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: ریاضیات ویرایش: نویسندگان: Gershenfeld N. سری: ناشر: سال نشر: 1998 تعداد صفحات: 344 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 مگابایت
در صورت تبدیل فایل کتاب The Nature of Mathematical Modelling-Neil Gershenfeld 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 ماهیت مدلسازی ریاضی-نیل گرشنفلد 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 کتاب ابتدا تکنیک های تحلیلی دقیق و تقریبی (معادلات دیفرانسیل و تفاوت معمولی، معادلات دیفرانسیل جزئی، اصول تغییرات، فرآیندهای تصادفی) را پوشش می دهد. روش های عددی (تفاوت های محدود برای ODE و PDE، عناصر محدود، اتوماتای سلولی). استنتاج مدل بر اساس مشاهدات (برازش تابع، تبدیل داده ها، معماری شبکه، تکنیک های جستجو، تخمین چگالی). و همچنین نقش ویژه زمان در مدل سازی (فیلترسازی و تخمین حالت، فرآیندهای مارکوف پنهان، سری های زمانی خطی و غیرخطی). هر یک از موضوعات کتاب موضوع شایسته یک متن اختصاصی خواهد بود، اما تنها با ارائه مطالب به این شکل میتوان این همه مطالب را در دسترس افراد زیادی قرار داد. هر فصل خلاصهای مختصر از نتایج اصلی در یک حوزه ارائه میکند، جهتگیری برای کارهایی که میتوانند (و نمیتوانند) انجام دهند، پیشزمینه کافی برای استفاده از آنها برای حل مشکلات معمولی و اشارهگرهایی برای دسترسی به ادبیات برای کاربردهای خاص ارائه میکند.
This book first covers exact and approximate analytical techniques (ordinary differential and difference equations, partial differential equations, variational principles, stochastic processes); numerical methods (finite differences for ODE's and PDE's, finite elements, cellular automata); model inference based on observations (function fitting, data transforms, network architectures, search techniques, density estimation); as well as the special role of time in modeling (filtering and state estimation, hidden Markov processes, linear and nonlinear time series). Each of the topics in the book would be the worthy subject of a dedicated text, but only by presenting the material in this way is it possible to make so much material accessible to so many people. Each chapter presents a concise summary of the core results in an area, providing an orientation to what they can (and cannot) do, enough background to use them to solve typical problems, and pointers to access the literature for particular applications.