Mathematical Modeling for Intelligent Systems: Theory, Methods, and Simulation

مدل‌سازی ریاضی برای سیستم‌های هوشمند: نظریه، روش‌ها و شبیه‌سازی با هدف ارائه مرجعی برای کاربردهای مدل‌سازی ریاضی با استفاده از تکنیک‌های هوشمند در مسائل مختلف صنعت منحصر به فرد در عصر صنعت 4.0 است. این کتاب با ارائه مقدمه ای کامل در زمینه تکنیک های محاسبات نرم، تمام تکنیک های اصلی در هوش مصنوعی را به سبکی واضح و کاربردی پوشش می دهد. همچنین تحقیقات و کاربردهای فعلی را برجسته می‌کند، به مسائلی که در توسعه سیستم‌های کاربردی با آن مواجه می‌شوند، می‌پردازد و طیف وسیعی از تکنیک‌های سیستم‌های هوشمند، از جمله شبکه‌های عصبی، منطق فازی، استراتژی تکاملی و الگوریتم‌های ژنتیک را توصیف می‌کند. این کتاب مفاهیم را از طریق مثال‌های شبیه‌سازی و نتایج تجربی عملی نشان می‌دهد.

ویژگی‌های کلیدی:

• یک ریاضی متعادل ارائه می‌کند. تجزیه و تحلیل سیستم‌های فیزیکی مدل‌سازی

• اصول اساسی در هندسه دیفرانسیل و تحلیل محدب را در صورت نیاز خلاصه می‌کند

• طیف وسیعی را پوشش می‌دهد. کاربردهای صنعتی و اجتماعی و از طریق شبیه‌سازی و مدل‌سازی شکاف بین تئوری هسته و آزمایش‌های پرهزینه را پر می‌کند

• تمرکز بر چندین متغیر از ثبات جریان سیال، نانوسیالات، تحویل دارو، و امنیت داده‌های تصویر تا مدل‌سازی همه‌گیر، و غیره.

این کتاب در درجه اول برای دانشجویان پیشرفته در مقطع کارشناسی و کارشناسی ارشد که در رشته‌های علوم کامپیوتر، ریاضیات و آمار تحصیل می‌کنند، طراحی شده است. محققان و متخصصان نیز این کتاب را مفید خواهند یافت.

Mathematical Modeling for Intelligent Systems: Theory, Methods, and Simulation aims to provide a reference for the applications of mathematical modeling using intelligent techniques in various unique industry problems in the era of Industry 4.0. Providing a thorough introduction to the field of soft-computing techniques, this book covers every major technique in artificial intelligence in a clear and practical style. It also highlights current research and applications, addresses issues encountered in the development of applied systems, and describes a wide range of intelligent systems techniques, including neural networks, fuzzy logic, evolutionary strategy, and genetic algorithms. This book demonstrates concepts through simulation examples and practical experimental results.

Key Features:

• Offers a well-balanced mathematical analysis of modeling physical systems

• Summarizes basic principles in differential geometry and convex analysis as needed

• Covers a wide range of industrial and social applications and bridges the gap between core theory and costly experiments through simulations and modeling

• Focuses on manifold ranging from stability of fluid flows, nanofluids, drug delivery, and security of image data to pandemic modeling, etc.

This book is primarily aimed at advanced undergraduates and postgraduate students studying computer science, mathematics, and statistics. Researchers and professionals will also find this book useful.