دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Approximate iterative algorithms
دانلود کتاب الگوریتم های تکراری تقریبی
مشخصات کتاب
Approximate iterative algorithms
ویرایش: 1
نویسندگان: Anthony Almudevar
سری:
ISBN (شابک) : 9780415621540, 1306501792
ناشر: CRC Press/Balkema
سال نشر: 2014
تعداد صفحات: 371
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
قیمت کتاب (تومان) : 46,000
در صورت تبدیل فایل کتاب Approximate iterative algorithms 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 الگوریتم های تکراری تقریبی 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 الگوریتم های تکراری تقریبی
الگوریتم‌های تکراری اغلب بر تکنیک‌های ارزیابی تقریبی متکی هستند که ممکن است شامل تخمین آماری، شبیه‌سازی کامپیوتری یا تقریب عملکردی باشد. این جلد روش‌هایی را برای مطالعه الگوریتم‌های تکراری تقریبی، ارائه ابزارهایی برای استخراج مرزهای خطا و نرخ‌های همگرایی، و برای طراحی بهینه چنین الگوریتم‌هایی ارائه می‌کند. تکنیک های تحلیل تابعی برای استخراج روابط تحلیلی بین روش های تقریب و خواص همگرایی برای کلاس های کلی الگوریتم ها استفاده می شود. این کار زمینه لازم را در تحلیل تابعی و نظریه احتمال فراهم می کند. کاربردهای گسترده ای برای فرآیندهای تصمیم مارکوف ارائه شده است.
این جلد برای ریاضیدانان، مهندسان و دانشمندان کامپیوتر در نظر گرفته شده است که بر روی فرآیندهای یادگیری در تجزیه و تحلیل عددی کار می کنند و با بهینه سازی، کنترل بهینه، تجزیه و تحلیل تصمیم گیری و یادگیری ماشین درگیر هستند. .
توضیحاتی درمورد کتاب به خارجی
Iterative algorithms often rely on approximate evaluation techniques, which may include statistical estimation, computer simulation or functional approximation. This volume presents methods for the study of approximate iterative algorithms, providing tools for the derivation of error bounds and convergence rates, and for the optimal design of such algorithms. Techniques of functional analysis are used to derive analytical relationships between approximation methods and convergence properties for general classes of algorithms. This work provides the necessary background in functional analysis and probability theory. Extensive applications to Markov decision processes are presented.
This volume is intended for mathematicians, engineers and computer scientists, who work on learning processes in numerical analysis and are involved with optimization, optimal control, decision analysis and machine learning.
فهرست مطالب
Content: Front Cover
Table of contents
1. Introduction
PART I: Mathematical background
2. Real analysis and linear algebra
3. Background --
measure theory
4. Background --
probability theory
5. Background --
stochastic processes
6. Functional analysis
7. Fixed point equations
8. The distribution of a maximum
PART II: General theory of approximate iterative algorithms
9. Background --
linear convergence
10. A general theory of approximate iterative algorithms (AIA)
11. Selection of approximation schedules for coarse-to-fine AIAs
PART III: Application to Markov decision processes. 12. Markov decision processes (MDP) --
background13. Markov decision processes --
value iteration
14. Model approximation in dynamic programming --
general theory
15. Sampling based approximation methods
16. Approximate value iteration by truncation
17. Grid approximations of MDPs with continuous state/action spaces
18. Adaptive control of MDPs
Bibliography.
نظرات کاربران
کتاب های تصادفی
دانلود کتاب Gabler Lexikon Logistik: Management logistischer Netzwerke und Flusse. 4. Auflage
دانلود کتاب The Oldest Living Things in the World
دانلود کتاب Handbuch Strategisches Personalmanagement
