کتاب تخمین کارآمد مدل لاجیت بازگشتی با استفاده از برنامه‌ریزی مخروطی: روشی نوین برای حل مسائل انتخاب در شبکه‌های حمل و نقل با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

تخمین کارآمد مدل لاجیت بازگشتی: انقلابی در مدل‌سازی حمل و نقل تخمین کارآمد مدل لاجیت بازگشتی با استفاده از برنامه‌ریزی مخروطی: روشی نوین برای حل مسائل انتخاب در شبکه‌های حمل و نقل معرفی دوره آیا به دن...

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تخمین کارآمد مدل لاجیت بازگشتی با استفاده از برنامه‌ریزی مخروطی: روشی نوین برای حل مسائل انتخاب در شبکه‌های حمل و نقل

موضوع کلی: مدلسازی انتخاب گسسته و کاربردهای آن در حمل و نقل

موضوع میانی: مدل لاجیت بازگشتی (Recursive Logit) و روش‌های تخمین پارامتر

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مدلسازی انتخاب گسسته
  • 2. تاریخچه مدلسازی انتخاب گسسته
  • 3. مفاهیم پایه در مدلسازی انتخاب گسسته
  • 4. انواع مدل‌های انتخاب گسسته
  • 5. کاربردهای مدلسازی انتخاب گسسته در حمل و نقل
  • 6. مفاهیم اولیه تئوری مطلوبیت
  • 7. تابع مطلوبیت در مدل‌های انتخاب گسسته
  • 8. خطی بودن تابع مطلوبیت
  • 9. متغیرهای مستقل در تابع مطلوبیت
  • 10. مدل انتخاب باینری (Binary Choice Model)
  • 11. مدل لاجیت دوتایی (Binary Logit Model)
  • 12. تفسیر پارامترهای مدل لاجیت دوتایی
  • 13. مدل پروبیت دوتایی (Binary Probit Model)
  • 14. مقایسه مدل لاجیت و پروبیت
  • 15. مدل انتخاب چندگانه (Multinomial Choice Model)
  • 16. مدل لاجیت چندگانه (Multinomial Logit Model)
  • 17. فرض استقلال از جایگزین‌های نامربوط (IIA)
  • 18. تست فرض IIA
  • 19. مدل لاجیت شرطی (Conditional Logit Model)
  • 20. مدل لاجیت طبقه‌بندی شده (Ordered Logit Model)
  • 21. مدل لاجیت گسسته (Nested Logit Model)
  • 22. تئوری بازی در انتخاب گسسته
  • 23. مقدمه‌ای بر نظریه بازی
  • 24. تعادل نش (Nash Equilibrium)
  • 25. کاربرد نظریه بازی در حمل و نقل
  • 26. مقدمه‌ای بر مدلسازی شبکه حمل و نقل
  • 27. مفاهیم پایه شبکه‌های حمل و نقل
  • 28. مسیرهای ممکن در شبکه
  • 29. مدل تخصیص سفر (Traffic Assignment Model)
  • 30. رویکردهای مدل تخصیص سفر
  • 31. تعادل کاربر (User Equilibrium)
  • 32. تعادل سیستم (System Optimum)
  • 33. مقدمه‌ای بر مدلسازی انتخاب گسسته در شبکه‌ها
  • 34. چالش‌های مدلسازی انتخاب در شبکه‌های حمل و نقل
  • 35. پویایی در سیستم‌های حمل و نقل
  • 36. مدل لاجیت بازگشتی (Recursive Logit Model)
  • 37. تعریف مدل لاجیت بازگشتی
  • 38. مبانی ریاضی مدل لاجیت بازگشتی
  • 39. ساختار بازگشتی مدل لاجیت
  • 40. اجزاء مدل لاجیت بازگشتی
  • 41. مطلوبیت در مدل لاجیت بازگشتی
  • 42. وابستگی گزینه‌ها در مدل لاجیت بازگشتی
  • 43. مثال‌هایی از مدل لاجیت بازگشتی در حمل و نقل
  • 44. مزایای مدل لاجیت بازگشتی
  • 45. محدودیت‌های مدل لاجیت بازگشتی
  • 46. روش‌های تخمین پارامتر در مدل‌های انتخاب گسسته
  • 47. روش حداکثر درستنمایی (Maximum Likelihood Estimation)
  • 48. تابع درستنمایی در مدل لاجیت
