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 Locating Eigenvalues in Graphs: Algorithms and Applications

دانلود کتاب مکان یابی مقادیر ویژه در نمودارها: الگوریتم ها و برنامه ها

Locating Eigenvalues in Graphs: Algorithms and Applications

مشخصات کتاب

Locating Eigenvalues in Graphs: Algorithms and Applications

ویرایش:  
نویسندگان: , ,   
سری: SpringerBriefs in Mathematics 
ISBN (شابک) : 3031116976, 9783031116971 
ناشر: Springer 
سال نشر: 2022 
تعداد صفحات: 141
[142] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 Mb 

قیمت کتاب (تومان) : 44,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 4


در صورت تبدیل فایل کتاب Locating Eigenvalues in Graphs: Algorithms 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 مکان یابی مقادیر ویژه در نمودارها: الگوریتم ها و برنامه ها 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 مکان یابی مقادیر ویژه در نمودارها: الگوریتم ها و برنامه ها

این کتاب بر روی الگوریتم‌های موقعیت مکانی ارزش ویژه زمانی برای نمودارها تمرکز دارد. این موضوع به نظریه گراف طیفی مربوط می شود، حوزه ای که ابزارها و مفاهیم جبر خطی و ترکیبیات را با کاربردهای مختلف از پردازش تصویر و تجزیه و تحلیل داده ها تا توصیفگرهای مولکولی و پیاده روی تصادفی ترکیب می کند. توجه زیادی را به خود جلب کرده است و از آن زمان به تنهایی به عنوان یک منطقه ظاهر شده است.
مطالعات در نظریه گراف طیفی به دنبال تعیین ویژگی های یک گراف از طریق ماتریس های مرتبط با آن است. مشخص می شود که مقادیر ویژه و بردارهای ویژه به طرز شگفت انگیزی با ساختار یک گراف ارتباط زیادی دارند. این کتاب به این موضوع از منظر الگوریتم های مکان ارزش ویژه می پردازد. اینها الگوریتم‌هایی هستند که با توجه به یک ماتریس نمودار متقارن M و یک بازه واقعی I، تعداد مقادیر ویژه M را که در I قرار دارند برمی‌گردانند. از آنجایی که الگوریتم‌های شرح داده شده در اینجا معمولاً بسیار سریع هستند، به فرد اجازه می‌دهند تا به سرعت مقدار هر مقدار ویژه را تقریب بزند. ، که یک گام اساسی در بیشتر کاربردهای نظریه گراف طیفی است. علاوه بر این، این الگوریتم‌ها ابزارهای نظری مناسبی برای اثبات کرانه‌های مقادیر ویژه و چندگانگی آن‌ها هستند که برای حل مسائل باز دیرینه در منطقه بسیار مفید بود. این کتاب این الگوریتم‌ها را گرد هم می‌آورد و نشان می‌دهد که چقدر از نظر روحی شبیه یکدیگر هستند و برخی از کاربردهای اصلی آنها را ارائه می‌دهد.
این کار می‌تواند برای دانشجویان فارغ‌التحصیل و محققان در نظریه گراف طیفی و برای هر ریاضیدانی که مایل به درباره مقادیر ویژه مرتبط با نمودارها بیشتر بدانید. همچنین می تواند به عنوان یک کتاب درسی فشرده برای دوره های کوتاه در مورد این موضوع باشد.


توضیحاتی درمورد کتاب به خارجی

This book focuses on linear time eigenvalue location algorithms for graphs. This subject relates to spectral graph theory, a field that combines tools and concepts of linear algebra and combinatorics, with applications ranging from image processing and data analysis to molecular descriptors and random walks. It has attracted a lot of attention and has since emerged as an area on its own.
Studies in spectral graph theory seek to determine properties of a graph through matrices associated with it. It turns out that eigenvalues and eigenvectors have surprisingly many connections with the structure of a graph. This book approaches this subject under the perspective of eigenvalue location algorithms. These are algorithms that, given a symmetric graph matrix M and a real interval I, return the number of eigenvalues of M that lie in I. Since the algorithms described here are typically very fast, they allow one to quickly approximate the value of any eigenvalue, which is a basic step in most applications of spectral graph theory. Moreover, these algorithms are convenient theoretical tools for proving bounds on eigenvalues and their multiplicities, which was quite useful to solve longstanding open problems in the area. This book brings these algorithms together, revealing how similar they are in spirit, and presents some of their main applications.
This work can be of special interest to graduate students and researchers in spectral graph theory, and to any mathematician who wishes to know more about eigenvalues associated with graphs. It can also serve as a compact textbook for short courses on the topic.





نظرات کاربران