Maximum Entropy, Information Without Probability and Complex Fractals: Classical and Quantum Approach

دانلود کتاب Maximum Entropy, Information Without Probability and Complex Fractals: Classical and Quantum Approach

53000 تومان موجود

کتاب حداکثر آنتروپی، اطلاعات بدون احتمال و فراکتال های پیچیده: رویکرد کلاسیک و کوانتومی نسخه زبان اصلی

دانلود کتاب حداکثر آنتروپی، اطلاعات بدون احتمال و فراکتال های پیچیده: رویکرد کلاسیک و کوانتومی 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: 3


توضیحاتی در مورد کتاب Maximum Entropy, Information Without Probability and Complex Fractals: Classical and Quantum Approach

نام کتاب : Maximum Entropy, Information Without Probability and Complex Fractals: Classical and Quantum Approach
ویرایش : 1
عنوان ترجمه شده به فارسی : حداکثر آنتروپی، اطلاعات بدون احتمال و فراکتال های پیچیده: رویکرد کلاسیک و کوانتومی
سری : Fundamental Theories of Physics 112
نویسندگان :
ناشر : Springer Netherlands
سال نشر : 2000
تعداد صفحات : 286
ISBN (شابک) : 9789048154678 , 9789401594967
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 7 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 :




هر فکری یک تاس است. Stephane Mallarme این کتاب آخرین کتاب از یک سه گانه است که بخشی از کار تحقیقاتی ما را در حدود سی سال گزارش می دهد (ما نتایج غیر متعارف خود را در تئوری کنترل خودکار و برنامه های کاربردی از یک سو و مجموعه های فازی از سوی دیگر کنار می گذاریم). و کلیدواژه های اصلی آن عبارتند از نظریه اطلاعات، آنتروپی، اصل آنتروپی حداکثر، زبان شناسی، ترمودینامیک، مکانیک کوانتومی، فراکتال ها، حرکت براونی کسری، معادلات دیفرانسیل تصادفی مرتبه n، کنترل بهینه تصادفی، بینایی کامپیوتری. وسواس ما همیشه یکسان بوده است: نظریه اطلاعات شانون باید نقش اساسی در مبانی علوم ایفا کند، اما مشروط به این که به طور مناسب تعمیم داده شود تا به ما اجازه دهد تا با مسائلی که لزوماً به مهندسی ارتباطات مرتبط نیستند، برخورد کنیم. با در نظر گرفتن این هدف، دو سؤال از اهمیت بالایی برخوردار است: (1) چگونه می توانیم معنا یا اهمیت اطلاعات را در نظریه اطلاعات شانون معرفی کنیم؟ (ب) چگونه می‌توانیم بدون استفاده از طرح احتمالی، مقدار اطلاعات موجود در یک فرم یا یک الگو را تعریف و/یا اندازه‌گیری کنیم؟ اگر بخواهیم نظریه شانون را با شانس موفقیت در علم به کار ببریم، یافتن پاسخ مناسب برای این مشکلات واجب است. به عنوان مثال، استفاده از آن در زیست شناسی بسیار ناامید کننده بوده است، به این دلیل که معنای اطلاعات در آنجا از اهمیت اساسی برخوردار است و در این رویکرد دخیل نیست.


فهرست مطالب :


Front Matter....Pages I-XIX
Introduction....Pages 1-8
Summary of Information Theory....Pages 9-28
Path Entropies of Non-Random Functions....Pages 29-59
Path Entropies of Random Functions and of Non-Random Distributed Functions....Pages 60-82
Quantum Entropies of Non-Probabilistic Square Matrices....Pages 83-128
Complex-Valued Fractional Brownian Motion of Order n . Part I....Pages 129-155
Complex-Valued Fractional Brownian Motion of Order n . Part II....Pages 156-181
Information Thermodynamics and Complex-Valued Fractional Brownian Motion of Order n ....Pages 182-204
Fractals, Path Entropy, and Fractional Fokker-Planck Equation....Pages 205-229
Outline of Applications....Pages 230-265
Back Matter....Pages 267-270

توضیحاتی در مورد کتاب به زبان اصلی :


Every thought is a throw of dice. Stephane Mallarme This book is the last one of a trilogy which reports a part of our research work over nearly thirty years (we discard our non-conventional results in automatic control theory and applications on the one hand, and fuzzy sets on the other), and its main key words are Information Theory, Entropy, Maximum Entropy Principle, Linguistics, Thermodynamics, Quantum Mechanics, Fractals, Fractional Brownian Motion, Stochastic Differential Equations of Order n, Stochastic Optimal Control, Computer Vision. Our obsession has been always the same: Shannon's information theory should play a basic role in the foundations of sciences, but subject to the condition that it be suitably generalized to allow us to deal with problems which are not necessarily related to communication engineering. With this objective in mind, two questions are of utmost importance: (i) How can we introduce meaning or significance of information in Shannon's information theory? (ii) How can we define and/or measure the amount of information involved in a form or a pattern without using a probabilistic scheme? It is obligatory to find suitable answers to these problems if we want to apply Shannon's theory to science with some chance of success. For instance, its use in biology has been very disappointing, for the very reason that the meaning of information is there of basic importance, and is not involved in this approach.




پست ها تصادفی