آشنایی با موضوع

روش مونت-کارلو (به انگلیسی: Monte Carlo method) یک الگوریتم محاسباتی میباشد که از نمونه‌گیری تصادفی برای محاسبه نتایج استفاده می‌کند. این روش معمولاً برای شبیه‌سازی سیستم‌های فیزیکی، ریاضیاتی و اقتصادی استفاده می‌شوند. روش مونت کارلو به هر تکنیکی اتلاق می‌شود که از طریق نمونه‌سازی آماری، پاسخ‌های تقریبی برای مسائل کمّی فراهم می‌کند. شبیه‌سازی مونت‌ کارلو بیشتر برای توصیف روشی جهت انتشار عدم قطعیت‌های موجود در ورودی‌ مدل به عدم قطعیت‌ها در خروجی‌ مدل، به کار می‌رود. بنابراین مونت‌کارلو، شبیه‌سازی‌ای است که صریحا و به صورت کمّی، عدم قطعیت را نمایش می‌دهد. شبیه‌سازی مونت کارلو متکی به فرآیند نمایش صریح عدم قطعیت با تعیین ورودی‌ها به عنوان توزیع‌های احتمال است. اگر ورودی‌های توصیف‌کننده یک سیستم، غیرقطعی باشند، آنگاه پیش‌بینی عملکرد پیش رو الزاما غیرقطعی است. این بدان معنی‌ست که نتیجه هر گونه تحلیل مبتنی بر ورودی‌های نمایش داده شده با توزیع‌های احتمال، خود یک توزیع احتمال است. از طرف دیگر روش مونت کارلو یک طبقه از الگوریتم‌های محاسبه گر می‌باشند که برای محاسبه نتایج خود بر نمونه گیری‌های تکرار شوندهٔ تصادفی اتکاء می‌کنند. روش‌های مونته کارلو اغلب زمان انجام شبیه‌سازی یک سامانه ریاضیاتی یا فیزیکی استفاده می‌شوند. به دلیل اتکای آنها بر محاسبات تکراری و اعداد تصادفی یا تصادفی کاذب، روشهای مونته کارو اغلب به گونه‌ای تنظیم می‌شوند که توسط رایانه اجرا شوند. گرایش به استفاده از روش‌های مونته کارلو زمانی بیشتر می‌شود که محاسبه پاسخ دقیق با کمک الگوریتم‌های قطعی ناممکن یا ناموجه باشد. به منظور محاسبه توزیع احتمال کارایی پیش‌بینی شده، لازم است تا عدم قطعیت‌های ورودی به عدم‌ قطعیت‌های خروجی منتقل شود. روش های مختلفی برای انتقال عدم قطعیت وجود دارند. شبیه‌سازی مونت کارلو احتمالا رایج‌ترین تکنیک برای انتشار عدم قطعیت موجود در جنبه‌های مختلف یک سیستم به کارایی پیش‌بینی شده است. روش‌های تصادفی برای محاسبه و آزمایش (که عموماً به عنوان شبیه‌سازی تصادفی شناخته می‌شوند) را بدون تردید می‌توان تا اولین پیشگامان نظریه احتمال دنبال کرد (سوزن بافون، کار جزیی روی نمونه‌ها توسط ویلیام گوست)، ولی به طور ویژه می‌توان آن را در دوران قبل از محاسبات الکترونیکی دنبال کرد. تفاوت اساسی که معمولاً درباره روش شبیه‌سازی مونت کارلو بیان می‌شود این است که به طور اصولی نوع روش شبیه‌سازی را وارون می‌کند و نظر مسایل را با یافتن مدل مشابه احتمالی به خود جلب می‌کند. روش‌های پیشین برای شبیه‌سازی و مدلسازی آماری عموماً عکس این کار را انجام می‌دادند: استفاده از شبیه‌سازی برای امتحان کردن مسایل مشخص قطعی.
در این صفحه تعداد 3162 مقاله تخصصی درباره روش مونت کارلو که در نشریه های معتبر علمی و پایگاه ساینس دایرکت (Science Direct) منتشر شده، نمایش داده شده است. برخی از این مقالات، پیش تر به زبان فارسی ترجمه شده اند که با مراجعه به هر یک از آنها، می توانید متن کامل مقاله انگلیسی همراه با ترجمه فارسی آن را دریافت فرمایید.
در صورتی که مقاله مورد نظر شما هنوز به فارسی ترجمه نشده باشد، مترجمان با تجربه ما آمادگی دارند آن را در اسرع وقت برای شما ترجمه نمایند.
مقالات ISI ترجمه شده روش مونت کارلو
مقالات ISI روش مونت کارلو (ترجمه نشده)
مقالات زیر هنوز به فارسی ترجمه نشده اند.
در صورتی که به ترجمه آماده هر یک از مقالات زیر نیاز داشته باشید، می توانید سفارش دهید تا مترجمان با تجربه این مجموعه در اسرع وقت آن را برای شما ترجمه نمایند.
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: روش مونت کارلو; MCH; mother and child health centers; WHO; World Health Organization; TBA; traditional birth attendance; MC; Monte Carlo; Cultural practices; Home care; Neonates; Neonatal care; Mothers care;
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: روش مونت کارلو; Ovarian cancer; Biomarkers; Deep learning; Recurrent neural networks; Markov chain; Monte Carlo; Gibbs sampling; Change-point detection; Bayesian estimation;
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: روش مونت کارلو; Credit default swap; Down-and-out binary option; Regime switching; Monte Carlo; Time-dependent Black-Scholes equation;
Elsevier - ScienceDirect - الزویر - ساینس دایرکت
Keywords: روش مونت کارلو; Image classification; Zero-shot classification; Ontology; Reinforcement learning; Adaptive; CORL; Combining Ontology and Reinforcement Learning for Zero-Shot Classification; ZSC; Zero-Shot Classification; HCR; Hierarchical Classification Rule; MC; Monte C