ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Recent Advances in Algorithmic Differentiation

دانلود کتاب پیشرفت های اخیر در تنوع الگوریتمی

Recent Advances in Algorithmic Differentiation

مشخصات کتاب

Recent Advances in Algorithmic Differentiation

ویرایش: 1 
نویسندگان: , , , , ,   
سری: Lecture Notes in Computational Science and Engineering 87 
ISBN (شابک) : 9783642300226, 3642300227 
ناشر: Springer-Verlag Berlin Heidelberg 
سال نشر: 2012 
تعداد صفحات: 356 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 مگابایت 

قیمت کتاب (تومان) : 48,000



کلمات کلیدی مربوط به کتاب پیشرفت های اخیر در تنوع الگوریتمی: ریاضیات محاسباتی و آنالیز عددی، علوم و مهندسی محاسبات، بهینه سازی، نرم افزارهای ریاضی، محاسبات عددی، زبان های برنامه نویسی، کامپایلرها، مترجمان



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 14


در صورت تبدیل فایل کتاب Recent Advances in Algorithmic Differentiation به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب پیشرفت های اخیر در تنوع الگوریتمی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب پیشرفت های اخیر در تنوع الگوریتمی



روندها نشان دهنده وضعیت دانش در زمینه تمایز الگوریتمی (AD) است. 31 مقاله ارائه شده در کنفرانس AD2012 کاربرد AD در بسیاری از زمینه ها در علم و مهندسی و همچنین جنبه های نظریه AD و اجرای آن در ابزارها را پوشش می دهد. برای همه مقالات، داوران منتخب از کمیته برنامه و جامعه بزرگتر و همچنین سردبیران بر دسترسی به ایده های ارائه شده برای کارشناسان غیر AD نیز تاکید کرده اند. در عرصه ابزارهای AD، پیاده‌سازی‌های جدیدی معرفی می‌شوند که به عنوان مثال، جاوا و محیط‌های مدل‌سازی گرافیکی را پوشش می‌دهند یا به مجموعه ابزارهای موجود برای Fortran ملحق می‌شوند. پیشرفت‌های جدید در الگوریتم‌های AD، کارایی مشتقات عملیات ماتریس، تشخیص و بهره‌برداری از پراکندگی، جداسازی جزئی، درمان توابع غیرهموار و دیگر جنبه‌های ریاضی سطح بالا از محاسبات عددی را هدف قرار می‌دهد. کاربردها از علوم زمین، مهندسی هسته‌ای، دینامیک سیالات و شیمی سرچشمه می‌گیرند. در بسیاری از موارد، برنامه‌های کاربردی در یک حوزه معین از علم یا مهندسی، ویژگی‌هایی را به اشتراک می‌گذارند که نیازمند رویکردهای خاص برای فعال کردن قابلیت‌های AD یا ایجاد فرصتی برای افزایش کارایی در محاسبات مشتق هستند. شرح این ویژگی‌ها و تکنیک‌های موفقیت آمیز استفاده از AD باید این روند را به منبع اطلاعاتی ارزشمندی برای کاربران ابزارهای AD تبدیل کند.


توضیحاتی درمورد کتاب به خارجی

The proceedings represent the state of knowledge in the area of algorithmic differentiation (AD). The 31 contributed papers presented at the AD2012 conference cover the application of AD to many areas in science and engineering as well as aspects of AD theory and its implementation in tools. For all papers the referees, selected from the program committee and the greater community, as well as the editors have emphasized accessibility of the presented ideas also to non-AD experts. In the AD tools arena new implementations are introduced covering, for example, Java and graphical modeling environments or join the set of existing tools for Fortran. New developments in AD algorithms target the efficiency of matrix-operation derivatives, detection and exploitation of sparsity, partial separability, the treatment of nonsmooth functions, and other high-level mathematical aspects of the numerical computations to be differentiated. Applications stem from the Earth sciences, nuclear engineering, fluid dynamics, and chemistry, to name just a few. In many cases the applications in a given area of science or engineering share characteristics that require specific approaches to enable AD capabilities or provide an opportunity for efficiency gains in the derivative computation. The description of these characteristics and of the techniques for successfully using AD should make the proceedings a valuable source of information for users of AD tools.



فهرست مطالب

Front Matter....Pages i-xvii
A Leibniz Notation for Automatic Differentiation....Pages 1-9
Sparse Jacobian Construction for Mapped Grid Visco-Resistive Magnetohydrodynamics....Pages 11-21
Combining Automatic Differentiation Methods for High-Dimensional Nonlinear Models....Pages 23-33
Application of Automatic Differentiation to an Incompressible URANS Solver....Pages 35-45
Applying Automatic Differentiation to the Community Land Model....Pages 47-57
Using Automatic Differentiation to Study the Sensitivity of a Crop Model....Pages 59-69
Efficient Automatic Differentiation of Matrix Functions....Pages 71-81
Native Handling of Message-Passing Communication in Data-Flow Analysis....Pages 83-92
Increasing Memory Locality by Executing Several Model Instances Simultaneously....Pages 93-101
Adjoint Mode Computation of Subgradients for McCormick Relaxations....Pages 103-113
Evaluating an Element of the Clarke Generalized Jacobian of a Piecewise Differentiable Function....Pages 115-125
The Impact of Dynamic Data Reshaping on Adjoint Code Generation for Weakly-Typed Languages Such as Matlab....Pages 127-138
On the Efficient Computation of Sparsity Patterns for Hessians....Pages 139-149
Exploiting Sparsity in Automatic Differentiation on Multicore Architectures....Pages 151-161
Automatic Differentiation Through the Use of Hyper-Dual Numbers for Second Derivatives....Pages 163-173
Connections Between Power Series Methods and Automatic Differentiation....Pages 175-185
Hierarchical Algorithmic Differentiation A Case Study....Pages 187-196
Storing Versus Recomputation on Multiple DAGs....Pages 197-207
An Integer Programming Approach to Optimal Derivative Accumulation....Pages 209-219
Java Automatic Differentiation Tool Using Virtual Operator Overloading....Pages 221-231
High-Order Uncertainty Propagation Enabled by Computational Differentiation....Pages 233-240
Generative Programming for Automatic Differentiation....Pages 241-250
AD in Fortran: Implementation via Prepreprocessor....Pages 251-260
Computing Derivatives in a Meshless Simulation Using Permutations in ADOL-C....Pages 261-271
Lazy K-Way Linear Combination Kernels for Efficient Runtime Sparse Jacobian Matrix Evaluations in C++....Pages 273-284
Implementation of Partial Separability in a Source-to-Source Transformation AD Tool....Pages 285-295
Back Matter....Pages 297-307
....Pages 309-319




نظرات کاربران