مشخصات کتاب
High-Dimensional Optimization and Probability: With a View Towards Data Science
ویرایش:
نویسندگان: Ashkan Nikeghbali, Panos M. Pardalos, Andrei M. Raigorodskii, Michael Th. Rassias
سری: Springer Optimization and Its Applications, 191
ISBN (شابک) : 3031008316, 9783031008313
ناشر: Springer
سال نشر: 2022
تعداد صفحات: 416
[417]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 10 Mb
قیمت کتاب (تومان) : 82,000
میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 5
در صورت تبدیل فایل کتاب High-Dimensional Optimization and Probability: With a View Towards Data Science 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 بهینهسازی و احتمال با ابعاد بالا: با نگاهی به علم داده 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 بهینهسازی و احتمال با ابعاد بالا: با نگاهی به علم داده
این جلد تحقیقات گسترده ای را ارائه می دهد که به طیف
وسیعی از ریاضیات با تأکید بر جنبه های بین رشته ای بهینه سازی و
احتمال اختصاص داده شده است. فصلها همچنین بر کاربردهای علم داده
تأکید دارند، حوزهای بهموقع با تأثیر بالا در جامعه مدرن ما.
این بحث نتایج و پیشرفتهای تحقیقاتی مدرن و پیشرفته را در
زمینههایی از جمله بهینهسازی غیر محدب، بهینهسازی محدب
توزیعشده غیرمتمرکز، موضوعاتی در مورد بهینهسازی جهانی بعد
کاهشیافته مبتنی بر جانشین در مهندسی سیستمهای فرآیند، طرحریزی
یک نقطه بر روی ارائه میکند. مجموعهای محدب، نمونهبرداری بهینه
برای یادگیری تقریبهای پراکنده در ابعاد بالا، مسئله امکانسنجی
تقسیم، تعبیههای مرتبه بالاتر، همدیفرانسیلیها و شبه
دیفرانسیلهای انتظار انتگرالهای تصادفی غیرهموار، زنجیرههای
مدارهای الحاقی مرتبط با راه رفتن تصادفی، تجزیه و تحلیل مبادله
بین اندازه و دقت نمونه در حداقل مربعات معمولی کوتاه، یادگیری
عمیق فضایی، ردیابی کارآمد مبتنی بر مکان برای دستگاههای IoT با
استفاده از تکنیکهای سنجش فشاری و یادگیری ماشین، و برنامههای
ریاضی غیرهموار با محدودیتهای محو در فضاهای Banach.
<// p>
این کتاب منبع ارزشمندی برای دانشجویان تحصیلات تکمیلی و
همچنین محققانی است که در زمینه بهینهسازی، احتمالات و ارتباط
متقابل آنها با حوزههای مختلف دیگری کار میکنند.
فصل 12 تحت مجوز Creative Commons Attribution 4.0 بین المللی
از طریق link.springer.com دسترسی آزاد در دسترس است.
توضیحاتی درمورد کتاب به خارجی
This volume presents extensive research devoted to a
broad spectrum of mathematics with emphasis on
interdisciplinary aspects of Optimization and Probability.
Chapters also emphasize applications to Data Science, a timely
field with a high impact in our modern society. The discussion
presents modern, state-of-the-art, research results and
advances in areas including non-convex optimization,
decentralized distributed convex optimization, topics on
surrogate-based reduced dimension global optimization in
process systems engineering, the projection of a point onto a
convex set, optimal sampling for learning sparse approximations
in high dimensions, the split feasibility problem, higher order
embeddings, codifferentials and quasidifferentials of the
expectation of nonsmooth random integrands, adjoint circuit
chains associated with a random walk, analysis of the trade-off
between sample size and precision in truncated ordinary least
squares, spatial deep learning, efficient location-based
tracking for IoT devices using compressive sensing and machine
learning techniques, and nonsmooth mathematical programs with
vanishing constraints in Banach spaces.
The book is a valuable source for graduate students as
well as researchers working on Optimization, Probability and
their various interconnections with a variety of other
areas.
Chapter 12 is available open access under a Creative
Commons Attribution 4.0 International License via
link.springer.com.
نظرات کاربران