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 Engineering Mathematics with Examples and Applications

دانلود کتاب ریاضیات مهندسی با مثال ها و کاربردها

Engineering Mathematics with Examples and Applications

مشخصات کتاب

Engineering Mathematics with Examples and Applications

ویرایش:  
نویسندگان:   
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 13 مگابایت 

قیمت کتاب (تومان) : 52,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 15


در صورت تبدیل فایل کتاب Engineering Mathematics with Examples and 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 ریاضیات مهندسی با مثال ها و کاربردها 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 ریاضیات مهندسی با مثال ها و کاربردها

مبانی ریاضی -- الگوریتم ها ، پیچیدگی و تحدب -- بهینه سازی -- بهینه سازی محدود -- تکنیک های بهینه سازی : روش های تقریب -- برنامه ریزی خطی -- برنامه ریزی اعداد صحیح -- رگرسیون و منظم سازی -- الگوریتم های یادگیری ماشین -- تئوری صف و شبیه سازی -- چند هدفه بهینه‌سازی -- تکنیک‌های کنترل محدودیت -- الگوریتم‌های تکاملی -- الگوریتم‌های الهام‌گرفته از طبیعت؛ راهنمای کاربردها و تکنیک‌های بهینه‌سازی مدرن در حوزه‌های نوظهور شامل بهینه‌سازی، علم داده، هوش ماشینی، مهندسی و تکنیک‌ها و کاربردهای بهینه‌سازی علوم رایانه با مثال‌ها، مبانی تمامی تکنیک‌های رایج در بهینه‌سازی را معرفی می‌کند که گستردگی و تنوع روش‌ها (سنتی و جدید) و الگوریتم‌ها را در بر می‌گیرد. نویسنده برجسته در این زمینه، طیف گسترده ای از موضوعات از جمله مبانی ریاضی، فرمول بهینه سازی، شرایط بهینه، پیچیدگی الگوریتمی، برنامه ریزی خطی، بهینه سازی محدب و برنامه ریزی اعداد صحیح را پوشش می دهد. علاوه بر این، کتاب شبکه عصبی مصنوعی، خوشه‌بندی و طبقه‌بندی، مدیریت محدودیت، تئوری صف، ماشین بردار پشتیبان و بهینه‌سازی چند هدفه، محاسبات تکاملی، الگوریتم‌های الهام‌گرفته از طبیعت و بسیاری موضوعات دیگر را مورد بحث قرار می‌دهد. طراحی شده به عنوان یک منبع عملی، تمام موضوعات به طور مفصل با مثال های گام به گام توضیح داده شده است تا نشان دهد که هر روش چگونه کار می کند. تمرین‌های کتاب، دانش کسب‌شده‌ای را که می‌تواند به طور بالقوه برای حل مسئله واقعی به کار رود، آزمایش می‌کند. نویسنده با اتخاذ رویکردی غیررسمی به موضوع، به خوانندگان کمک می کند تا به سرعت دانش پایه در بهینه سازی، تحقیقات عملیاتی و داده کاوی کاربردی را به دست آورند. این منبع مهم: -مقدمه ای در دسترس و پیشرفته برای تکنیک های بهینه سازی اصلی ارائه می دهد -شامل تکنیک های بهینه سازی سنتی و جدیدترین الگوریتم ها و تکنیک های مبتنی بر هوش ازدحامی است - تعادلی از تئوری، الگوریتم ها و پیاده سازی را ارائه می دهد. -شامل بیش از 100 نمونه کار شده با توضیحات گام به گام نوشته شده برای مقاطع بالاتر و فارغ التحصیلان در یک دوره استاندارد در زمینه بهینه سازی، تحقیق در عملیات و داده کاوی، تکنیک های بهینه سازی و برنامه های کاربردی با مثال، راهنمای بسیار قابل دسترس برای درک اصول اولیه تمام تکنیک های رایج در بهینه سازی.


توضیحاتی درمورد کتاب به خارجی

Mathematical foundations -- Algorithms, complexity and convexity -- Optimization -- Constrained optimization -- Optimization techniques : approximation methods -- Linear programming -- Integer programming -- Regression and regularization -- Machine learning algorithms -- Queueing theory and simulation -- Multiobjective optimization -- Constraint-handling techniques -- Evolutionary algorithms -- Nature-inspired algorithms.;A guide to modern optimization applications and techniques in newly emerging areas spanning optimization, data science, machine intelligence, engineering, and computer sciences' Optimization Techniques and Applications with Examples introduces the fundamentals of all the commonly used techniques'in optimization that encompass the broadness and diversity of the methods (traditional and new) and algorithms. The author'a noted expert in the field'covers a wide range of topics including mathematical foundations, optimization formulation, optimality conditions, algorithmic complexity, linear programming, convex optimization, and integer programming.' In addition, the book discusses artificial neural network, clustering and classifications, constraint-handling, queueing theory, support vector machine and multi-objective optimization, evolutionary computation, nature-inspired algorithms and many other topics. Designed as a practical resource, all topics are explained in detail with step-by-step examples to show how each method works. The book's exercises test the acquired knowledge that can be potentially applied to real problem solving. By taking an informal approach to the subject, the author helps readers to rapidly acquire the basic knowledge in optimization, operational research, and applied data mining.' This important resource: -Offers an accessible and state-of-the-art introduction to the main optimization techniques -Contains both traditional optimization techniques and the most current algorithms and swarm intelligence-based techniques -Presents a balance of theory, algorithms, and implementation -Includes more than 100 worked examples with step-by-step explanations' Written for upper undergraduates and graduates in a standard course on optimization, operations research and data mining, Optimization Techniques and Applications with Examples is a highly accessible guide to understanding the fundamentals of all the commonly used techniques'in optimization.



فهرست مطالب

Mathematical foundations --
Algorithms, complexity and convexity --
Optimization --
Constrained optimization --
Optimization techniques : approximation methods --
Linear programming --
Integer programming --
Regression and regularization --
Machine learning algorithms --
Queueing theory and simulation --
Multiobjective optimization --
Constraint-handling techniques --
Evolutionary algorithms --
Nature-inspired algorithms.




نظرات کاربران