دانلود و نمایش مقالات مرتبط با مقاله فیزیک عمومی 2016::صفحه 1
بلافاصله پس از پرداخت دانلود کنید
نتیجه جستجو - مقاله فیزیک عمومی 2016

تعداد مقالات یافته شده: 2
ردیف عنوان نوع
1 اثربخشی معقول شبیه سازی های مبتنی بر عامل در نظریه بازی تکاملی پاسخ به نظرات در مورد «نظریه تکاملی بازی با استفاده از روش های مبتنی بر عامل»
سال انتشار: 2016 - تعداد صفحات فایل pdf انگلیسی: 5 - تعداد صفحات فایل doc فارسی: 10
در سال 1960، فیزیکدان معروف یعنی اوژن وایگنر یک مقاله به نام «اثربخشی نامعقول ریاضیات در علوم طبیعی» [1] را به چاپ رساند که در آن او در مورد رابطه بین فیزیک و ریاضی بحث و تفکر کرده بود. وایگنر تعجب خود در مورد میزان اثربخشی ریاضیات در پیش بینی دنیای فیزیکی آینده را با توجه به شرایط اولیه معین ابراز نمود. برای او، اینکه استفاده از قوانین ریاضیات به صورت تکراری متخصص را به سمت «گرداب تضادها» هدایت نمی کند، شبیه معجزه بود. او این امر را شگفت انگیز می دانست چون دنیای ریاضیات، در اولین نگاه، ربطی به دنیای فیزیک ندارد. ریاضیات اجازه می دهد تا مفاهیم بسیار انتزاعی ایجاد شوند که تصور ما را به مبارزه دعوت می کنند: آنها تنها توسط نبوغ ریاضیدان محدود می شوند. این فکر که مفاهیمی مانند اعداد پیچیده، ممکن است برای دنیای فیزیکی ما که در آن همه چیز قابل شمارش و واقعی است قابل استفاده باشند، ممکن است مزحک به نظر برسد، تا زمانی که کشف می کنیم که این مفاهیم در شناخت مکانیک کوانتوم بسیار ضروری هستند. با این نگرش، ما اکنون می دانیم که قابلیت پیش بینی عجیبی فراهم می شود. هر زمان که ما فکر کنیم شکاف بین یک بدنه همیشه در حال گسترس ریاضیات و نظریه های فیزیکی ما در حال بیشتر شدن است، یک توسعه جدید، آن را دوباره کمک می کند، مثلا با پی بردن به این نکته که یک ابداع ریاضیاتی پیچیده مانند «نظریه مورس» برای شناخت مفاهیم پیچیده در فیزیک نظری به عنوان فراتقارن ضروری است [2]. شاید ریاضیات اثربخشی نامعقول بیشتری از تصور وایگنر داشته باشد؟
کلمات کلیدی: نظریه بازی تکاملی | مدل سازی مبتنی بر عامل
مقاله ترجمه شده
2 شبیه سازی رویداد های نادر برای میدان تصادفی مارکف با استفاده از رشد دانه در کریستال ها
سال انتشار: 2016 - تعداد صفحات فایل pdf انگلیسی: 5 - تعداد صفحات فایل doc فارسی: 15
مدل های تصادفی تصاویر برای برنامه های کاربردی مانند تقسیم بندی (segmentation)، deblurring و بازسازی بسیار مفید هستند. گاهی اوقات مهم است که بتوانیم از یک مدل تصویر تصادفی شبیه سازی یا نمونه برداری انجام دهیم. به عنوان مثال، شبیه سازی می تواند به عنوان یک ابزار بهینه سازی برای جداسازی، deblurring یا بازسازی یک تصویر استفاده شود. همچنین، شبیه سازی تصاویر در درک سیستم کمک میکند (با استفاده از اکتشاف مجازی مدل های سیستم به جای آزمایش های فیزیکی گران و وقت گیر). البته تعداد زیادی روش های مونت کارلو زنجیره مارکوف (MCMC) برای رسم نمونه هایی از مدل تصادفی مارکوف (MRF) وجود دارد. با این حال، این روش تصاویر نمونه ای را نشان می دهد که نمونه های معمول از مدل را نشان می دهند. برای نمونه برداری از تصاویر که با احتمال کمتری ظاهر می شوند، که کم پیش می آید تعداد قابل توجهی از نمونه های مونت کارلو باید با استفاده از MCMC سنتی طراحی شود.
در این مقاله، ما به تئوری انحرافات بزرگ و نمونه برداری اهمیت می دهیم تا روش شبیه سازی رویداد در مواقع خاص را برای MRF ها پیشنهاد دهیم. سپس از علم مواد به منظور اثبات کاربرد روش ما، از یک مساله استفاده می کنیم. به طور خاص، ما به پدیده رشد غیر معمول دانه در مواد پلی کریستالی نگاه می کنیم. با روش پیشنهادی ما، ما به طور مداوم تصاویری را تولید می کنیم که شامل رشد غیر طبیعی دانه هستند، اما این روش برای روش های استاندارد شبیه سازی مونت کارلو چالش بر انگیز است. مهمتر از همه، روش ما می تواند برای شبیه سازی حوادث نادر در یک کلاس گسترده از برنامه های تصویربرداری، یعنی کسانی که از یک مدل MRF استفاده می کنند، استفاده شود.
کلمات کلیدی: نمونه گیری اهمیت | انحرافات بزرگ | فیلد تصادفی مارکوف | توزیع گیبس | رشد غيرطبيعی دانه | مواد پلی کریستالی
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی