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
ویرایش: 1 نویسندگان: Boris P. Bezruchko, Dmitry A. Smirnov (auth.) سری: Springer Series in Synergetics ISBN (شابک) : 3642126006, 9783642126000 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2010 تعداد صفحات: 420 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 15 مگابایت
کلمات کلیدی مربوط به کتاب استخراج دانش از سریهای زمانی: مقدمهای بر مدلسازی تجربی غیرخطی: فیزیک آماری، سیستم های دینامیکی و پیچیدگی، ژئوفیزیک/ژئودزی، مالی کمی، نظریه بازی ها/روش های ریاضی، فیزیک محیطی
در صورت تبدیل فایل کتاب Extracting Knowledge From Time Series: An Introduction to Nonlinear Empirical Modeling 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 استخراج دانش از سریهای زمانی: مقدمهای بر مدلسازی تجربی غیرخطی 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 کتاب به این سؤال اساسی میپردازد که چگونه میتوان مدلهای ریاضی را برای تکامل سیستمهای دینامیکی از سریهای زمانی بهدستآمده تجربی ساخت. این بر سیگنالهای آشفته و مدلسازی غیرخطی تأکید میکند و رویکردهای مختلف برای پیشبینی تکامل سیستم آینده را مورد بحث قرار میدهد. به طور خاص، به خوانندگان می آموزد که چگونه معادلات مدل تفاوت و دیفرانسیل را بسته به مقدار اطلاعات پیشینی موجود در سیستم علاوه بر مجموعه داده های تجربی، بسازند. این کتاب برای دانشجویان فارغ التحصیل و محققین تمام علوم طبیعی که به دنبال مقدمه ای مستقل و کامل با این موضوع هستند، مفید خواهد بود.
This book addresses the fundamental question of how to construct mathematical models for the evolution of dynamical systems from experimentally-obtained time series. It places emphasis on chaotic signals and nonlinear modeling and discusses different approaches to the forecast of future system evolution. In particular, it teaches readers how to construct difference and differential model equations depending on the amount of a priori information that is available on the system in addition to the experimental data sets. This book will benefit graduate students and researchers from all natural sciences who seek a self-contained and thorough introduction to this subject.
Front Matter....Pages i-xxi
Front Matter....Pages 1-1
The Concept of Model. What is Remarkable in Mathematical Models....Pages 3-23
Two Approaches to Modelling and Forecast....Pages 25-69
Dynamical (Deterministic) Models of Evolution....Pages 71-125
Stochastic Models of Evolution....Pages 127-147
Front Matter....Pages 149-149
Problem Posing in Modelling from Data Series....Pages 151-158
Data Series as a Source for Modelling....Pages 159-200
Restoration of Explicit Temporal Dependencies....Pages 201-231
Model Equations: Parameter Estimation....Pages 233-254
Model Equations: Restoration of Equivalent Characteristics....Pages 255-273
Model Equations: “Black Box” Reconstruction....Pages 275-308
Practical Applications of Empirical Modelling....Pages 309-318
Identification of Directional Couplings....Pages 319-348
Outdoor Examples....Pages 349-388
Back Matter....Pages 389-407