  • 49. بهینه‌سازی تابع درستنمایی
  • 50. روش‌های تکراری برای حل مسئله بهینه‌سازی
  • 51. مقدمه‌ای بر روش‌های تخمین با قید تعادل (Equilibrium-Constrained Estimation)
  • 52. چرا تخمین با قید تعادل؟
  • 53. مفهوم قید تعادل در انتخاب شبکه
  • 54. تعریف مسئله تخمین با قید تعادل
  • 55. معادلات تعادل در شبکه‌های حمل و نقل
  • 56. رابطه بین انتخاب و تخصیص سفر
  • 57. مدل‌های ترکیبی انتخاب و تخصیص سفر
  • 58. روش‌های حل مسائل تخمین با قید تعادل
  • 59. مقدمه‌ای بر برنامه‌ریزی مخروطی (Conic Programming)
  • 60. انواع برنامه‌ریزی مخروطی
  • 61. برنامه‌ریزی خطی (Linear Programming)
  • 62. برنامه‌ریزی نیمه‌معین (Semidefinite Programming)
  • 63. برنامه‌ریزی مخروطی درجه دوم (Second-Order Cone Programming)
  • 64. مزایای برنامه‌ریزی مخروطی
  • 65. کاربرد برنامه‌ریزی مخروطی در بهینه‌سازی
  • 66. تخمین پارامتر مدل لاجیت بازگشتی با برنامه‌ریزی مخروطی
  • 67. فرم‌بندی مسئله تخمین به صورت برنامه‌ریزی مخروطی
  • 68. استفاده از برنامه‌ریزی مخروطی برای حل مدل لاجیت بازگشتی
  • 69. ارتباط بین تابع مطلوبیت و قیود برنامه‌ریزی مخروطی
  • 70. تبدیل مدل لاجیت بازگشتی به فرم برنامه‌ریزی مخروطی
  • 71. ساخت تابع هدف در برنامه‌ریزی مخروطی
  • 72. تعریف قیود در برنامه‌ریزی مخروطی
  • 73. مثال عددی برای تخمین با برنامه‌ریزی مخروطی
  • 74. پیاده‌سازی روش تخمین با برنامه‌ریزی مخروطی
  • 75. نرم‌افزارهای حل مسائل برنامه‌ریزی مخروطی
  • 76. مراحل پیاده‌سازی الگوریتم
  • 77. نحوه استفاده از داده‌ها در پیاده‌سازی
  • 78. ارزیابی و تفسیر نتایج تخمین
  • 79. معیارهای ارزیابی مدل
  • 80. تفسیر پارامترهای تخمین زده شده
  • 81. اعتبار سنجی مدل
  • 82. مقایسه با روش‌های سنتی تخمین
  • 83. مزایای روش تخمین مبتنی بر برنامه‌ریزی مخروطی
  • 84. دقت و کارایی روش جدید
  • 85. محدودیت‌ها و چالش‌های روش جدید
  • 86. کاربردهای پیشرفته مدل لاجیت بازگشتی
  • 87. مدل‌سازی انتخاب مسیر (Route Choice Modeling)
  • 88. مدل‌سازی انتخاب وسیله نقلیه (Mode Choice Modeling)
  • 89. مدل‌سازی انتخاب مقصد (Destination Choice Modeling)
  • 90. مدل‌سازی انتخاب زمان سفر (Departure Time Choice Modeling)
  • 91. مدل‌سازی رفتار سفر در حضور پویایی
  • 92. مدل‌سازی انتخاب در شبکه‌های بزرگ مقیاس
  • 93. روش‌های پیشرفته در مدلسازی انتخاب گسسته
  • 94. مدل‌های انتخاب گسسته با توابع مطلوبیت غیرخطی
  • 95. مدل‌های انتخاب گسسته با ساختارهای وابستگی پیچیده
  • 96. مدل‌سازی انتخاب در شرایط عدم قطعیت
  • 97. مدل‌سازی انتخاب در حضور تعاملات استراتژیک
  • 98. آینده پژوهش در مدلسازی انتخاب گسسته و شبکه‌های حمل و نقل
تگ‌ها: Choice Models Conic Programming Discrete Choice Modeling Equilibrium-Constrained Estimation Optimization Parameter Estimation Recursive Logit Transportation Networks برنامه ریزی مخروطی تخمین پارامتر شبکه های حمل و نقل مدل لاجیت بازگشتی مدل های انتخاب مدلسازی انتخاب گسسته

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.