,

ترجمه فارسی مقاله آیا می‌توانیم در وظایف طبقه‌بندی HEP پیشرفت کنیم؟ شبکه‌های کولموگروف-آرنولد که برای یک مثال فیزیک LHC اعمال می‌شوند

19,000 تومان1,000,000 تومان

شناسه محصول: نامعلوم دسته: ,
عنوان مقاله به انگلیسی KAN we improve on HEP classification tasks? Kolmogorov-Arnold Networks applied to an LHC physics example
عنوان مقاله به فارسی ترجمه فارسی مقاله آیا می‌توانیم در وظایف طبقه‌بندی HEP پیشرفت کنیم؟ شبکه‌های کولموگروف-آرنولد که برای یک مثال فیزیک LHC اعمال می‌شوند
نویسندگان Johannes Erdmann, Florian Mausolf, Jan Lukas Späh
فرمت مقاله انگلیسی PDF
زبان مقاله تحویلی ترجمه فارسی
فرمت مقاله ترجمه شده به صورت فایل ورد
نحوه تحویل ترجمه دو تا سه روز پس از ثبت سفارش (به صورت فایل دانلودی)
تعداد صفحات 25
دسته بندی موضوعات High Energy Physics – Phenomenology,Machine Learning,High Energy Physics – Experiment,Data Analysis, Statistics and Probability,فیزیک انرژی بالا – پدیدارشناسی , یادگیری ماشین , فیزیک انرژی بالا – آزمایش , تجزیه و تحلیل داده ها , آمار و احتمال ,
توضیحات Submitted 5 August, 2024; originally announced August 2024. , Comments: 25 pages, 9 figures
توضیحات به فارسی ارسال شده در 5 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 25 صفحه ، 9 شکل

توضیحات گزینه‌های خرید

دانلود مقاله اصل انگلیسی

با انتخاب این گزینه، می‌توانید فایل PDF مقاله اصلی را به زبان انگلیسی دانلود کنید.

قیمت: 19,000 تومان

سفارش ترجمه فارسی مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، ترجمه فارسی مقاله را نیز سفارش می‌دهید.

قیمت: 1,000,000 تومان

زمان تحویل: 2 تا 3 روز کاری

فرمت ارائه ترجمه مقاله تحویل به صورت فایل ورد
زمان تحویل ترجمه مقاله بین 2 تا 3 روز پس از ثبت سفارش
کیفیت ترجمه بسیار بالا. مقاله فقط توسط مترجمین با مدرک دانشگاهی مترجمی ترجمه می‌شود.
جداول و فرمول ها کلیه جداول و فرمول ها نیز در فایل تحویلی ورد درج می‌شوند.

چکیده

Recently, Kolmogorov-Arnold Networks (KANs) have been proposed as an alternative to multilayer perceptrons, suggesting advantages in performance and interpretability. We study a typical binary event classification task in high-energy physics including high-level features and comment on the performance and interpretability of KANs in this context. We find that the learned activation functions of a one-layer KAN resemble the log-likelihood ratio of the input features. In deeper KANs, the activations in the first KAN layer differ from those in the one-layer KAN, which indicates that the deeper KANs learn more complex representations of the data. We study KANs with different depths and widths and we compare them to multilayer perceptrons in terms of performance and number of trainable parameters. For the chosen classification task, we do not find that KANs are more parameter efficient. However, small KANs may offer advantages in terms of interpretability that come at the cost of only a moderate loss in performance.

چکیده به فارسی (ترجمه ماشینی)

به تازگی ، شبکه های Kolmogorov-Arnold (KANS) به عنوان جایگزینی برای Perceptrons چند لایه پیشنهاد شده است ، و مزایای عملکرد و تفسیر را نشان می دهد.ما یک کار طبقه بندی رویداد باینری معمولی را در فیزیک پر انرژی از جمله ویژگی های سطح بالا مطالعه می کنیم و در مورد عملکرد و تفسیر KAN ها در این زمینه اظهار نظر می کنیم.ما می دانیم که توابع فعال سازی آموخته شده از یک لایه KAN شبیه به نسبت ورود به سیستم از ویژگی های ورودی است.در کانز عمیق تر ، فعال سازی در لایه اول KAN با مواردی که در KAN یک لایه وجود دارد متفاوت است ، که نشان می دهد Kans عمیق تر نمایش های پیچیده تری از داده ها را می آموزند.ما Kans را با عمق و عرض های مختلف مطالعه می کنیم و آنها را از نظر عملکرد و تعداد پارامترهای قابل آموزش با Perceptrons چند لایه مقایسه می کنیم.برای کار طبقه بندی انتخاب شده ، ما نمی دانیم که Kans پارامتر تر است.با این حال ، Kans کوچک ممکن است از نظر تفسیر که با هزینه فقط یک ضرر متوسط ​​در عملکرد حاصل می شود ، مزایایی ارائه دهند.

فرمت ارائه ترجمه مقاله تحویل به صورت فایل ورد
زمان تحویل ترجمه مقاله بین 2 تا 3 روز پس از ثبت سفارش
کیفیت ترجمه بسیار بالا. مقاله فقط توسط مترجمین با مدرک دانشگاهی مترجمی ترجمه می‌شود.
جداول و فرمول ها کلیه جداول و فرمول ها نیز در فایل تحویلی ورد درج می‌شوند.
نوع دانلود

دانلود مقاله اصل انگلیسی, سفارش ترجمه فارسی مقاله

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “ترجمه فارسی مقاله آیا می‌توانیم در وظایف طبقه‌بندی HEP پیشرفت کنیم؟ شبکه‌های کولموگروف-آرنولد که برای یک مثال فیزیک LHC اعمال می‌شوند”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پیمایش به بالا