بسیاری از تحلیلهای عددی نیاز به تولید اعداد تصادفی دارند. تعداد زیادی از الگوریتمها نیز وجود دارند که برای ارائه راه حل اقدام به ایجاد پاسخهای تصادفی برای مسئله و بهبود آنها مینمایند. برای همین هم ایجاد اعداد تصادفی یکی از ملزومات شبیهسازیهای علمی میباشد. در این نوشته به معرفی امکانات کتابخانه numpy برای تولید اعداد تصادفی پرداخته خواهد شد.
رگرسیون خطی تخمین یک پارامتر بهصورت تابعی خطی از تعدادی داده دیگر میباشد. در عمل ما به دنبال به دست آوردن یک خط یا در حالت کلی اَبَر صفحه هستیم که با توجه به معیار خطای تعریف شده بهینه است. این روش کاربرد ویژه در علوم و مهندسی داشته و آشنایی با نحوه پیادهسازی آن در پایتون موضوع این نوشته میباشد.
ریاضیاتین چوخلو ساحهلری مجموعهلر نظریهسی اساسیندا قورولموشدور. مجموعهلر، نظریهلردن و محض قونولاردان علاوه، عملده ده ایشلهنرلر. بونا گؤره ده یئنی یازیلیملاما دیللرینده، مجموعهلرین ایشلهنیشینی راحاتلاندیرماق اوچون، اونلارا مخصوص تابعلر و ائیلهملر حاضیرلانیب دیر. بو یازیدا پایتون دیلینده مجموعهلر و اونلارلا علاقهلی ائیلهملره گؤره دانیشیلاجاق دیر.
کتابخانه محاسبات عددی numpy به همراه کتابخانههای scipy و matplotlib مجموعهای غنی از امکانات را برای انجام شبیه سازی های علمی و بازنمایی آنها فراهم آورده اند. لکن نحوه استفاده از امکانات فراهم شده توسط این کتابخانه ها تعیین کننده میزان راحتتر شدن کار برای ما می باشد. در این نوشته به بررسی ریزه کاری هایی از آرایه numpy پرداخته خواهد شد.
کتابخانههای جنبی پایتون اکثرا از رابط Python/C برای افزایش سرعت اجرا استفاده می کنند. برای اینکه بتوانیم از این ظرفیت بالقوه استفاده نماییم باید حدالامکان فراخوانی مکرر توابع کتابخانهای را کاهش دهیم. بعبارت عملیتر از استفاده از حلقهها و فراخوانی توابع پشتسر هم و زاید اجتناب نماییم. در این نوشته با مثالهای متعدد نحوه استفاده صحیح از numpy برای افزایش سرعت محاسبات توضیح داده خواهد شد.
PSO الگوریتمی، قوش سورولرینین اجتماعی یاشاملاریندان الهام آلینان بیر الگوریتم دیر. PSO داهی اونون کیمی الگوریتملر عمومیتله بیر مسئلهنین متعدد جوابلاری ایله باشلاییب، جوابلاری الگوریتم قاباغا گئتمهسی ایله بیر، یاخشیلادارلار؛ اونون اوچون ده بو الگوریتملره «یاخشیلاشدیرما الگوریتملری» آدینی وئرهبیلهریک. یاخشیلاتما قارشیلاشدیغیمیز مسئله ایله معنیلهنیر. بعض مسئلهلرده گلیری و قازانجی چوخالتماق، بعضیلرینده ایسه چیخیری آزالتماق، یاخشیلاتماق معیاریمیز اولور.
چند جملهای ها کاربرد ویژهای در ریاضیات و مهندسی دارند. بیشتر این کاربرد مربوط به تقریب توابع در آنالیز عددی می باشد. در زبان برنامه نویسی پایتون با استفاده از کتابخانه محاسباتی numpy می توانید چند جملهای ها را ایجاد کرده و از آنها استفاده کنید. این کتابخانه به کاربران این امکان را می دهد که با تعداد جملات مشخص داده ها را با چند جمله ای ها تقریب بزنند.
قسمت اعظمی از محبوبیت کسب شده توسط زبان برنامه نویسی پایتون علاوه بر ساختار ویژه آن، مربوط به بسته های نرم افزاری و کتابخانه هایی است که برای پشتیبانی از موضوعات مختلف در آن ارائه شده است. در این نوشته به معرفی کتابخانه منطق فازی پرداخته شده است. منطق فازی یکی از مباحثی است که مورد توجه محققین و دانشمندان می باشد و در مجامع علمی جایگاهی ویژه پیدا کرده است.
کتابخانه SymPy طیف وسیعی از محاسبات سمبولیک را برای کاربران و برنامه نویسان پایتون فراهم کرده است. یکی از این محاسبات که مورد نیاز مهندسین می باشد، تبدیل لاپلاس و عکس لاپلاس می باشد. محاسبه این تبدیل انتگرالی به سادگی با SymPy قابل انجام است و نشانگر توانمندی رقابت پایتون با متلب می باشد. در این نوشته نحوه محاسبه تبدیل لاپلاس و عکس لاپلاس را با مثال خواهیم دید.