دانلود کتاب مقدمه ای بر پیچیدگی کولموگروف و کاربردهای آن بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : An Introduction to Kolmogorov Complexity and Its Applications
ویرایش : 4°
عنوان ترجمه شده به فارسی : مقدمه ای بر پیچیدگی کولموگروف و کاربردهای آن
سری :
نویسندگان : Ming Li, Paul M. B. Vitányi
ناشر : Springer Nature
سال نشر : 2019
تعداد صفحات : 852
ISBN (شابک) : 3030112977 , 9783030112974
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 8 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
این کتاب درسی باید مقدمه ای اساسی را برای پیچیدگی Kolmogorov (KC) ، یک تئوری اصلی و ابزاری قدرتمند در علم اطلاعات ارائه دهد که به مقدار اطلاعات در اشیاء فردی می پردازد. متن هم مفاهیم اساسی و هم مهمترین کاربردهای عملی را شامل می شود ، که توسط بسیاری از ویژگی های didactic پشتیبانی می شود. از ورودی ، Lemma محلی Lovász ، مرتب سازی ، قضیه کامل الگوریتمی Slepian-Wolf برای رشته های فردی ، فاصله اطلاعات نرمال شده MultiSet و فاصله وب نرمال شده و توزیع جهانی مشروط. یک تئوری کلی از استدلال استقرایی و کاربردهای آن ارائه می دهد و ابزار روش عدم تحریک را مرور می کند. کاربردهای عملی KC را با جزئیات کامل ، از جمله فاصله اطلاعات عادی (متریک شباهت) و قطر اطلاعات چندست در فیلوژنی ، درختان زبان ، موسیقی ، پرونده های ناهمگن و خوشه بندی پوشش می دهد. در مورد بسیاری از کاربردهای KC محدود به منابع بحث می کند و تئوری های مختلف فیزیکی را از دیدگاه KC بررسی می کند. شامل نمونه های بی شماری است که این تئوری را شرح می دهد ، و طیف وسیعی از تمرینات با مشکل مختلف (با راه حل). در مورد مسائل فنی و بخش های گسترده تاریخی ، توضیحی در مورد مسائل فنی ارائه می دهد. ساختارهایی را برای چندین دوره یک ترم در مقدمه پیشنهاد می کند.
This must-read textbook presents an essential introduction to Kolmogorov complexity (KC), a central theory and powerful tool in information science that deals with the quantity of information in individual objects. The text covers both the fundamental concepts and the most important practical applications, supported by a wealth of didactic features.
This thoroughly revised and enhanced fourth edition includes new and updated material on, amongst other topics, the Miller-Yu theorem, the Gács-Kucera theorem, the Day-Gács theorem, increasing randomness, short lists computable from an input string containing the incomputable Kolmogorov complexity of the input, the Lovász local lemma, sorting, the algorithmic full Slepian-Wolf theorem for individual strings, multiset normalized information distance and normalized web distance, and conditional universal distribution.