Data-Driven Science and Engineering: Machine Learning, Dynamical Systems, and Control

دانلود کتاب Data-Driven Science and Engineering: Machine Learning, Dynamical Systems, and Control

43000 تومان موجود

کتاب علم و مهندسی داده محور: یادگیری ماشین، سیستم های دینامیکی و کنترل نسخه زبان اصلی

دانلود کتاب علم و مهندسی داده محور: یادگیری ماشین، سیستم های دینامیکی و کنترل بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید


این کتاب نسخه اصلی می باشد و به زبان فارسی نیست.


امتیاز شما به این کتاب (حداقل 1 و حداکثر 5):

امتیاز کاربران به این کتاب:        تعداد رای دهنده ها: 5


توضیحاتی در مورد کتاب Data-Driven Science and Engineering: Machine Learning, Dynamical Systems, and Control

نام کتاب : Data-Driven Science and Engineering: Machine Learning, Dynamical Systems, and Control
عنوان ترجمه شده به فارسی : علم و مهندسی داده محور: یادگیری ماشین، سیستم های دینامیکی و کنترل
سری :
نویسندگان : ,
ناشر : Cambridge University Press
سال نشر : 2019
تعداد صفحات : 496
ISBN (شابک) : 1108422098 , 9781108422093
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 30 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.

توضیحاتی در مورد کتاب :


اکتشاف مبتنی بر داده در مدل‌سازی، پیش‌بینی و کنترل سیستم‌های پیچیده انقلابی ایجاد می‌کند. این کتاب درسی، یادگیری ماشین، ریاضیات مهندسی و فیزیک ریاضی را برای ادغام مدل‌سازی و کنترل سیستم‌های دینامیکی با روش‌های مدرن در علم داده گرد هم می‌آورد. بسیاری از پیشرفت‌های اخیر در محاسبات علمی را برجسته می‌کند که روش‌های مبتنی بر داده را قادر می‌سازد تا در طیف متنوعی از سیستم‌های پیچیده مانند آشفتگی، مغز، آب و هوا، اپیدمیولوژی، امور مالی، روباتیک و خودمختاری اعمال شوند. این متن با هدف مقاطع کارشناسی ارشد و دانشجویان مقطع کارشناسی ارشد در رشته های مهندسی و علوم فیزیکی، طیف وسیعی از موضوعات و روش ها را از مقدماتی تا پیشرفته ارائه می دهد.

فهرست مطالب :


Cover Front Matter Data-Driven Science and Engineering: Machine Learning, Dynamical Systems, and Control Copyright Contents Preface Common Optimization Techniques, Equations, Symbols, and Acronyms Part I: Dimensionality Reduction and Transforms 1 Singular Value Decomposition (SVD) 2 Fourier and Wavelet Transforms 3 Sparsity and Compressed Sensing Part II: Machine Learning and Data Analysis 4 Regression and Model Selection 5 Clustering and Classification 6 Neural Networks and Deep Learning Part III: Dynamics and Control 7 Data-Driven Dynamical Systems 8 Linear Control Theory 9 Balanced Models for Control 10 Data-Driven Control Part IV: Reduced Order Models 11 Reduced Order Models (ROMs) 12 Interpolation for Parametric ROMs Glossary Bibliography Index

توضیحاتی در مورد کتاب به زبان اصلی :


Data-driven discovery is revolutionizing the modeling, prediction, and control of complex systems. This textbook brings together machine learning, engineering mathematics, and mathematical physics to integrate modeling and control of dynamical systems with modern methods in data science. It highlights many of the recent advances in scientific computing that enable data-driven methods to be applied to a diverse range of complex systems, such as turbulence, the brain, climate, epidemiology, finance, robotics, and autonomy. Aimed at advanced undergraduate and beginning graduate students in the engineering and physical sciences, the text presents a range of topics and methods from introductory to state of the art.



پست ها تصادفی