دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Reciprocity, Evolution, and Decision Games in Network and Data Science
دانلود کتاب بازی های متقابل، تکامل و تصمیم در علوم شبکه و داده
مشخصات کتاب
Reciprocity, Evolution, and Decision Games in Network and Data Science
ویرایش: نویسندگان: Yan Chen, Chih-Yu Wang, Chunxiao Jiang, K.J. Ray Liu سری: ISBN (شابک) : 1108494749, 9781108494748 ناشر: Cambridge University Press سال نشر: 2021 تعداد صفحات: 472 [475] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 16 Mb
قیمت کتاب (تومان) : 54,000
در صورت تبدیل فایل کتاب Reciprocity, Evolution, and Decision Games in Network and Data Science 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 بازی های متقابل، تکامل و تصمیم در علوم شبکه و داده 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 بازی های متقابل، تکامل و تصمیم در علوم شبکه و داده
نحوه تجزیه و تحلیل و مدیریت رفتارهای تکاملی و متوالی کاربر در شبکه های مدرن و نحوه بهینه سازی عملکرد شبکه با استفاده از رفتار متقابل غیرمستقیم، بازی های تکاملی و تصمیم گیری متوالی را بیاموزید. بدون نیاز به مرور جزئیات نظریه بازی های سنتی، آخرین نظریه را درک کنید. با ابزارهای مدیریت عملی برای تنظیم رفتار کاربر و شبیه سازی و آزمایش با مجموعه داده های واقعی، این یک ابزار ایده آل برای دانشجویان فارغ التحصیل و محققانی است که در شبکه، ارتباطات و پردازش سیگنال کار می کنند.
توضیحاتی درمورد کتاب به خارجی
Learn how to analyse and manage evolutionary and sequential user behaviours in modern networks, and how to optimize network performance by using indirect reciprocity, evolutionary games, and sequential decision making. Understand the latest theory without the need to go through the details of traditional game theory. With practical management tools to regulate user behaviour, and simulations and experiments with real data sets, this is an ideal tool for graduate students and researchers working in networking, communications, and signal processing.
