توضیحاتی در مورد کتاب Information and self-organization: a macroscopic approach to complex systems
نام کتاب : Information and self-organization: a macroscopic approach to complex systems
ویرایش : 2nd enl. ed
عنوان ترجمه شده به فارسی : اطلاعات و خود سازماندهی: رویکردی کلان به سیستم های پیچیده
سری : Springer series in synergetics
نویسندگان : Hermann Haken
ناشر : Springer
سال نشر : 2000
تعداد صفحات : 232
ISBN (شابک) : 3540662863 , 9783540662860
زبان کتاب : English
فرمت کتاب : djvu درصورت درخواست کاربر به PDF تبدیل می شود
حجم کتاب : 2 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 :
این کتاب مفاهیم مورد نیاز برای مقابله با سیستمهای پیچیده خودسازماندهی را از دیدگاهی یکپارچه ارائه میکند که از دادههای ماکروسکوپی استفاده میکند. معانی مختلف مفهوم \"اطلاعات\" مورد بحث قرار می گیرد و از یک فرمول کلی از اصل حداکثر اطلاعات (آنتروپی) استفاده می شود. با کمک نتایج حاصل از هم افزایی، محدودیت های هدف کافی برای کلاس بزرگی از سیستم های خودسازماندهی فرموله می شود و نمونه هایی از فیزیک، زیست شناسی و علوم کامپیوتر (تشخیص الگو توسط کامپیوترهای موازی) ارائه می شود. پسوندهای موجود در ویرایش دوم نشان میدهند که چگونه میتوان بر اساس دادههای احتمالاً کمیاب و پر سر و صدا، حدسهای بیطرفانه درباره فرآیندهای سیستمهای پیچیده ایجاد کرد و نیروهای قطعی و تصادفی زیربنایی را تعیین کرد. این روش امکان پیشبینی احتمالی فرآیندها را با کاربرد در زمینههای متعدد از فناوری تا زیستشناسی و پزشکی تا اقتصاد فراهم میکند. رابطه با نظریه آشوب نیز مورد توجه قرار گرفته است.
توضیحاتی در مورد کتاب به زبان اصلی :
This book presents the concepts needed to deal with self-organizing complex systems from a unifying point of view that uses macroscopic data. The various meanings of the concept "information" are discussed and a general formulation of the maximum information (entropy) principle is used. With the aid of results from synergetics, adequate objective constraints for a large class of self-organizing systems are formulated and examples are given from physics, biology, and computer science (pattern recognition by parallel computers). The extensions contained in the second edition show how, based on possibly scarce and noisy data, unbiased guesses about processes of complex systems can be made and the underlying deterministic and random forces determined. This procedure allows probabilistic predictions of processes, with applications to numerous fields ranging from technology through biology and medicine to economy. The relationship to chaos theory is also addressed.