کتاب کاربرد نامساوی‌های هندسی در بهینه‌سازی و تحلیل مجموعه‌های محدب با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
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 کاربرد نامساوی‌های هندسی در بهینه‌سازی و تحلیل مجموعه‌های محدب

موضوع کلی: علوم ریاضی و کاربرد هندسه در تحلیل داده‌ها

موضوع میانی: هندسه محدب و تحلیل ابعاد بالا (High-Dimensional Convex Geometry)

📋 سرفصل‌های دوره (100 موضوع)

  • 1. مبانی مجموعه‌های محدب در فضای اقلیدسی
  • 2. تعریف و ویژگی‌های هندسی مجموعه‌های محدب
  • 3. مفهوم تابع پشتیبان در هندسه محدب
  • 4. مخروط‌های مخروطی و قطبی در تحلیل ابعاد بالا
  • 5. توابع محدب و ویژگی‌های مشتق‌پذیری آن‌ها
  • 6. مجموعه‌های فشرده و قضیه جداسازی ابرصفحه‌ها
  • 7. اندازه‌گیری حجم در فضاهای با ابعاد بالا
  • 8. مفهوم نامساوی‌های ایزوپریمتری در هندسه کلاسیک
  • 9. نامساوی ایزوپریمتری کلاسیک در فضای R^n
  • 10. توزیع‌های احتمالاتی در مجموعه‌های محدب
  • 11. قضیه تمرکز اندازه در فضاهای با ابعاد بالا
  • 12. نامساوی لوی و کاربرد آن در تحلیل ابعاد بالا
  • 13. نامساوی برون-مینکوفسکی و پیامدهای آن
  • 14. نامساوی کی-فان و ارتباط آن با محدب بودن
  • 15. توابع شبه‌محدب و کاربرد در بهینه‌سازی
  • 16. مجموعه‌های محدب متقارن و بدنه محدب
  • 17. تخمین حجم مجموعه‌های محدب با استفاده از روش‌های احتمالی
  • 18. نامساوی‌های کرنش و کاربرد در نظریه اطلاعات
  • 19. توزیع‌های لگاریتمی-محدب و ویژگی‌های آن‌ها
  • 20. قضیه برش و ارتباط آن با نامساوی‌های ایزوپریمتری
  • 21. تحلیل خوشه‌ای در فضاهای با ابعاد بالا
  • 22. بهینه‌سازی محدب با استفاده از ویژگی‌های هندسی
  • 23. الگوریتم‌های تقریب حجم در ابعاد بالا
  • 24. کاربرد نامساوی‌های هندسی در یادگیری ماشین
  • 25. تخمین پارامترهای آماری در توزیع‌های محدب
  • 26. هندسه مجموعه‌های محدب در مسائل بهینه‌سازی مقید
  • 27. نامساوی پوانکاره در تحلیل مجموعه‌های محدب
  • 28. کاربرد تحلیل ابعاد بالا در داده‌کاوی
  • 29. توابع هزینه محدب و همگرایی الگوریتم‌های گرادیان
  • 30. بررسی پایداری مجموعه‌های محدب تحت نگاشت‌های خطی
  • 31. روش‌های نمونه‌برداری مونت‌کارلو در مجموعه‌های محدب
  • 32. تقریب مجموعه‌های محدب با چندوجهی‌ها
  • 33. تحلیل حساسیت در مدل‌های بهینه‌سازی هندسی
  • 34. قضیه کانونی در تحلیل مجموعه‌های محدب
  • 35. کاربرد در نظریه کنترل و سیستم‌های پویا
  • 36. بررسی نامساوی‌های ایزوپریمتری در گراف‌های محدب
  • 37. تکنیک‌های کاهش بعد و حفظ ویژگی‌های هندسی
  • 38. تخمین کران‌های خطا در بهینه‌سازی محدب
  • 39. بررسی نگاشت‌های لبسگ در تحلیل ابعاد بالا
  • 40. رویکرد هندسی به مسائل بهینه‌سازی چندهدفه
تگ‌ها: بهینه‌سازی محدب تحلیل ابعاد بالا تحلیل داده‌های حجیم ریاضیات کاربردی علوم ریاضی نامساوی ایزوپری‌متریک نظریه مجموعه‌های محدب هندسه محاسباتی هندسه محدب

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.