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 The Statistical Physics of Data Assimilation and Machine Learning

دانلود کتاب فیزیک آماری جذب داده ها و یادگیری ماشینی

The Statistical Physics of Data Assimilation and Machine Learning

مشخصات کتاب

The Statistical Physics of Data Assimilation and Machine Learning

دسته بندی: کامپیوتر
ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 1316519635, 9781316519639 
ناشر: Cambridge University Press 
سال نشر: 2022 
تعداد صفحات: 207 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 142 مگابایت 

قیمت کتاب (تومان) : 35,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 18


در صورت تبدیل فایل کتاب The Statistical Physics of Data Assimilation and Machine Learning 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 فیزیک آماری جذب داده ها و یادگیری ماشینی 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 فیزیک آماری جذب داده ها و یادگیری ماشینی

همان‌سازی داده‌ها یک تکنیک ریاضی بسیار مهم است که در زمینه‌های متنوعی مانند ژئوفیزیک، علم داده و علوم اعصاب مرتبط است. این کتاب مدرن با تأکید ویژه بر پیشرفت‌های اخیر از یادگیری ماشین و نقش آن در بهینه‌سازی جذب داده‌ها، درمان معتبری از این زمینه ارائه می‌کند، زیرا به چندین رشته علمی مربوط می‌شود. تئوری زیربنایی از فیزیک آماری، مانند انتگرال های مسیر و روش های مونت کارلو، در متن به عنوان پایه ای برای همسان سازی داده ها توسعه داده شده است، و نویسنده سپس نمونه هایی از تحقیقات چند رشته ای فعلی مانند مدل سازی سیستم های آب کم عمق، دینامیک اقیانوس ها، و پویایی عصبی در مغز پرندگان تئوری جذب داده ها و یادگیری ماشین به صورت در دسترس و یکپارچه معرفی شده است و این کتاب برای دانشجویان کارشناسی و کارشناسی ارشد رشته های علوم و مهندسی بدون تجربه تخصصی فیزیک آماری مناسب است.


توضیحاتی درمورد کتاب به خارجی

Data assimilation is a hugely important mathematical technique, relevant in fields as diverse as geophysics, data science, and neuroscience. This modern book provides an authoritative treatment of the field as it relates to several scientific disciplines, with a particular emphasis on recent developments from machine learning and its role in the optimisation of data assimilation. Underlying theory from statistical physics, such as path integrals and Monte Carlo methods, are developed in the text as a basis for data assimilation, and the author then explores examples from current multidisciplinary research such as the modelling of shallow water systems, ocean dynamics, and neuronal dynamics in the avian brain. The theory of data assimilation and machine learning is introduced in an accessible and unified manner, and the book is suitable for undergraduate and graduate students from science and engineering without specialized experience of statistical physics.



فهرست مطالب

00.0
01.0_pp_i_iv_Frontmatter
02.0_pp_v_viii_Contents
03.0_pp_ix_xviii_Preface
04.0_pp_1_4_A_Data_Assimilation_Reminder
05.0_pp_5_13_Remembrance_of_Things_Path
06.0_pp_14_25_SDA_Variational_Principles
07.0_pp_26_46_Using_Waveform_Information
08.0_pp_47_65_Annealing_in_the_Model_Precision_R_f
09.0_pp_66_94_Discrete_Time_Integration_in_Data_Assimilation_Variational_Principles_Lagrangian_and_Hamiltonian_For
10.0_pp_95_118_Monte_Carlo_Methods
11.0_pp_119_139_Machine_Learning_and_Its_Equivalence_to_Statistical_Data_Assimilation
12.0_pp_140_171_Two_Examples_of_the_Practical_Use_of_Data_Assimilation
13.0_pp_172_173_Unfinished_Business
14.0_pp_174_182_Bibliography
15.0_pp_183_188_Index




نظرات کاربران