ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب An Introduction to Kolmogorov Complexity and Its Applications

دانلود کتاب مقدمه ای بر پیچیدگی کولموگروف و کاربردهای آن

An Introduction to Kolmogorov Complexity and Its Applications

مشخصات کتاب

An Introduction to Kolmogorov Complexity and Its Applications

ویرایش: 4° 
نویسندگان:   
سری:  
ISBN (شابک) : 3030112977, 9783030112974 
ناشر: Springer Nature 
سال نشر: 2019 
تعداد صفحات: 852 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 8 مگابایت 

قیمت کتاب (تومان) : 43,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 12


در صورت تبدیل فایل کتاب An Introduction to Kolmogorov Complexity and Its Applications به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب مقدمه ای بر پیچیدگی کولموگروف و کاربردهای آن نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب مقدمه ای بر پیچیدگی کولموگروف و کاربردهای آن



این کتاب درسی که حتماً باید بخوانید، مقدمه‌ای ضروری بر پیچیدگی کولموگروف (KC)، یک نظریه مرکزی و ابزار قدرتمند در علم اطلاعات است که با کمیت اطلاعات در اشیاء جداگانه سروکار دارد. این متن هم مفاهیم اساسی و هم مهمترین کاربردهای عملی را پوشش می‌دهد که با انبوهی از ویژگی‌های آموزشی پشتیبانی می‌شود.

این نسخه چهارم به‌طور کامل اصلاح‌شده و بهبود یافته شامل مطالب جدید و به‌روز شده، در میان موضوعات دیگر، میلر است. قضیه یو، قضیه گاکس-کوسرا، قضیه روز-گاکس، تصادفی فزاینده، لیست های کوتاه قابل محاسبه از یک رشته ورودی حاوی پیچیدگی غیرقابل محاسبه کلموگروف ورودی، لم محلی Lovász، مرتب سازی، قضیه کامل الگوریتمی گرگ اسلپین برای ورودی رشته ها، فاصله اطلاعات نرمال شده چند مجموعه ای و فاصله وب نرمال شده، و توزیع جهانی شرطی.

موضوعات و ویژگی ها: نظریه ریاضی KC، از جمله نظریه های پیچیدگی الگوریتمی و احتمال الگوریتمی را شرح می دهد. ; یک نظریه کلی از استدلال استقرایی و کاربردهای آن ارائه می‌کند و کاربرد روش تراکم ناپذیری را بررسی می‌کند. کاربرد عملی KC را با جزئیات زیاد پوشش می دهد، از جمله فاصله اطلاعات نرمال شده (متریک شباهت) و قطر اطلاعات چند مجموعه در فیلوژنی، درختان زبان، موسیقی، فایل های ناهمگن، و خوشه بندی. کاربردهای فراوان KC محدود به منابع را مورد بحث قرار می دهد و نظریه های فیزیکی مختلف را از دیدگاه KC بررسی می کند. شامل مثال های متعددی است که نظریه را تشریح می کند و طیف وسیعی از تمرین ها با دشواری های مختلف (با راه حل ها). نکات توضیحی در مورد مسائل فنی و بخش های تاریخی گسترده ارائه می دهد. ساختارهایی را برای چندین درس یک ترم در پیشگفتار پیشنهاد می کند.به عنوان کتاب درسی قطعی در مورد پیچیدگی کلموگروف، این کار جامع و مستقل یک کتاب است. منبع ارزشمندی برای دانشجویان پیشرفته مقطع کارشناسی، دانشجویان کارشناسی ارشد و محققین در تمام زمینه های علمی.

توضیحاتی درمورد کتاب به خارجی

This must-read textbook presents an essential introduction to Kolmogorov complexity (KC), a central theory and powerful tool in information science that deals with the quantity of information in individual objects. The text covers both the fundamental concepts and the most important practical applications, supported by a wealth of didactic features.

This thoroughly revised and enhanced fourth edition includes new and updated material on, amongst other topics, the Miller-Yu theorem, the Gács-Kucera theorem, the Day-Gács theorem, increasing randomness, short lists computable from an input string containing the incomputable Kolmogorov complexity of the input, the Lovász local lemma, sorting, the algorithmic full Slepian-Wolf theorem for individual strings, multiset normalized information distance and normalized web distance, and conditional universal distribution.

