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: نویسندگان: Warren B. Powell, Ilya O. Ryzhov سری: Wiley Series in Probability and Statistics ISBN (شابک) : 0470596694, 9780470596692 ناشر: Wiley سال نشر: 2012 تعداد صفحات: 416 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 21 مگابایت
در صورت تبدیل فایل کتاب Optimal Learning 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 یادگیری بهینه 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.
علم جمع آوری اطلاعات برای تصمیم گیری موثر را بیاموزید تصمیمات روزمره بدون بهره مندی از اطلاعات دقیق گرفته می شود. یادگیری بهینه اصول مورد نیاز برای جمع آوری اطلاعات برای تصمیم گیری را توسعه می دهد، به ویژه زمانی که جمع آوری اطلاعات زمان بر و پرهزینه باشد. این کتاب که برای خوانندگانی با پیشینه اولیه در احتمالات و آمار طراحی شده است، سیاست های موثر و عملی را ارائه می دهد که در طیف گسترده ای از کاربردها، از انرژی، امنیت داخلی، و حمل و نقل گرفته تا مهندسی، بهداشت و تجارت به تصویر کشیده شده است. این کتاب ابعاد اساسی را پوشش می دهد. یک مشکل یادگیری است و روشی ساده برای آزمایش و مقایسه سیاست های یادگیری ارائه می دهد. توجه ویژه به خط مشی گرادیان دانش و استفاده از آن با طیف گسترده ای از مدل های اعتقادی، از جمله جدول جستجو و پارامتری و برای مشکلات آنلاین و آفلاین داده شده است. سه بخش با افزایش سطوح پیچیدگی ایدهها را توسعه میدهند: مبانی موضوعات اساسی را بررسی میکند، از جمله یادگیری تطبیقی، رتبهبندی و انتخاب، گرادیان دانش، و مشکلات راهزن. و متوقف کردن مشکلات Advanced Topics روش های پیچیده ای از جمله بهینه سازی شبیه سازی، یادگیری فعال در برنامه ریزی ریاضی و اندازه گیری های پیوسته بهینه را بررسی می کند. یک وبسایت مرتبط دارای برنامههای کاربردی و نرمافزارهای قابل دانلود، از جمله MATLAB و Optimal Learning Calculator است، بستهای مبتنی بر صفحهگسترده که مقدمهای برای یادگیری و انواع خطمشیها برای یادگیری فراهم میکند.
Learn the science of collecting information to make effective decisionsEveryday decisions are made without the benefit of accurate information. Optimal Learning develops the needed principles for gathering information to make decisions, especially when collecting information is time-consuming and expensive. Designed for readers with an elementary background in probability and statistics, the book presents effective and practical policies illustrated in a wide range of applications, from energy, homeland security, and transportation to engineering, health, and business.This book covers the fundamental dimensions of a learning problem and presents a simple method for testing and comparing policies for learning. Special attention is given to the knowledge gradient policy and its use with a wide range of belief models, including lookup table and parametric and for online and offline problems. Three sections develop ideas with increasing levels of sophistication:Fundamentals explores fundamental topics, including adaptive learning, ranking and selection, the knowledge gradient, and bandit problemsExtensions and Applications features coverage of linear belief models, subset selection models, scalar function optimization, optimal bidding, and stopping problems Advanced Topics explores complex methods including simulation optimization, active learning in mathematical programming, and optimal continuous measurementsEach chapter identifies a specific learning problem, presents the related, practical algorithms for implementation, and concludes with numerous exercises. A related website features additional applications and downloadable software, including MATLAB and the Optimal Learning Calculator, a spreadsheet-based package that provides an introduction to learning and a variety of policies for learning.
The challenges of learning --
Adaptive learning --
The economics of information --
Ranking and selection --
The knowledge gradient --
Bandit problems --
Elements of a learning problem --
Linear belief models --
Subset selection problems --
Optimizing a scalar function --
Optimal bidding --
Stopping problems --
Active learning in statistics --
Simulation optimization --
Learning in mathematical programming --
Optimizing over continuous measurements --
Learning with a physical state.