دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: فن آوری ویرایش: 1 نویسندگان: Martin Bucker, George Corliss, Paul Hovland, Uwe Naumann, Boyana Norris (Editors) سری: ISBN (شابک) : 3540284036, 9783540284383 ناشر: سال نشر: 2006 تعداد صفحات: 370 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 12 مگابایت
در صورت تبدیل فایل کتاب Automatic Differentiation: Applications, Theory, and Implementations (Lecture Notes in Computational Science and Engineering) 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: کاربردها، تئوری و پیاده سازی ها (یادداشت های سخنرانی در علوم و مهندسی محاسبات) 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.
این مجموعه وضعیت هنر در تئوری و عمل تمایز خودکار را پوشش می دهد. تمرینکنندگان و دانشآموزان در مورد پیشرفتها در تکنیکها و استراتژیهای تمایز خودکار برای اجرای ابزارهای قوی و قدرتمند یاد خواهند گرفت. دانشمندان و مهندسان محاسباتی از بحث برنامهها، که بینشی در مورد استراتژیهای مؤثر برای استفاده از تمایز خودکار برای بهینهسازی طراحی، تحلیل حساسیت و کمیسازی عدم قطعیت ارائه میدهند، بهرهمند خواهند شد.
This collection covers the state of the art in automatic differentiation theory and practice. Practitioners and students will learn about advances in automatic differentiation techniques and strategies for the implementation of robust and powerful tools. Computational scientists and engineers will benefit from the discussion of applications, which provide insight into effective strategies for using automatic differentiation for design optimization, sensitivity analysis, and uncertainty quantification.