Topics and features: describes the mathematical theory of KC, including the theories of algorithmic complexity and algorithmic probability; presents a general theory of inductive reasoning and its applications, and reviews the utility of the incompressibility method; covers the practical application of KC in great detail, including the normalized information distance (the similarity metric) and information diameter of multisets in phylogeny, language trees, music, heterogeneous files, and clustering; discusses the many applications of resource-bounded KC, and examines different physical theories from a KC point of view; includes numerous examples that elaborate the theory, and a range of exercises of varying difficulty (with solutions); offers explanatory asides on technical issues, and extensive historical sections; suggests structures for several one-semester courses in the preface.As the definitive textbook on Kolmogorov complexity, this comprehensive and self-contained work is an invaluable resource for advanced undergraduate students, graduate students, and researchers in all fields of science.


فهرست مطالب

Preface to the First Edition
Preface to the Second Edition
Preface to the Third Edition
Preface to the Fourth Edition
How to Use This Book
Outlines of One-Semester Courses
Contents
List of Figures
List of Tables
1 Preliminaries
	1.1 A Brief Introduction
	1.2 Prerequisites and Notation
	1.3 Numbers and Combinatorics
	1.4 Binary Strings
	1.5 Asymptotic Notation
	1.6 Basics of Probability Theory
	1.7 Basics of Computability Theory
	1.8 The Roots of Kolmogorov Complexity
	1.9 Randomness
	1.10 Prediction and Probability
	1.11 Information Theory and Coding
	1.12 State x Symbol Complexity
	1.13 History and References
2 Algorithmic Complexity
	2.1 The Invariance Theorem
	2.2 Incompressibility
	2.3 C as an Integer Function
	2.4 Random Strings
	2.5 *Random Sequences
	2.6 Statistical Properties of Strings
	2.7 Algorithmic Properties of C
	2.8 Algorithmic Information Theory
	2.9 History and References
3 Algorithmic Prefix Complexity
	3.1 The Invariance Theorem
	3.2 Incompressibility
	3.3 K as an Integer Function
	3.4 Random Strings
	3.5 *Random Sequences
	3.6 Algorithmic Properties of K
	3.7 *Complexity of Complexity
	3.8 *Symmetry of Algorithmic Information
	3.9 *Sizes of the Constants
	3.10 History and References
4 Algorithmic Probability
	4.1 Semicomputable Functions
	4.2 Measure Theory
	4.3 Discrete Sample Space
	4.4 Universal Average-Case Complexity
	4.5 Continuous Sample Space
	4.6 Universal Average-Case Complexity, Continued
	4.7 History and References
5 Inductive Reasoning
	5.1 Introduction
	5.2 Solomonoff’s Theory of Prediction
	5.3 Simple Pac-Learning
	5.4 Hypothesis Identification by MDL
	5.5 Nonprobabilistic Statistics
	5.6 History and References
6 The Incompressibility Method
	6.1 Three Examples
	6.2 High-Probability Properties
	6.3 Combinatorics
	6.4 Kolmogorov Random Graphs
	6.5 Compact Routing
	6.6 Average-Case Analysis of Sorting
	6.7 Longest Common Subsequence
	6.8 Formal Language Theory
	6.9 Online CFL Recognition
	6.10 Turing Machine Time Complexity
	6.11 Communication Complexity
	6.12 Circuit Complexity
	6.13 Lov´asz Local Lemma
	6.14 History and References
7 Resource-Bounded Complexity
	7.1 Mathematical Theory
	7.2 Language Compression
	7.3 Computational Complexity
	7.4 Instance Complexity
	7.5 Kt and Universal Search
	7.6 Time-Limited Universal Distributions
	7.7 Logical Depth
	7.8 History and References
8 Physics, Information, and Computation
	8.1 Information Theory
	8.2 Reversible Computation
	8.3 Information Distance
	8.4 Normalization
	8.5 Information Diameter
	8.6 Thermodynamics
	8.7 Entropy Revisited
	8.8 Quantum Kolmogorov Complexity
	8.9 Compression in Nature
	8.10 History and References
References
Index




نظرات کاربران