دوره تقریب داده‌محور عملگرهای انتقال برای معادلات دیفرانسیل تصادفی میانگین-میدان: کشف الگوهای فضازمان با استفاده از تجزیه مود دینامیکی توسعه یافته همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تقریب داده‌محور عملگرهای انتقال برای معادلات دیفرانسیل تصادفی میانگین-میدان: کشف الگوهای فضازمان با استفاده از تجزیه مود دینامیکی توسعه یافته

موضوع کلی: معادلات دیفرانسیل تصادفی و سیستم‌های دینامیکی

موضوع میانی: روش‌های تقریب داده‌محور برای معادلات میانگین-میدان

📋 سرفصل‌های دوره

• 1. مقدمه ای بر سیستم های دینامیکی
• 2. مقدمه ای بر معادلات دیفرانسیل تصادفی (SDEs)
• 3. مفاهیم پایه SDEs
• 4. فرآیندهای وینر و حرکت براونی
• 5. خواص اساسی حرکت براونی
• 6. مثال های ساده SDEs
• 7. فرمول ایتو
• 8. قضیه گرس-کاتان
• 9. مدل لنژوین
• 10. مدل فوکر-پلانک
• 11. ارتباط بین SDEs و معادلات فوکر-پلانک
• 12. مفهوم عملگر انتقال
• 13. مقدمه ای بر عملگرهای انتقال
• 14. عملگر انتقال برای سیستم های دینامیکی قطعی
• 15. عملگر انتقال برای سیستم های دینامیکی تصادفی
• 16. تعریف ریاضی عملگر انتقال
• 17. خواص عملگرهای انتقال
• 18. کاربرد عملگرهای انتقال در تجزیه و تحلیل سیستم ها
• 19. عملگرهای انتقال در مکانیک آماری
• 20. عملگرهای انتقال در زیست شناسی
• 21. عملگرهای انتقال در مالی
• 22. معادلات میانگین-میدان (MFDEs)
• 23. مفهوم میانگین-میدان
• 24. انواع سیستم های میانگین-میدان
• 25. مدل های میانگین-میدان
• 26. فرمول بندی ریاضی MFDEs
• 27. ارتباط MFDEs با SDEs
• 28. مثال هایی از MFDEs
• 29. پدیده های مرتبط با MFDEs
• 30. مقدمه ای بر تقریب داده محور
• 31. نیاز به روش های تقریب داده محور
• 32. مروری بر روش های یادگیری ماشین
• 33. یادگیری نظارت شده و بدون نظارت
• 34. روش های تجزیه و تحلیل مولفه اصلی (PCA)
• 35. روش های تجزیه مقادیر منفرد (SVD)
• 36. تجزیه مود دینامیکی (DMD)
• 37. مبانی تجزیه مود دینامیکی
• 38. انتشار دهنده دینامیکی
• 39. مودهای دینامیکی
• 40. فرکانس های دینامیکی
• 41. دامنه های دینامیکی
• 42. کاربرد DMD در سیستم های دینامیکی
• 43. محدودیت های DMD کلاسیک
• 44. تجزیه مود دینامیکی توسعه یافته (EDMD)
• 45. مفهوم EDMD
• 46. ارتباط EDMD با عملگرهای انتقال
• 47. نمونه برداری داده از MFDEs
• 48. جمع آوری داده برای MFDEs
• 49. ساختار داده های جمع آوری شده
• 50. انتخاب داده ها برای آموزش
• 51. پیش پردازش داده ها
• 52. تقریب عملگر انتقال با استفاده از EDMD
• 53. فرمول بندی EDMD برای عملگرهای انتقال
• 54. ساخت ماتریس گذار از داده ها
• 55. محاسبه مقادیر ویژه و بردارهای ویژه
• 56. تفسیر مودهای دینامیکی EDMD
• 57. ارتباط مودهای EDMD با خصوصیات سیستم
• 58. مشخص کردن دینامیک های فضازمان
• 59. حالت های ناپایدار و پایدار
• 60. پایداری سیستم
• 61. تکامل طولانی مدت سیستم
• 62. پیش بینی رفتار آینده سیستم
• 63. تحلیل حساسیت پارامترها
• 64. اعتبارسنجی روش EDMD
• 65. مقایسه EDMD با روش های دیگر
• 66. ارزیابی دقت تقریب
• 67. مطالعات موردی با استفاده از EDMD
• 68. کاربرد EDMD در مدل لنژوین میانگین-میدان
• 69. کاربرد EDMD در مدل های انتشار میانگین-میدان
• 70. کاربرد EDMD در سیستم های نورونی میانگین-میدان
• 71. کاربرد EDMD در جمعیت های باکتریایی
• 72. کاربرد EDMD در سیستم های شیمیایی
• 73. کاربرد EDMD در سیستم های فیزیکی
• 74. کاربرد EDMD در سیستم های اقتصادی
• 75. نکات پیشرفته در EDMD
• 76. پیاده سازی EDMD با کتابخانه های نرم افزاری
• 77. استفاده از NumPy و SciPy
• 78. استفاده از scikit-learn
• 79. استفاده از کتابخانه های تخصصی DMD
• 80. مدیریت داده های بزرگ
• 81. انطباق EDMD برای داده های با ابعاد بالا
• 82. تکنیک های منظم سازی در EDMD
• 83. کاربرد EDMD برای تقریب عملگرهای انتقال غیرخطی
• 84. توسعه EDMD برای SDEs غیرخطی
• 85. توسعه EDMD برای MFDEs غیرخطی
• 86. ارزیابی عدم قطعیت در تقریب
• 87. تحلیل آماری مودهای دینامیکی
• 88. تفسیر فیزیکی مودهای دینامیکی
• 89. رابطه بین EDMD و سایر نظریه های سیستم های دینامیکی
• 90. نظریه آشوب
• 91. نظریه پایداری
• 92. نظریه کنترل
• 93. نظریه اطلاعات
• 94. کشف الگوهای فضازمان
• 95. شناسایی ساختارهای پنهان در داده ها
• 96. درک چگونگی تحول سیستم در طول زمان و فضا
• 97. تحلیل دینامیک های محلی و جهانی
• 98. کاربرد در تشخیص ناهنجاری
• 99. کاربرد در پیش بینی رویدادهای نادر
• 100. چالش ها و محدودیت های روش های داده محور