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: [1 ed.]
نویسندگان: Vivek S. Borkar
سری:
ISBN (شابک) : 9780521515924, 0521515920
ناشر: Cambridge University Press
سال نشر: 2008
تعداد صفحات: 172
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 790 Kb
در صورت تبدیل فایل کتاب Stochastic approximation: a dynamical systems viewpoint 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 تقریب تصادفی: دیدگاه سیستم های دینامیکی 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.
این جعبه ابزار ساده و فشرده برای طراحی و تجزیه و تحلیل الگوریتم های تقریب تصادفی تنها به درک اولیه از احتمالات و معادلات دیفرانسیل نیاز دارد. اگرچه این الگوریتمها قدرتمند هستند، اما در مهندسی کنترل و ارتباطات، هوش مصنوعی و مدلسازی اقتصادی کاربرد دارند. موضوعات منحصر به فرد شامل رفتار زمان محدود، مقیاس های زمانی متعدد و اجرای ناهمزمان است. کاربردهای بسیار مفیدی وجود دارد که هر کدام نمونههای عینی از مهندسی و اقتصاد دارند. به ویژه انواع طرحهای بهینهسازی مبتنی بر گرادیان تصادفی، حلکنندههای نقطه ثابت، که در الگوریتمهای یادگیری برای برنامهنویسی پویا تقریبی رایج هستند و برخی از مدلهای رفتار جمعی را پوشش میدهد.
This simple, compact toolkit for designing and analyzing stochastic approximation algorithms requires only a basic understanding of probability and differential equations. Although powerful, these algorithms have applications in control and communications engineering, artificial intelligence and economic modeling. Unique topics include finite-time behavior, multiple timescales and asynchronous implementation. There is a useful plethora of applications, each with concrete examples from engineering and economics. Notably it covers variants of stochastic gradient-based optimization schemes, fixed-point solvers, which are commonplace in learning algorithms for approximate dynamic programming, and some models of collective behavior.