计算统计方面的书，讲的是计算统计的一些基本知识，需要的童鞋们快来下载！

密码学难题集合，便于密码学习者一目对困难问题一目了然，是密码学习的好帮手。

项目目标 在Julia中设计一个用于计算几何和网格划分算法的综合库。 使用网格（例如GIS，CFD，计算机视觉，图形）将不同的科学界联合起来 安装 使用Julia的软件包管理器获取最新的稳定版本： ] add Meshes 文献资料 -文档的最新标签版本。 —文档的开发中版本。 贡献 我们非常欢迎您提供文稿，功能要求和建议也一样。 如果遇到任何问题，请打开一个问题。 我们非常重视问题，重视任何形式的反馈。 在源代码方面，我们有很高的标准。 提交请求时，请采用文件中存在的编码样式。

多组分流程代码（MFC） 欢迎使用MFC！ MFC是用于多组分，多相和气泡流的完整文档并行仿真软件。 作者 MFC是由一群博士后科学家和研究生在Tim Tech Colonius的指导下在加州理工学院开发的。 这些贡献者包括： Spencer Bryngelson博士 凯文·施密德迈尔博士 Vedran Coralic博士 孟若梅博士 前田一树博士 并且他们的联系信息位于源代码的AUTHORS文件中。 文献资料 记录了以下代码，请单击链接查看其Doxygen： 用户手册 包含用户指南 MFC纸 描述MFC功能的文件： 相关刊物 一些出版物已在MFC的各个开发阶段使用了MFC。 这里包括部分清单。 参考期刊出版物： K. Schmidmayer，SH Bryngelson，T。Colonius（2020）计算物理杂志，第1卷。 402，109080 SH Bryngelson，K

法律文本的数字化以及人工智能，自然语言处理，文本挖掘，网络分析和机器学习的进步，导致了律师和法律学者的新形式的法律分析。 本文概述了计算方法如何影响各种法律学术领域的研究，从对法律文本的解释到对构成法律的因果因素的定量估计。 随着计算工具继续渗透到法律学术领域，它们使学者们能够在传统研究问题上获得关注，并可能产生全新的研究计划。 计算方法已经在各种与法律相关的研究领域中促进了重要的贡献。 随着这些工具的不断发展，法律学者对它们的潜在应用越来越熟悉，计算方法的影响可能会继续增长。

This course provides an introduction to the field of artificial intelligence. The major topics covered will include reasoning and representation, search, constraint satisfaction problems, planning, logic, reasoning under uncertainty, and planning under uncertainty.

这是一本配套Artificial intelligence foundation of computational agents的python代码，虽然版本有些不一样，第二版的书籍可以http://www.artint.info/2e/html/ArtInt2e.html观看

CFD名著Computational Gasdynamics_Laney1998 英文版

高斯求积代码matlab 计算物理 该存储库包含计算物理课程中讲授的概念，并已翻译为MATLAB代码。 话题 非线性方程组的牛顿拉夫森法 高斯消除 多项式插值，线性/二次/三次样条插值，Thomas算法 多项式曲线拟合（在某些文件中可以使用正交多项式，例如Legendre，Hermite，Chebyshev等） 数值积分：矩形，梯形，辛普森1/3，高斯求积 微分方程组的数值解： 欧拉法 龙格·库塔（Runge Kutta）二阶 龙格·库塔（Runge Kutta）4级 带边界条件的微分方程的射击方法 偏微分方程： 有限差分法：前进，后退，中央方案 Dirichlet边界条件，Newmann边界条件，重影边界点 蒙特卡洛技术 生成满足概率分布的数字 随机行走问题，布朗运动等 经典顺磁性的蒙特卡罗模拟 n维空间中的蒙特卡洛积分 伊辛模型

hBayesDM hBayesDM （决策任务的多层贝叶斯建模）是一种用户友好的程序包，可对一系列决策任务上的各种计算模型提供分层的贝叶斯分析。 hBayesDM使用进行贝叶斯推理。 现在， hBayesDM支持和 ！ 快速链接 教程： : （R）和 （Python） 邮件列表： : forum / hbayesdm-users 错误报告： https : //github.com/CCS-Lab/hBayesDM/issues 贡献：请参阅此存储库的Wiki 。 引文 如果您使用hBayesDM或其某些代码进行研究，请引用本文： @article { hBayesDM , title = { Revealing Neurocomputational Mechanisms of Reinforcement Learning and Decision-Making