فهرست بستن

پیدا کردن ریشه دسته معادلات غیرخطی با ابعاد بزرگ با روش نیوتون-کریلوف در پایتون

در بسیاری از فرآیندهای محاسباتی امکان روبرو شدن با مسئله پیدا کردن ریشه معادلات محتمل است. این معادلات می توانند در حالت کلی غیرخطی و در ابعاد بزرگ باشند از این رو کاربرد روشهای کارامد برای حل این دسته از مسائل بسیار مهم می باشد. یکی از روشهای شناخته شده که مسئله ریشه یابی را تقریب کریلوف ژاکوبین معکوس انجام می دهد، روش نیوتون-کریلوف است. در این نوشته به نحوه پیدا کردن ریشه دسته معادلات غیرخطی با روش نیوتون-کریلوف پرداخته می شود.

حل عددی دسته معادلات دیفرانسیلی با استفاده از SciPy

شبیه سازی سیستم های دینامیکی، بررسی و کنترل آنها بدون حل معادله سیستمی آن بر اساس زمان و پارامترهای وابسته امکان ناپذیر است. محیطهای محاسبات عددی متعددی برای انجام اینکار مثل متلب موجود می باشند که امکانات متنوعی را فراهم آورده اند. زبان برنامه نویسی پایتون با بهره گیری از کتابخانه محاسباتی NumPy و SciPy به ابزار مناسبی برای محاسبات علمی تبدیل شده است. در این نوشته به دنبال حل عددی دسته معادلات دیفرانسیلی با SciPy هستیم.

پیاده سازی ساده گراف در پایتون و چند الگوریتم

یکی از مهترین ابزارهای مدل سازی ریاضی که استفاده های متنوعی در علم روز پیدا کرده است گراف می باشد. اگر می خواهید نحوه پیاده سازی گراف در زبان برنامه نویسی پایتون و الگوریتم های مسیر یابی ساده مرتبط با آن را فرابگیرید، این نوشته به شما کمک خواهد کرد. در این نوشته بعد از ساخت گراف با استفاده از شی dictionary به پیاده سازی الگوریتم مسیریابی و کوتاه ترین مسیر پرداخته شده است.

یادگیری ماشین در پایتون با کتابخانه Scikit-learn

امروزه کمتر کاربردی از تکنولوژی را می توان یافت که از یادگیری ماشین و هوش مصنوعی بهره نگرفته باشد. از شناسایی چهره گرفته تا تشخیص عیب در سیستمهای صنعتی همه و همه با به کارگیری یادگیری ماشین شاهد پیشرفتی غیر قابل وصف بوده اند. ابزارهای زیادی برای پیاده سازی روشهای متداول یادگیری ماشین ارائه شده اند که از میان آنها می توان به کتابخانه Tensorflow گوگل اشاره کرد. از لحاظ راحتی برای شروع کار کتابخانه های توسعه یافته مبنی بر SciPy مثل Scikit-learn کار را بسیار ساده تر می نماید. در این نوشته به معرفی این کتابخانه و امکانات آن پرداخته می شود.

gnuplot ابزاری برای رسم نمودارهای دو بعدی و سه بعدی و بازنمایی داده ها

شاید به دنبال یک ابزار رسم نمودارهای دو بعدی و سه بعدی و نمایش داده ها بوده باشید که قابلیتهای متنوعی را برای شما فراهم نماید. یکی از بهترین گزینه ها برای این کار ابزار gnuplot می باشد. برای رسم نمودار با استفاده از این ابزار نیاز به دانستن دستورات مخصوص آن است. این دستورات بسیار ساده هستند لذا نیاز نیست نگران چگونه یادگرفتن آنها باشید. با دیدن چند مثال شما می توانید کاربر حرفه ای gnuplot شوید.

معرفی کتابخانه محاسبات علمی و جبر خطی آرمادیلو Armadillo در سی ++

احتمالا شما هم تا بحال از سرعت پایین اجرای کدهای متلب کلافه شده اید و به این فکر کرده اید که ای کاش توابع و ابزارهای ارائه شده در نرم افزار متلب برای سی ++ هم وجود داشت. نه در حد کامل ولی تا حدودی این آرزو برآورده شده است. کتابخانه محاسبات ماتریسی آرمادیلو (Armadillo) این امکان را فراهم نموده است. در این نوشته به معرفی امکانات این کتابخانه و مقایسه آن با کتابخانه های دیگر پرداخته خواهد شد.

معرفی کتابخانه پردازش تصویر Scikit-Image

با پیشرفت تکنولوژی، پردازش تصویر تبدیل به جز لاینفک اتوماسیون شده است، چه اتوماسیون اداری و چه اتوماسیون صنعتی. کتابخانه‌های متنوعی برای آماده سازی توابع استاندارد، فیلترهای متداول و الگوریتمهای توسعه داده شده پر کاربرد در پردازش تصویر ارائه شده اند. در این میان شاید بتوان گفت معروف ترین آنها کتابخانه OpenCV باشد. ولی در این نوشته کتابخانه دیگری که مبتنی بر کتابخانه محاسبات علمی NumPy و SciPy می‌باشد یعنی Scikit-Image معرفی می‌گردد.

مرتب سازی لیستی از لیست در پایتون

لیست در پایتون بسیار منعطف است. عناصر لیست می تواند انواع مختلفی داشته باشند، حتی خود یک لیست باشند. در برنامه نویسی بسیار پیش می آید که لیستی از لیست داشته باشیم و بخواهیم آن را بر اساس عنصر خاصی از هر کدام مرتب نماییم. این کار با مشخص کردن پارامتر key با استفاده از lambda امکان پذیر است.

آموزش نحوه ذخیره سازی نمودارهای خروجی matplotlib در پایتون

رسم نمودارهای مناسب برای خروجی‌های محاسبات علمی و عددی یکی از نیازهای کتابخانه محاسبات علمی کامل می‌باشد. کتابخانه matplotlib نیز به این منظور از طرف تسعه دهندگان آماده شده است تا نیازهای رسم نمودار توسط کاربران را رفع نماید. مطمئنا بعد از رسم نمودار ذخیره سازی با کیفیت نمودار برای استفاده در یک ارائه یا گنجاندن در مقاله مورد نظر تمام کاربران می‌باشد. در این نوشته نحوه ذخیره سازی نمودارهای خروجی کتابخانه matplotlib مورد بررسی قرار خواهد گرفت.