教育硕士2人免费师范生教育硕士2人学历硕士2人.
数学系现有教师26名，其中教授3人、副教授11人、讲师12人。数学系下设数学分析、高等代数、概率论与数理统计3个教研室，承担着研究生数据分析方法、数理统计与随机过程、复变函数与积分变换、数值分析、灰色系统理论、数学物理方程及本科生数学分析、高等代数、高等数学等课程为主的教学和科研任务。 现有教师8人，其中教授2人、副教授4人、讲师2人
聚丙烯酰胺产品是高分子聚合物，单体仅属于一个分子。如果单体包括几种分子结构，则称为共聚物。一般聚合物聚丙烯酰胺产品均含有1800多种化学单体，分子量超过1800万
为提高运筹学与其他学科融合的学术研究水平，培养与国际接轨的新时期科研队伍，提升我校在国内外的知名度和影响力，由平台在线登录理学院主办的“2022年第17届模型计算的理论与应用国际会议”拟于2022年9月17日—9月18日线上举行。邀请来自全球各高校的教授学者，为参会的老师、研究生和各界人士带来领域内最新的研究方向、研究思路和研究成果。 会议主题为计算理论和应用
机器学习是计算机科学与人工智能的重要分支领域. 本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面。 为了使尽可能多的读者通过本书对机器学习有所了解 作者试图尽可能少地使用数学知识. 然而 少量的概率、统计、代数、优化、逻辑知识似乎不可避免. 因此 本书更适合大学三年级以上的理工科本科生和研究生 以及具有类似背景的对机器学 习感兴趣的人士. 为方便读者 本书附录给出了一些相关数学基础知识简介. 全书共16 章，大致分为3 个部分：第1 部分（第1～3 章）介绍机器学习的基础知识；第2 部分（第4～10 章）讨论一些经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）；第3 部分（第11～16 章）为进阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等.前3章之外的后续各章均相对独立 读者可根据自己的兴趣和时间情况选择使用. 根据课时情况 一个学期的本科生课程可考虑讲授前9章或前10章; 研究生课程则不妨使用全书. 书中除第1章外 每章都给出了十道习题. 有的习题是帮助读者巩固本章学习 有的是为了引导读者扩展相关知识. 一学期的一般课程可使用这些习题 再辅以两到三个针对具体数据集的大作业. 带星号的习题则有相当难度 有些并无现成答案 谨供富有进取心的读者启发思考. 本书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材，也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考。
[1] 赵建兴，国家自然科学基金青年基金项目“M-矩阵（张量）最小特征值估计及其相关问题研究”，编号：11501141，经费：21.34万元，起止年月：2016年01月~2018年12月。 [2] 赵建兴，贵州省科学技术基金项目“几类特殊张量特征值的定位研究”，编号：黔科合J字[2015]2073号，经费：10万元，起止年月：2015年08月~2018年08月。 [3] 赵建兴，贵州省教育厅科技拔尖人才支持项目“M-张量（矩阵）的行列式、特征值及条件数估计”，编号：黔教合KY字[2016]066号，经费：30万元，起止年月：2016年11月~2019年10月