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 Automatic Differentiation of Algorithms: From Simulation to Optimization

دانلود کتاب تمایز خودکار الگوریتم ها: از شبیه سازی به بهینه سازی

Automatic Differentiation of Algorithms: From Simulation to Optimization

مشخصات کتاب

Automatic Differentiation of Algorithms: From Simulation to Optimization

ویرایش: 1 
نویسندگان: , , , , , , ,   
سری:  
ISBN (شابک) : 9781461265436, 9781461300755 
ناشر: Springer-Verlag New York 
سال نشر: 2002 
تعداد صفحات: 431 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 12 مگابایت 

قیمت کتاب (تومان) : 43,000



کلمات کلیدی مربوط به کتاب تمایز خودکار الگوریتم ها: از شبیه سازی به بهینه سازی: علوم کامپیوتر، عمومی



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 7


در صورت تبدیل فایل کتاب Automatic Differentiation of Algorithms: From Simulation to Optimization 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 تمایز خودکار الگوریتم ها: از شبیه سازی به بهینه سازی 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 تمایز خودکار الگوریتم ها: از شبیه سازی به بهینه سازی



تمایز خودکار (AD) یک فناوری محاسباتی در حال بلوغ است و به یک ابزار اصلی تبدیل شده است که توسط دانشمندان و مهندسان کامپیوتر استفاده می شود. پیشرفت سریع قدرت محاسباتی سخت افزاری و ابزارهای AD، متخصصان را قادر می سازد تا به سرعت نسخه های مشتق شده کد خود را برای طیف وسیعی از کاربردها در تحقیق و توسعه کاربردی تولید کنند.
تمایز خودکار الگوریتم ها یک بررسی جامع و معتبر از همه موارد ارائه می دهد. پیشرفت‌های اخیر، تکنیک‌ها و ابزارهای جدید برای استفاده از AD. این کتاب تمام جنبه های موضوع را پوشش می دهد: ریاضیات، برنامه ریزی علمی (به عنوان مثال، استفاده از الحاقات در بهینه سازی) و پیاده سازی (یعنی مشکلات مدیریت حافظه). موضوع قوی کتاب روابط بین ابزارهای AD و سایر ابزارهای نرم افزاری مانند کامپایلرها و موازی سازها است. همچنین طیف گسترده ای از برنامه های کاربردی مهم ارائه شده است، از جمله مشکلات طراحی بهینه شکل، که AD ابزارها و تکنیک های کارآمدتری را برای آنها ارائه می دهد.


توضیحاتی درمورد کتاب به خارجی

Automatic Differentiation (AD) is a maturing computational technology and has become a mainstream tool used by practicing scientists and computer engineers. The rapid advance of hardware computing power and AD tools has enabled practitioners to quickly generate derivative-enhanced versions of their code for a broad range of applications in applied research and development.
Automatic Differentiation of Algorithms provides a comprehensive and authoritative survey of all recent developments, new techniques, and tools for AD use. The book covers all aspects of the subject: mathematics, scientific programming (i.e., use of adjoints in optimization) and implementation (i.e., memory management problems). A strong theme of the book is the relationships between AD tools and other software tools, such as compilers and parallelizers. A rich variety of significant applications are presented as well, including optimum-shape design problems, for which AD offers more efficient tools and techniques.



فهرست مطالب

Front Matter....Pages i-xxvii
Front Matter....Pages 1-1
Differentiation Methods for Industrial Strength Problems....Pages 3-23
Automatic Differentiation Tools in Optimization Software....Pages 25-34
Using Automatic Differentiation for Second-Order Matrix-free Methods in PDE-constrained Optimization....Pages 35-50
Performance Issues in Automatic Differentiation on Superscalar Processors....Pages 51-57
Present and Future Scientific Computation Environments....Pages 59-66
Front Matter....Pages 67-67
A Case Study of Computational Differentiation Applied to Neutron Scattering....Pages 69-74
Odyssée versus Hand Differentiation of a Terrain Modeling Application....Pages 75-82
Automatic Differentiation for Modern Nonlinear Regression....Pages 83-90
Sensitivity Analysis and Parameter Tuning of a Sea-Ice Model....Pages 91-98
Electron Paramagnetic Resonance, Optimization and Automatic Differentiation....Pages 99-106
Front Matter....Pages 107-107
Continuous Optimal Control Sensitivity Analysis with AD....Pages 109-115
Application of Automatic Differentiation to Race Car Performance Optimisation....Pages 117-124
Globalization of Pantoja’s Optimal Control Algorithm....Pages 125-130
Analytical Aspects and Practical Pitfalls in Technical Applications of AD....Pages 131-136
Nonlinear Observer Design Using Automatic Differentiation....Pages 137-142
Front Matter....Pages 143-143
On the Iterative Solution of Adjoint Equations....Pages 145-151
Aerofoil Optimisation via AD of a Multigrid Cell-Vertex Euler Flow Solver....Pages 153-160
Automatic Differentiation and the Adjoint State Method....Pages 161-166
Efficient Operator Overloading AD for Solving Nonlinear PDEs....Pages 167-172
Integrating AD with Object-Oriented Toolkits for High-Performance Scientific Computing....Pages 173-178
Front Matter....Pages 179-179
Optimal Sizing of Industrial Structural Mechanics Problems Using AD....Pages 181-188
Second Order Exact Derivatives to Perform Optimization on Self-Consistent Integral Equations Problems....Pages 189-195
Accurate Gear Tooth Contact and Sensitivity Computation for Hypoid Bevel Gears....Pages 197-204
Optimal Laser Control of Chemical Reactions Using AD....Pages 205-211
Front Matter....Pages 213-213
Automatically Differentiating MPI-1 Datatypes: The Complete Story....Pages 215-222
Sensitivity Analysis Using Parallel ODE Solvers and Automatic Differentiation in C: SensPVODE and ADIC....Pages 223-229
A Parallel Hierarchical Approach for Automatic Differentiation....Pages 231-236
New Results on Program Reversals....Pages 237-243
Front Matter....Pages 245-245
Elimination Techniques for Cheap Jacobians....Pages 247-253
AD Tools and Prospects for Optimal AD in CFD Flux Jacobian Calculations....Pages 255-261
Reducing the Number of AD Passes for Computing a Sparse Jacobian Matrix....Pages 263-270
Verifying Jacobian Sparsity....Pages 271-279
Front Matter....Pages 281-281
Recomputations in Reverse Mode AD....Pages 283-291
Minimizing the Tape Size....Pages 293-298
Adjoining Independent Computations....Pages 299-304
Complexity Analysis of Automatic Differentiation in the Hyperion Software....Pages 305-310
Expression Templates and Forward Mode Automatic Differentiation....Pages 311-315
Front Matter....Pages 317-317
Application of AD to a Family of Periodic Functions....Pages 319-326
FAD Method to Compute Second Order Derivatives....Pages 327-333
Application of Higher Order Derivatives to Parameterization....Pages 335-341
Front Matter....Pages 317-317
Efficient High-Order Methods for ODEs and DAEs....Pages 343-348
Front Matter....Pages 349-349
From Rounding Error Estimation to Automatic Correction with Automatic Differentiation....Pages 351-357
New Applications of Taylor Model Methods....Pages 359-364
Taylor Models in Deterministic Global Optimization....Pages 365-372
Towards a Universal Data Type for Scientific Computing....Pages 373-381
Back Matter....Pages 383-432




نظرات کاربران