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
دسته بندی: ریاضیات محاسباتی ویرایش: 1 نویسندگان: Justin Solomon سری: ISBN (شابک) : 1482251884, 9781482251883 ناشر: CRC Press سال نشر: 2015 تعداد صفحات: 392 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 10 مگابایت
کلمات کلیدی مربوط به کتاب الگوریتمهای عددی: روشهایی برای بینایی رایانه، یادگیری ماشین و گرافیک: الگوریتم ها، رگرسیون، معادلات دیفرانسیل معمولی، روش های عددی، بهینه سازی، معادلات غیرخطی، معادلات دیفرانسیل جزئی، جبر خطی، درون یابی، مدل های خطی، آموزش، ادغام، تحلیل حساسیت
در صورت تبدیل فایل کتاب Numerical Algorithms: Methods for Computer Vision, Machine Learning, and Graphics 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 الگوریتمهای عددی: روشهایی برای بینایی رایانه، یادگیری ماشین و گرافیک 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.
الگوریتمهای عددی: روشهایی برای بینایی رایانه، یادگیری ماشین و گرافیک رویکرد جدیدی را برای تحلیل عددی برای دانشمندان رایانه مدرن ارائه میدهد. این کتاب درسی با استفاده از مثالهایی از پایگاه وسیعی از وظایف محاسباتی، از جمله پردازش دادهها، عکاسی محاسباتی و انیمیشن، مدلسازی عددی و طراحی الگوریتمی را از نقطهنظر عملی معرفی میکند و بینشی در مورد ابزارهای نظری مورد نیاز برای پشتیبانی از این مهارتها ارائه میکند. این کتاب طیف گسترده ای از موضوعات را پوشش می دهد - از جبر خطی عددی گرفته تا بهینه سازی و معادلات دیفرانسیل - با تمرکز بر انگیزه های دنیای واقعی و موضوعات یکسان. این شامل مواردی از تحقیقات و عمل علوم کامپیوتر است که با نکات برجسته از ادبیات عمیق در مورد هر موضوع فرعی همراه است. تمرینهای جامع پایان فصل، تفکر انتقادی را تشویق میکند و شهود دانشآموزان را تقویت میکند و در عین حال افزودنیهای مطالب پایه را معرفی میکند. این متن برای دانشجویان پیشرفته در مقطع کارشناسی و کارشناسی ارشد در رشته های علوم کامپیوتر و رشته های مرتبط با تجربه در حساب دیفرانسیل و انتگرال و جبر خطی طراحی شده است. برای دانشآموزان با پیشزمینه ریاضیات گسسته، این کتاب شامل یادآوریهایی از پیشینه ریاضی پیوسته مرتبط است.
Numerical Algorithms: Methods for Computer Vision, Machine Learning, and Graphics presents a new approach to numerical analysis for modern computer scientists. Using examples from a broad base of computational tasks, including data processing, computational photography, and animation, the textbook introduces numerical modeling and algorithmic design from a practical standpoint and provides insight into the theoretical tools needed to support these skills. The book covers a wide range of topics―from numerical linear algebra to optimization and differential equations―focusing on real-world motivation and unifying themes. It incorporates cases from computer science research and practice, accompanied by highlights from in-depth literature on each subtopic. Comprehensive end-of-chapter exercises encourage critical thinking and build students’ intuition while introducing extensions of the basic material. The text is designed for advanced undergraduate and beginning graduate students in computer science and related fields with experience in calculus and linear algebra. For students with a background in discrete mathematics, the book includes some reminders of relevant continuous mathematical background.
Section I: Preliminaries Chapter 1: Mathematics Review Chapter 2: Numerics and Error Analysis Section II: Linear Algebra Chapter 3: Linear Systems and the LU Decomposition Chapter 4: Designing and Analyzing Linear Systems Chapter 5: Column Spaces and QR Chapter 6: Eigenvectors Chapter 7: Singular Value Decomposition Section III: Nonlinear Techniques Chapter 8: Nonlinear Systems Chapter 9: Unconstrained Optimization Chapter 10: Constrained Optimization Chapter 11: Iterative Linear Solvers Chapter 12: Specialized Optimization Methods Section IV: Functions, Derivatives, and Integrals Chapter 13: Interpolation Chapter 14: Integration and Differentiation Chapter 15: Ordinary Differential Equations Chapter 16: Partial Differential Equations Bibliography