مقالات ISI تئوری آشوب : 48 مقاله انگلیسی + ترجمه فارسی

آشنایی با موضوع
نظریّهٔ آشوب یا نظریّهٔ بی نظمی ها به مطالعهٔ سیستم های دینامیکی آشوب ناک می پردازد. سیستم های آشوب ناک، سیستم های دینامیکی ای غیرخطی هستند که نسبت به شرایط اولیه شان بسیار حساس اند. تغییری اندک در شرایط اولیهٔ چنین سیستم هایی باعث تغییرات بسیار در آینده خواهد شد. این پدیده در نظریهٔ آشوب به اثر پروانه ای مشهور است. رفتار سیستم های آشوب ناک به ظاهر تصادفی می نماید. با این حال هیچ لزومی به وجود عنصر تصادف در ایجاد رفتار آشوبی نیست و سیستم های دینامیکی ی معین نیز می توانند رفتار آشوب ناک از خود نشان دهند. می توان نشان داد که شرط لازم وجود رفتار آشوب گونه در سیستم های دینامیکی ی زمان پیوسته مستقل از زمان داشتن کمینه سه متغیر حالت است (سیستم مرتبه سه). دینامیک لورنتس نمونه ای از چنین سیستم ای است. برای سیستم های زمان گسسته، وجود یک متغیر حالت کفایت می کند. نمونهٔ مشهور چنین سیستم ای، مدل جمعیتی ی بیان شده توسط logistic map است. این نظریه، گسترش خود را بیشتر مدیون کارهای هانری پوانکاره، ادوارد لورنتس، بنوا مندلبروت و مایکل فیگن باوم می باشد. پوانکاره اولین کسی بود که اثبات کرد، مساله سه جرم (به عنوان مثال، خورشید، زمین، ماه) مساله ای آشوبی و غیر قابل حل است. شاخه دیگر از نظریه آشوب که در مکانیک کوانتومی به کار می رود، آشوب کوانتومی نام دارد. گفته می شود که پیر لاپلاس و عمر خیام قبل از پوانکاره، به این مساله و پدیده پی برده بودند.



در این صفحه، تعداد 48 مقاله انگلیسی از ژورنال ها و مجلات معتبر پایگاه ساینس دایرکت (ScienceDirect) درباره موضوع تئوری آشوب آرشیو شده است که شما می توانید مقالات مورد نظر خود را بر اساس سال انتشار، موضوع مقاله، وضعیت ترجمه و تعداد صفحات، انتخاب نموده و دانلود فرمایید.
در صورتی که مقاله لاتین مورد نظر شما تا کنون به زبان فارسی ترجمه نشده باشد، واحد ترجمه پایگاه ISI Articles با همکاری تنی چند از اساتید و مترجمان با سابقه، آمادگی دارد آن را در اسرع وقت و با کیفیت مطلوب برای شما ترجمه نماید.

Engineering Sustainable Energy Systems: How Reactive and Predictive Homeostatic Control Can Prepare Electric Power Systems for Environmental Challenges

Prediction of gas solubility in polymers by back propagation artificial neural network based on self-adaptive particle swarm optimization algorithm and chaos theory