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 Regularization methods in Banach spaces

دانلود کتاب روشهای منظم سازی در فضاهای باناچ

Regularization methods in Banach spaces

مشخصات کتاب

Regularization methods in Banach spaces

ویرایش:  
نویسندگان: , , ,   
سری: Johann Radon Institute for Computational and Applied Mathematics; Radon series on computational and applied mathematics 
ISBN (شابک) : 9783110255249, 3110255243 
ناشر: Berlin Boston, Mass. De Gruyter 
سال نشر: 2012 
تعداد صفحات: 297 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت 

قیمت کتاب (تومان) : 28,000

در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 17


در صورت تبدیل فایل کتاب Regularization methods in Banach spaces 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 روشهای منظم سازی در فضاهای باناچ 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 درمورد کتاب به خارجی



فهرست مطالب

Cover......Page 1
Title......Page 4
Copyright......Page 5
Dedications......Page 6
Preface......Page 8
Contents......Page 10
I Why to use Banach spaces in regularization theory?......Page 14
1.1 X-ray diffractometry......Page 17
1.2 Two phase retrieval problems......Page 19
1.3 A parameter identification problem for an elliptic partial differential equation......Page 22
1.4 An inverse problem from finance......Page 26
1.5 Sparsity constraints......Page 31
II Geometry and mathematical tools of Banach spaces......Page 38
2.1 Basic mathematical tools......Page 41
2.2.1 The subgradient of convex functionals......Page 44
2.2.2 Duality mappings......Page 47
2.3 Geometry of Banach space norms......Page 49
2.3.1 Convexity and smoothness......Page 50
2.3.2 Bregman distance......Page 57
3.1 Operator equations and the ill-posedness phenomenon......Page 62
3.1.1 Linear problems......Page 63
3.1.2 Nonlinear problems......Page 65
3.1.3 Conditional well-posedness......Page 68
3.2 Mathematical tools in regularization theory......Page 69
3.2.1 Regularization approaches......Page 70
3.2.2 Source conditions and distance functions......Page 76
3.2.3 Variational inequalities......Page 80
3.2.4 Differences between the linear and the nonlinear case......Page 82
III Tikhonov-type regularization......Page 90
4.1.1 Existence and stability of regularized solutions......Page 94
4.1.2 Convergence of regularized solutions......Page 97
4.2 Error estimates and convergence rates......Page 102
4.2.1 Error estimates under variational inequalities......Page 103
4.2.2 Convergence rates for the Bregman distance......Page 108
4.2.3 Tikhonov regularization under convex constraints......Page 112
4.2.4 Higher rates briefly visited......Page 114
4.2.5 Rate results under conditional stability estimates......Page 116
4.2.6 A glimpse of rate results under sparsity constraints......Page 118
5.1 Source conditions......Page 121
5.2.1 A priori parameter choice......Page 126
5.2.2 Morozov’s discrepancy principle......Page 128
5.2.3 Modified discrepancy principle......Page 129
5.3 Minimization of the Tikhonov functionals......Page 135
5.3.1 Primal method......Page 136
5.3.2 Dual method......Page 148
IV Iterative regularization......Page 154
6 Linear operator equations......Page 157
6.1.1 Noise-free case......Page 159
6.1.2 Regularization properties......Page 165
6.2 Sequential subspace optimization methods......Page 170
6.2.1 Bregman projections......Page 171
6.2.2 The method for exact data (SESOP)......Page 176
6.2.3 The regularization method for noisy data (RESESOP)......Page 178
6.3 Iterative solution of split feasibility problems (SFP)......Page 190
6.3.1 Continuity of Bregman and metric projections......Page 192
6.3.2 A regularization method for the solution of SFPs......Page 196
7.1.1 Conditions on the spaces......Page 206
7.1.2 Variational inequalities......Page 207
7.1.3 Conditions on the forward operator......Page 208
7.2.1 Convergence of the Landweber iteration with the discrepancy principle......Page 212
7.2.2 Convergence rates for the iteratively regularized Landweber iteration with a priori stopping rule......Page 216
7.3 The iteratively regularized Gauss-Newton method......Page 225
7.3.1 Convergence with a priori parameter choice......Page 228
7.3.2 Convergence with a posteriori parameter choice......Page 238
7.3.3 Numerical illustration......Page 243
V The method of approximate inverse......Page 246
8 Setting of the method......Page 249
9.1 The case X = Lp(Ω)......Page 252
9.2 The case X = C(K)......Page 257
9.3 An application to X-ray diffractometry......Page 261
10 A glimpse of semi-discrete operator equations......Page 266
Bibliography......Page 278
Index......Page 293




نظرات کاربران