کتاب کاربرد توابع پایه شعاعی سلسله‌مراتبی در تحلیل عدم قطعیت با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

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 کاربرد توابع پایه شعاعی سلسله‌مراتبی در تحلیل عدم قطعیت

موضوع کلی: مدل‌سازی و تحلیل عدم قطعیت

موضوع میانی: روش‌های عددی برای تحلیل حساسیت و عدم قطعیت

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر تحلیل عدم قطعیت و حساسیت
  • 2. منابع عدم قطعیت در مدل‌های ریاضی
  • 3. روش‌های انتشار عدم قطعیت: روش مونت‌کارلو
  • 4. روش‌های انتشار عدم قطعیت: تقریب مرتبه اول (First Order)
  • 5. روش‌های انتشار عدم قطعیت: تحلیل حساسیت
  • 6. مقدمه‌ای بر توابع پایه شعاعی (Radial Basis Functions - RBF)
  • 7. ویژگی‌های توابع RBF
  • 8. انواع توابع RBF رایج (Gaussian, Multiquadric, Inverse Multiquadric)
  • 9. انتخاب تابع RBF مناسب
  • 10. تخمین پارامترهای توابع RBF
  • 11. مقدمه‌ای بر روش‌های سلسله‌مراتبی (Hierarchical Methods)
  • 12. روش‌های سلسله‌مراتبی برای کاهش ابعاد
  • 13. روش‌های سلسله‌مراتبی برای تقریب توابع
  • 14. Hierarchical RBF: مفهوم و مزایا
  • 15. ساختار سلسله‌مراتبی در RBF
  • 16. الگوریتم‌های ساخت Hierarchical RBF
  • 17. تخمین پارامترها در Hierarchical RBF
  • 18. کاربرد Hierarchical RBF در مسائل با ابعاد بالا
  • 19. کاهش هزینه محاسباتی با Hierarchical RBF
  • 20. مقایسه Hierarchical RBF با روش‌های سنتی RBF
  • 21. Hierarchical RBF برای مسائل نامعین
  • 22. Hierarchical RBF برای مسائل حساسیت
  • 23. تحلیل عدم قطعیت با استفاده از Hierarchical RBF: یک مطالعه موردی
  • 24. Hierarchical RBF برای مسائل بهینه‌سازی تحت عدم قطعیت
  • 25. Hierarchical RBF و یادگیری ماشین
  • 26. استفاده از Hierarchical RBF در مسائل معکوس
  • 27. Hierarchical RBF برای تقریب توابع پیچیده
  • 28. Hierarchical RBF و شبکه‌های عصبی
  • 29. Hierarchical RBF برای داده‌های پراکنده
  • 30. توسعه‌ و پیاده‌سازی Hierarchical RBF در MATLAB/Python
  • 31. بهینه‌سازی پارامترهای Hierarchical RBF
  • 32. بررسی حساسیت نتایج Hierarchical RBF به پارامترها
  • 33. Hierarchical RBF و تحلیل ابعاد (Dimensionality Reduction)
  • 34. Hierarchical RBF و روش‌های جایگزین (Surrogate Modeling)
  • 35. Hierarchical RBF برای مسائل چند متغیره
  • 36. Hierarchical RBF و مسائل چند هدفه
  • 37. کاربرد Hierarchical RBF در مهندسی
  • 38. کاربرد Hierarchical RBF در علوم زمین
  • 39. کاربرد Hierarchical RBF در اقتصاد و مالی
  • 40. Hierarchical RBF و مسائل کنترل
  • 41. Hierarchical RBF و مسائل شناسایی سیستم
  • 42. Hierarchical RBF و مسائل پیش‌بینی
  • 43. Hierarchical RBF و مسائل طبقه‌بندی
  • 44. Hierarchical RBF و مسائل خوشه‌بندی
  • 45. Hierarchical RBF و مسائل رگرسیون
  • 46. ارزیابی عملکرد Hierarchical RBF
  • 47. مقایسه Hierarchical RBF با سایر روش‌های Surrogate Modeling
  • 48. تحلیل خطا در Hierarchical RBF
  • 49. روش‌های بهبود دقت Hierarchical RBF
  • 50. کاربرد Hierarchical RBF در مسائل بزرگ‌مقیاس
  • 51. آینده Hierarchical RBF و تحقیقات مرتبط
تگ‌ها: hierarchical modeling hierarchical RBF MATLAB Monte Carlo numerical methods polynomial chaos Python radial basis functions RBF sensitivity analysis surrogate modeling uncertainty analysis uncertainty modeling uncertainty quantification

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.