逆問題：チコノフ理論とアルゴリズム Inverse Problems: Tikhonov Theory and Algorithms (Series on Applied Mathematics)

逆問題：チコノフ理論とアルゴリズム<br>Inverse Problems: Tikhonov Theory and Algorithms (Series on Applied Mathematics)

個数：

逆問題：チコノフ理論とアルゴリズム
Inverse Problems: Tikhonov Theory and Algorithms (Series on Applied Mathematics)

Ito, Kazufumi/ Jin, Bangti

ウェブストア価格 ¥28,321（本体¥25,747）
World Scientific Publishing Co Pte Ltd（2014/10発売）
外貨定価 US$ 135.00
ポイント 257pt

提携先の海外書籍取次会社に在庫がございます。通常3週間で発送いたします。
【重要ご説明事項】
1. 納期遅延や、ご入手不能となる場合が若干ございます。
2. 複数冊ご注文の場合は、ご注文数量が揃ってからまとめて発送いたします。
3. 美品のご指定は承りかねます。

●3Dセキュア導入とクレジットカードによるお支払いについて

【入荷遅延について】
世界情勢の影響により、海外からお取り寄せとなる洋書・洋古書の入荷が、表示している標準的な納期よりも遅延する場合がございます。
おそれいりますが、あらかじめご了承くださいますようお願い申し上げます。

◆画像の表紙や帯等は実物とは異なる場合があります。

◆ウェブストアでの洋書販売価格は、弊社店舗等での販売価格とは異なります。
また、洋書販売価格は、ご注文確定時点での日本円価格となります。
ご注文確定後に、同じ洋書の販売価格が変動しても、それは反映されません。

製本 Hardcover:ハードカバー版／ページ数 332 p.
言語 ENG
商品コード 9789814596190
DDC分類 515.357

Full Description

Inverse problems arise in practical applications whenever one needs to deduce unknowns from observables. This monograph is a valuable contribution to the highly topical field of computational inverse problems. Both mathematical theory and numerical algorithms for model-based inverse problems are discussed in detail. The mathematical theory focuses on nonsmooth Tikhonov regularization for linear and nonlinear inverse problems. The computational methods include nonsmooth optimization algorithms, direct inversion methods and uncertainty quantification via Bayesian inference.The book offers a comprehensive treatment of modern techniques, and seamlessly blends regularization theory with computational methods, which is essential for developing accurate and efficient inversion algorithms for many practical inverse problems.It demonstrates many current developments in the field of computational inversion, such as value function calculus, augmented Tikhonov regularization, multi-parameter Tikhonov regularization, semismooth Newton method, direct sampling method, uncertainty quantification and approximate Bayesian inference. It is written for graduate students and researchers in mathematics, natural science and engineering.