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 Path Integrals For Stochastic Processes: An Introduction

دانلود کتاب انتگرال های مسیر برای فرآیندهای تصادفی: مقدمه

Path Integrals For Stochastic Processes: An Introduction

مشخصات کتاب

Path Integrals For Stochastic Processes: An Introduction

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 9789814447997 
ناشر: World Scientific 
سال نشر: 2013 
تعداد صفحات: 174 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت

قیمت کتاب (تومان) : 32,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 13


در صورت تبدیل فایل کتاب Path Integrals For Stochastic Processes: An Introduction 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 انتگرال های مسیر برای فرآیندهای تصادفی: مقدمه 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 انتگرال های مسیر برای فرآیندهای تصادفی: مقدمه

این کتاب یک ارائه مقدماتی هرچند جامع از تکنیک‌های یکپارچه‌سازی مسیر که در زمینه فرآیندهای تصادفی اعمال می‌شود، ارائه می‌کند. این موضوع با کار وینر در طول دهه 1920 آغاز شد، که مربوط به مجموع مسیرهای تصادفی بود، که تا دو دهه کار معروف فاینمن در مورد نمایش انتگرال مکانیک کوانتومی را پیش بینی می کرد. با این حال، محرک واقعی برای کاربرد این تکنیک ها در مکانیک آماری غیرتعادلی و فرآیندهای تصادفی، کار Onsager و Machlup در اوایل دهه 1950 بود. ربع آخر قرن بیستم شاهد علاقه فزاینده ای به این تکنیک و کاربرد آن در چندین شاخه تحقیقاتی، حتی خارج از فیزیک (به عنوان مثال، در اقتصاد) بوده است. هدف این کتاب ارائه یک ارائه مختصر اما کامل از رویکرد انتگرال مسیر به فرآیندهای تصادفی این می تواند به عنوان یک کتاب درسی پیشرفته برای دانشجویان تحصیلات تکمیلی و حتی دانشجویان جاه طلب در مقطع کارشناسی فیزیک مورد استفاده قرار گیرد. نحوه به کارگیری این تکنیک ها برای فرآیندهای مارکوف و غیر مارکوف را توضیح می دهد. گسترش مسیر (یا تقریب نیمه کلاسیک) مورد بحث قرار گرفته و با زمینه تصادفی تطبیق داده شده است. همچنین، چند نمونه از تبدیل های غیرخطی و برخی کاربردها، و همچنین نمونه هایی از کاربردهای نسبتاً غیر معمول مورد بحث قرار گرفته است. کتابشناسی گسترده گنجانده شده است. این کتاب به اندازه کافی دقیق است تا علاقه خواننده کنجکاو را جلب کند، و به اندازه کافی کامل است که زمینه ای محکم برای کشف ادبیات تحقیق و شروع بهره برداری از مطالب آموخته شده در موقعیت های واقعی فراهم کند.


توضیحاتی درمورد کتاب به خارجی

This book provides an introductory albeit solid presentation of path integration techniques as applied to the field of stochastic processes. The subject began with the work of Wiener during the 1920's, corresponding to a sum over random trajectories, anticipating by two decades Feynman's famous work on the path integral representation of quantum mechanics. However, the true trigger for the application of these techniques within nonequilibrium statistical mechanics and stochastic processes was the work of Onsager and Machlup in the early 1950's. The last quarter of the 20th century has witnessed a growing interest in this technique and its application in several branches of research, even outside physics (for instance, in economy).The aim of this book is to offer a brief but complete presentation of the path integral approach to stochastic processes. It could be used as an advanced textbook for graduate students and even ambitious undergraduates in physics. It describes how to apply these techniques for both Markov and non-Markov processes. The path expansion (or semiclassical approximation) is discussed and adapted to the stochastic context. Also, some examples of nonlinear transformations and some applications are discussed, as well as examples of rather unusual applications. An extensive bibliography is included. The book is detailed enough to capture the interest of the curious reader, and complete enough to provide a solid background to explore the research literature and start exploiting the learned material in real situations.



فهرست مطالب

Contents
Preface
1. Stochastic Processes: A Short Tour
	1.1 Stochastic Process
	1.2 Master Equation
	1.3 Langevin Equation
	1.4 Fokker–Planck Equation
	1.5 Relation Between Langevin and Fokker–Planck Equations
2. The Path Integral for a Markov Stochastic Process
	2.1 The Wiener Integral
	2.2 The Path Integral for a General Markov Process
	2.3 The Recovering of the Fokker–Planck Equation
	2.4 Path Integrals in Phase Space
	2.5 Generating Functional and Correlations
3. Generalized Path Expansion Scheme I
	3.1 Expansion Around the Reference Path
	3.2 Fluctuations Around the Reference Path
4. Space-Time Transformation I
	4.1 Introduction
	4.2 Simple Example
	4.3 Fluctuation Theorems from Non-equilibrium Onsager– Machlup Theory
	4.4 Brownian Particle in a Time-Dependent Harmonic Potential
	4.5 Work Distribution Function
5. Generalized Path Expansion Scheme II
	5.1 Path Expansion: Further Aspects
	5.2 Examples
		5.2.1 Ornstein–Uhlenbeck Problem
		5.2.2 Simplified Prey-Predator Model
6. Space-Time Transformation II
	6.1 Introduction
	6.2 The Diffusion Propagator
	6.3 Flow Through the Infinite Barrier
	6.4 Asymptotic Probability Distribution
	6.5 General Localization Conditions
	6.6 A Family of Analytical Solutions
	6.7 Stochastic Resonance in a Monostable Non-Harmonic Time-Dependent Potential
7. Non-Markov Processes: Colored Noise Case
	7.1 Introduction
	7.2 Ornstein–Uhlenbeck Case
	7.3 The Stationary Distribution
	7.4 The Interpolating Scheme
		7.4.1 Stationary Distributions
8. Non-Markov Processes: Non-Gaussian Case
	8.1 Introduction
	8.2 Non-Gaussian Process η
	8.3 Effective Markov Approximation
9. Non-Markov Processes: Nonlinear Cases
	9.1 Introduction
	9.2 Nonlinear Noise
		9.2.1 Polynomial Noise
		9.2.2 Exponential Noise
	9.3 Kramers Problem
10. Fractional Diffusion Process
	10.1 Short Introduction to Fractional Brownian Motion
	10.2 Fractional Brownian Motion: A Path Integral Approach
	10.3 Fractional Brownian Motion: The Kinetic Equation
	10.4 Fractional Brownian Motion: Some Extensions
		10.4.1 Case 1
		10.4.2 Case 2
	10.5 Fractional Levy Motion: Path Integral Approach
		10.5.1 Gaussian Test
		10.5.2 Kinetic Equation
	10.6 Fractional Levy Motion: Final Comments
11. Feynman–Kac Formula, the Influence Functional
	11.1 Feynman–Kac formula
	11.2 Influence Functional: Elimination of Irrelevant Variables
		11.2.1 Example: Colored Noise
		11.2.2 Example: Lotka–Volterra Model
	11.3 Kramers Problem
12. Other Diffusion-Like Problems
	12.1 Diffusion in Shear Flows
	12.2 Diffusion Controlled Reactions
		12.2.1 The Model
		12.2.2 Point of View of Path Integrals
		12.2.3 Results for the Reaction A + B → B
13. What was Left Out
Appendix A Space-Time Transformation: Definitions and Solutions
	A.1 Definitions
	A.2 Solutions
Appendix B Basics Definitions in Fractional Calculus
Bibliography
Index




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی