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
دسته بندی: علم علم ویرایش: نویسندگان: Edward R. Dougherty سری: SPIE Press Book ISBN (شابک) : 9781510607354 ناشر: SPIE سال نشر: 2016 تعداد صفحات: 155 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 11 مگابایت
کلمات کلیدی مربوط به کتاب تکامل دانش علمی: از یقین به عدم قطعیت: علم، اپتیک، معرفت شناسی
در صورت تبدیل فایل کتاب The Evolution of Scientific Knowledge: From Certainty to Uncertainty 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 تکامل دانش علمی: از یقین به عدم قطعیت 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.
هدف این کتاب این است که به دانشمندان و مهندسان و علاقهمندان به مسائل علمی شرح مختصری از چگونگی تکامل ماهیت دانش علمی از دوران باستان به شکل ظاهراً نهایی در قرن بیستم ارائه دهد که اکنون به شدت دانشی را که مردم دوست دارند محدود میکند. به دست آوردن در قرن بیست و یکم برخی ممکن است فکر کنند که چنین موضوعاتی فقط مورد توجه متخصصان معرفت شناسی (نظریه دانش) است. با این حال، مشکلات عمده علمی و مهندسی امروز - در زیست شناسی، پزشکی، علوم محیطی، و غیره - شامل پیچیدگی های بسیار زیادی است، و دقیقاً این پیچیدگی است که در برابر محدودیت های علمی قابل شناخت است. برای درک موضوع، باید از گسست ریشه ای با دوران باستان که با تولد علم مدرن در قرن هفدهم رخ داد، مشکلات دانش و حقیقت ناشی از علم مدرن، و تکامل تفکر علمی در طول قرن بیستم، قدردانی کرد. این کتاب با در نظر گرفتن تأثیر عدم قطعیت علمی بر ترجمه دانش علمی به ابزاری برای تغییر مسیر طبیعت - یعنی تأثیر عدم قطعیت در مهندسی به پایان میرسد. این یک دوره عمل مبتنی بر ادغام دانش جزئی موجود با داده های محدود را برای رسیدن به یک عملیات بهینه در برخی از سیستم ها پیشنهاد می کند، که در آن بهینه بودن مشروط به عدم اطمینان در مورد سیستم است. در مورد معرفت شناسی علمی جدید که در آن می توان دانش معتبر را تعریف کرد، که در انتظار تلاش های جسورانه ذهن های بارور است که با آموزش های ریاضی، علمی و فلسفی مورد نیاز برای چنین جست و جوی غنی شده اند.
This book aims to provide scientists and engineers, and those interested in scientific issues, with a concise account of how the nature of scientific knowledge evolved from antiquity to a seemingly final form in the Twentieth Century that now strongly limits the knowledge that people would like to gain in the Twenty-first Century. Some might think that such issues are only of interest to specialists in epistemology (the theory of knowledge); however, today’s major scientific and engineering problems—in biology, medicine, environmental science, etc.—involve enormous complexity, and it is precisely this complexity that runs up against the limits of what is scientifically knowable. To understand the issue, one must appreciate the radical break with antiquity that occurred with the birth of modern science in the Seventeenth Century, the problems of knowledge and truth engendered by modern science, and the evolution of scientific thinking through the Twentieth Century. The book concludes by considering the impact of scientific uncertainty on the translation of scientific knowledge into means to alter the course of Nature—that is, the effect of uncertainty in engineering. It proposes a course of action based on integrating existing partial knowledge with limited data to arrive at an optimal operation on some system, where optimality is conditioned on the uncertainty regarding the system. As for a new scientific epistemology in which valid knowledge can be defined, that awaits the bold efforts of fertile minds enriched with the mathematical, scientific, and philosophic education required for such a quest.
Acknowledgments Preface Introduction: Challenging Times Evolution of Galilean–Newtonian Scientific Thinkings A Radical Shift in the Narrative 1 Why Epistemology? 1.1 The Desire to Know 1.2 What is Epistemology? 1.3 Modern Science 1.4 The Crisis of Complexity 2 Pre-Galilean Science 2.1 Deep Roots 2.2 Aristotle: Causality as the Ground of Knowledge 2.2.1 Plato: Allegory of the cave 2.2.2 Aristotle's epistemology 2.3 Evolution and the Argument from Design 2.4 The Fall and Rise of Reason 2.4.1 Believe that you may understand 2.4.2 Islamic transition 2.4.3 The Thirteenth Century: an age of reason 2.4.4 William of Ockham: the razor 2.5 Copernicus Moves Man from the Center of the Universe 3 The Birth of Modern Science 3.1 The Seventeenth Century 3.2 Francis Bacon: Empirical Method 3.2.1 Idols of the mind 3.2.2 Forms as law 3.2.3 Experimental design 3.3 Galileo: The Birth of Modern Science 3.3.1 Trial of Socrates 3.3.2 Trial of Galileo 3.4 Isaac Newton: Hypotheses Non Fingo 3.5 Determinism 3.6 Dissenting Voices 3.6.1 René Decartes: Cogito ergo sum 3.6.2 Blaise Pascal: the eternal silence 4 Reflections on the New Science 4.1 Critique of Knowledge 4.2 John Locke: The Mind as White Paper 4.2.1 Innate principles of thought 4.3 George Berkeley: Esse Est Percipi 4.4 David Hume: Reason Is Humbled 4.4.1 The ghost in the Galilean brackets 4.4.2 Modernity arrives 4.5 Immanuel Kant: Critique of Reason 4.5.1 Categories of the understanding 4.5.2 The transformation of human reason 4.5.3 The moral philosopher 4.6 Jean-Jacques Rousseau: No to Science 4.6.1 Kant and Rousseau 4.7 Mill: Metaphysics through the Back Door 4.8 Bertrand Russell: Causality, a Relic of a Bygone Age 4.9 James Clerk Maxwell: Hoping for an Intelligible Theory 5 A Mathematical—Observational Duality 5.1 The End of Intelligibility 5.2 Quantum Mechanics 5.2.1 The Bohr atom 5.2.2 Wave–particle duality 5.2.3 The uncertainty principle 5.3 Epistemological Reflections on Quantum Theory 5.3.1 The Copenhagen interpretation 5.3.2 Knowledge depends on the questions asked 5.3.3 Nature is absurd 5.4 The Structure of Scientific Knowledge 5.5 Scientific "Truth" 5.6 A New Role for Reason 5.7 Deterministic or Stochastic Models? 6 Complex Systems: A New Epistemological Crisis 6.1 The Twenty-first Century: Starved for Data 6.2 Gene Regulatory Networks 6.2.1 Deterministic Boolean networks 6.2.2 Probabilistic Boolean networks 6.3 Validation of Complex Systems 6.3.1 Validation of deterministic models 6.3.2 Validation of stochastic models 6.4 Model Uncertainty 6.5 Data Mining 6.5.1 Overfitting 6.5.2 Asymptotic theory 6.6 Limitations of Science 7 Translational Science under Uncertainty 7.1 Translational Science 7.2 Anatomy of Translational Science 7.2.1 Structural intervention in gene regulatory networks 7.3 Operator Design in the Presence of Model Uncertainty 7.3.1 IBR structural intervention in gene regulatory networks 7.4 Pattern Classification 7.4.1 Optimal classification for a known feature-label distribution 7.4.2 Intrinsically Bayesian robust classification 7.5 Posterior Distribution 7.5.1 Optimal Bayesian classification 7.5.2 Distribution-free classification 7.5.3 Detector selection 7.6 Translational Science under Model Uncertainty 7.6.1 Wiener filter 7.6.2 IBR Wiener filter 7.6.3 A more general synthesis protocol 7.7 Objective Cost of Uncertainty 7.8 Small-Data Epistemology References Index