دوره مبانی معادلات دیفرانسیل تصادفی کنترل‌شده در مهندسی و علوم همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی معادلات دیفرانسیل تصادفی کنترل‌شده در مهندسی و علوم

موضوع کلی: ریاضیات کاربردی و مدل‌سازی

موضوع میانی: فرآیندهای تصادفی و معادلات دیفرانسیل تصادفی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی ریاضی در مهندسی
• 2. مبانی احتمال و متغیرهای تصادفی
• 3. فرایندهای تصادفی گسسته
• 4. مقدمه‌ای بر فرایندهای پواسون
• 5. حرکت براونی و خواص آن
• 6. مفاهیم پایه معادلات دیفرانسیل معمولی
• 7. حل تحلیلی معادلات دیفرانسیل معمولی
• 8. حل عددی معادلات دیفرانسیل معمولی
• 9. مقدمه‌ای بر معادلات دیفرانسیل تصادفی
• 10. فرمول اویلر برای معادلات دیفرانسیل تصادفی
• 11. فرمول ایتو و قاعده زنجیره‌ای
• 12. انتگرال ایتو و خواص آن
• 13. معادلات دیفرانسیل تصادفی خطی
• 14. حل معادلات دیفرانسیل تصادفی خطی
• 15. مقدمه‌ای بر کنترل بهینه
• 16. معادلات همیلتون-ژاکوبی-بللمن
• 17. کنترل بهینه در سیستم‌های خطی-گاوسی
• 18. معادلات دیفرانسیل تصادفی غیرخطی
• 19. روش‌های عددی برای معادلات دیفرانسیل تصادفی غیرخطی
• 20. مقدمه‌ای بر یادگیری ماشین
• 21. یادگیری نظارت شده و بدون نظارت
• 22. شبکه‌های عصبی مصنوعی
• 23. آموزش شبکه‌های عصبی
• 24. کاربرد شبکه‌های عصبی در مدل‌سازی
• 25. مقدمه‌ای بر معادلات دیفرانسیل تصادفی کنترل‌شده
• 26. مدل‌سازی سیستم‌های دینامیکی با عدم قطعیت
• 27. طراحی کنترل‌کننده‌های تطبیقی
• 28. روش‌های مبتنی بر یادگیری برای کنترل
• 29. یادگیری تقویتی و کاربردهای آن
• 30. مقدمه‌ای بر نظریه کنترل
• 31. کنترل‌کننده‌های پیش‌بین مدل
• 32. کنترل‌کننده‌های مقاوم
• 33. کاربرد احتمالات در نظریه کنترل
• 34. فیلتر کالمن و تعمیم‌های آن
• 35. مقدمه‌ای بر بهینه‌سازی
• 36. بهینه‌سازی خطی و غیرخطی
• 37. الگوریتم‌های بهینه‌سازی
• 38. بهینه‌سازی تصادفی
• 39. کاربرد بهینه‌سازی در کنترل
• 40. مقدمه‌ای بر مدل‌های آماری
• 41. مدل‌های رگرسیون خطی
• 42. مدل‌های رگرسیون غیرخطی
• 43. مدل‌های سری زمانی
• 44. مدل‌های آماری برای داده‌های پویایی
• 45. مقدمه‌ای بر تحلیل سیستم‌های دینامیکی
• 46. تحلیل پایداری سیستم‌های دینامیکی
• 47. تحلیل پاسخ فرکانسی
• 48. تحلیل سیستم‌های غیرخطی
• 49. کاربرد تحلیل سیستم‌ها در مهندسی
• 50. مقدمه‌ای بر شبیه‌سازی عددی
• 51. روش‌های شبیه‌سازی مونت کارلو
• 52. شبیه‌سازی سیستم‌های پیوسته
• 53. شبیه‌سازی سیستم‌های گسسته
• 54. اعتبارسنجی مدل‌های شبیه‌سازی
• 55. مقدمه‌ای بر پردازش سیگنال
• 56. تبدیل فوریه و کاربردهای آن
• 57. فیلترهای دیجیتال
• 58. شناسایی سیستم با استفاده از سیگنال‌ها
• 59. کاربرد پردازش سیگنال در مهندسی
• 60. مقدمه‌ای بر داده‌کاوی
• 61. الگوریتم‌های خوشه‌بندی
• 62. الگوریتم‌های طبقه‌بندی
• 63. قوانین انجمنی
• 64. کاربرد داده‌کاوی در تحلیل داده‌ها
• 65. مقدمه‌ای بر بهینه‌سازی تصادفی پویا
• 66. مدل‌های مارکوف تصمیم‌گیری
• 67. یادگیری در محیط‌های پویا
• 68. کاربرد بهینه‌سازی تصادفی پویا
• 69. مقدمه‌ای بر یادگیری عمیق
• 70. شبکه‌های عصبی کانولوشنی
• 71. شبکه‌های عصبی بازگشتی
• 72. مدل‌های تولیدی
• 73. کاربرد یادگیری عمیق در مدل‌سازی
• 74. مقدمه‌ای بر کنترل سیستم‌های پیچیده
• 75. کنترل سیستم‌های توزیع‌شده
• 76. کنترل سیستم‌های مقاوم
• 77. کنترل سیستم‌های تطبیقی
• 78. کاربرد کنترل سیستم‌های پیچیده
• 79. مقدمه‌ای بر مدل‌سازی اقتصادی
• 80. مدل‌های اقتصاد کلان
• 81. مدل‌های اقتصاد خرد
• 82. مدل‌های مالی
• 83. کاربرد مدل‌سازی اقتصادی
• 84. مقدمه‌ای بر مدل‌سازی زیستی
• 85. مدل‌های رشد جمعیت
• 86. مدل‌های انتشار بیماری
• 87. مدل‌های شبکه‌های عصبی زیستی
• 88. کاربرد مدل‌سازی زیستی
• 89. مقدمه‌ای بر مدل‌سازی محیط زیست
• 90. مدل‌های آب و هوایی
• 91. مدل‌های آلودگی هوا
• 92. مدل‌های مدیریت منابع آب
• 93. کاربرد مدل‌سازی محیط زیست
• 94. مقدمه‌ای بر مدل‌سازی صنعتی
• 95. مدل‌های تولید و بهینه‌سازی
• 96. مدل‌های زنجیره تأمین
• 97. مدل‌های نگهداری و تعمیرات
• 98. کاربرد مدل‌سازی صنعتی
• 99. مقدمه‌ای بر مدل‌سازی رباتیک
• 100. مدل‌های سینماتیک و دینامیک ربات