توضیحات
The once esoteric idea of embedding scientific computing into a probabilistic framework, mostly along the lines of the Bayesian paradigm, has recently enjoyed wide popularity and found its way into numerous applications. This book provides an insiders view of how to combine two mature fields, scientific computing and Bayesian inference, into a powerful language leveraging the capabilities of both components for computational efficiency, high resolution power and uncertainty quantification ability. The impact of Bayesian scientific computing has been particularly significant in the area of computational inverse problems where the data are often scarce or of low quality, but some characteristics of the unknown solution may be available a priori. The ability to combine the flexibility of the Bayesian probabilistic framework with efficient numerical methods has contributed to the popularity of Bayesian inversion, with the prior distribution being the counterpart of classical regularization. However, the interplay between Bayesian inference and numerical analysis is much richer than providing an alternative way to regularize inverse problems, as demonstrated by the discussion of time dependent problems, iterative methods, and sparsity promoting priors in this book. The quantification of uncertainty in computed solutions and model predictions is another area where Bayesian scientific computing plays a critical role. This book demonstrates that Bayesian inference and scientific computing have much more in common than what one may expect, and gradually builds a natural interface between these two areas.
————————————————————–
ترجمه ماشینی :
ایده زمانی باطنی جاسازی محاسبات علمی در یک چارچوب احتمالی، عمدتاً در امتداد خطوط پارادایم بیزی، اخیراً از محبوبیت گستردهای برخوردار شده و راه خود را در کاربردهای متعددی پیدا کرده است. این کتاب دیدگاه خودی را در مورد چگونگی ترکیب دو زمینه بالغ، محاسبات علمی و استنتاج بیزی، در یک زبان قدرتمند با استفاده از قابلیتهای هر دو مؤلفه برای کارایی محاسباتی، قدرت وضوح بالا و توانایی کمی سازی عدم قطعیت ارائه میکند. تأثیر محاسبات علمی بیزی به ویژه در حوزه مسائل معکوس محاسباتی که داده ها اغلب کمیاب یا با کیفیت پایین هستند، قابل توجه بوده است، اما برخی از ویژگی های راه حل ناشناخته ممکن است پیشینی در دسترس باشند. توانایی ترکیب انعطافپذیری چارچوب احتمالی بیزی با روشهای عددی کارآمد به محبوبیت وارونگی بیزی کمک کرده است، با توزیع قبلی که همتای منظمسازی کلاسیک است. با این حال، تعامل بین استنتاج بیزی و تحلیل عددی بسیار غنیتر از ارائه یک روش جایگزین برای منظم کردن مسائل معکوس است، همانطور که با بحث در مورد مسائل وابسته به زمان، روشهای تکراری، و پیشبینیهای پراکنده در این کتاب نشان داده شده است. کمی کردن عدم قطعیت در راهحلهای محاسبهشده و پیشبینیهای مدل، حوزه دیگری است که محاسبات علمی بیزی نقش مهمی را ایفا میکند. این کتاب نشان می د
tag : دانلود کتاب محاسبات علمی بیزی , Download محاسبات علمی بیزی , دانلود محاسبات علمی بیزی , Download Bayesian Scientific Computing Book , محاسبات علمی بیزی دانلود , buy محاسبات علمی بیزی , خرید کتاب محاسبات علمی بیزی , دانلود کتاب Bayesian Scientific Computing , کتاب Bayesian Scientific Computing , دانلود Bayesian Scientific Computing , خرید Bayesian Scientific Computing , خرید کتاب Bayesian Scientific Computing ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.