اکسپرس 24
ترجمه فارسی مقاله اولویت‌بندی هم‌ترازی در تقطیر مجموعه داده‌ها

ترجمه فارسی مقاله اولویت‌بندی هم‌ترازی در تقطیر مجموعه داده‌ها

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Prioritize Alignment in Dataset Distillation
عنوان مقاله به فارسی اولویت‌بندی هم‌ترازی در تقطیر مجموعه داده‌ها
نویسندگان Zekai Li, Ziyao Guo, Wangbo Zhao, Tianle Zhang, Zhi-Qi Cheng, Samir Khaki, Kaipeng Zhang, Ahmad Sajedi, Konstantinos N Plataniotis, Kai Wang, Yang You
فرمت مقاله انگلیسی PDF
تعداد صفحات 18
دسته بندی موضوعات Machine Learning,Artificial Intelligence,یادگیری ماشین , هوش مصنوعی ,
توضیحات Submitted 13 August, 2024; v1 submitted 6 August, 2024; originally announced August 2024. , Comments: 18 pages, 9 figures
توضیحات به فارسی ارسال شده در 13 اوت 2024 ؛V1 ارسال شده در 6 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 18 صفحه ، 9 شکل

قیمت: 19,000 تومان

سفارش

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

قیمت: 720,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Dataset Distillation aims to compress a large dataset into a significantly more compact, synthetic one without compromising the performance of the trained models. To achieve this, existing methods use the agent model to extract information from the target dataset and embed it into the distilled dataset. Consequently, the quality of extracted and embedded information determines the quality of the distilled dataset. In this work, we find that existing methods introduce misaligned information in both information extraction and embedding stages. To alleviate this, we propose Prioritize Alignment in Dataset Distillation (PAD), which aligns information from the following two perspectives. 1) We prune the target dataset according to the compressing ratio to filter the information that can be extracted by the agent model. 2) We use only deep layers of the agent model to perform the distillation to avoid excessively introducing low-level information. This simple strategy effectively filters out misaligned information and brings non-trivial improvement for mainstream matching-based distillation algorithms. Furthermore, built on trajectory matching, textbf{PAD} achieves remarkable improvements on various benchmarks, achieving state-of-the-art performance.

چکیده به فارسی (ترجمه ماشینی)

تقطیر مجموعه داده ها با هدف فشرده سازی یک مجموعه داده بزرگ به یک قطعه کاملاً جمع و جور تر و بدون ایجاد عملکرد مدل های آموزش دیده ، فشرده تر است.برای دستیابی به این هدف ، روشهای موجود از مدل عامل برای استخراج اطلاعات از مجموعه داده هدف استفاده می کنند و آن را در مجموعه داده های مقطر جاسازی می کنند.در نتیجه ، کیفیت اطلاعات استخراج شده و تعبیه شده کیفیت مجموعه داده های مقطر را تعیین می کند.در این کار ، می فهمیم که روشهای موجود اطلاعات نادرست را در هر دو مرحله استخراج اطلاعات و مراحل تعبیه معرفی می کنند.برای کاهش این امر ، ما اولویت بندی تراز در تقطیر مجموعه داده ها (PAD) را پیشنهاد می کنیم ، که اطلاعات را از دو دیدگاه زیر تراز می کند.1) ما مجموعه داده هدف را با توجه به نسبت فشرده سازی هرس می کنیم تا اطلاعاتی را که می توان توسط مدل عامل استخراج کرد ، فیلتر کنیم.2) ما فقط از لایه های عمیق مدل عامل برای انجام تقطیر استفاده می کنیم تا از معرفی بیش از حد اطلاعات سطح پایین جلوگیری کنیم.این استراتژی ساده به طور موثری اطلاعات نادرست را فیلتر می کند و بهبود غیر مهم را برای الگوریتم های تقطیر مبتنی بر تطبیق اصلی به ارمغان می آورد.علاوه بر این ، ساخته شده بر روی تطبیق مسیر ، textbf {pad} به پیشرفت های چشمگیر در معیارهای مختلف ، دستیابی به عملکرد پیشرفته می رسد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.