دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Probabilistic Robotics
دانلود کتاب رباتیک احتمالی
مشخصات کتاب
Probabilistic Robotics
ویرایش: نویسندگان: Sebastian Thrun, Wolfram Burgard, Dieter Fox سری: Intelligent Robotics and Autonomous Agents series ISBN (شابک) : 0262201623, 9780262201629 ناشر: The MIT Press سال نشر: 2005 تعداد صفحات: 492 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 10 مگابایت
قیمت کتاب (تومان) : 40,000
در صورت تبدیل فایل کتاب Probabilistic Robotics 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 رباتیک احتمالی 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 رباتیک احتمالی
روباتیک احتمالی یک حوزه جدید و رو به رشد در رباتیک است که با ادراک و کنترل در مواجهه با عدم قطعیت مرتبط است. رباتیک احتمالی با تکیه بر زمینه آمار ریاضی، سطح جدیدی از استحکام را در موقعیت های دنیای واقعی به ربات ها می بخشد. این کتاب خواننده را با انبوهی از تکنیک ها و الگوریتم ها در این زمینه آشنا می کند. همه الگوریتم ها بر اساس یک پایه ریاضی فراگیر هستند. هر فصل نمونه‌هایی از پیاده‌سازی‌ها را در شبه کد، مشتقات ریاضی دقیق، بحث‌هایی از دیدگاه یک پزشک و فهرست‌های گسترده تمرین‌ها و پروژه‌های کلاس ارائه می‌کند. وب سایت این کتاب، www.probabilistic-robotics.org، دارای مطالب اضافی است. این کتاب برای هر کسی که در توسعه نرم‌افزار روباتیک و تحقیقات علمی فعالیت دارد مرتبط است. همچنین برای آماردانان و مهندسان کاربردی که با داده های حسگر دنیای واقعی سروکار دارند، جالب خواهد بود.
توضیحاتی درمورد کتاب به خارجی
Probabilistic robotics is a new and growing area in robotics, concerned with perception and control in the face of uncertainty. Building on the field of mathematical statistics, probabilistic robotics endows robots with a new level of robustness in real-world situations. This book introduces the reader to a wealth of techniques and algorithms in the field. All algorithms are based on a single overarching mathematical foundation. Each chapter provides example implementations in pseudo code, detailed mathematical derivations, discussions from a practitioner's perspective, and extensive lists of exercises and class projects. The book's Web site, www.probabilistic-robotics.org, has additional material. The book is relevant for anyone involved in robotic software development and scientific research. It will also be of interest to applied statisticians and engineers dealing with real-world sensor data.
