اکسپرس 24
ترجمه فارسی مقاله بررسی کاربردهای مدل‌های فضای حالت و تکنیک‌های آموزش پیشرفته در توصیه‌های متوالی: مطالعه تطبیقی ​​در مورد کارایی و عملکرد

ترجمه فارسی مقاله بررسی کاربردهای مدل‌های فضای حالت و تکنیک‌های آموزش پیشرفته در توصیه‌های متوالی: مطالعه تطبیقی ​​در مورد کارایی و عملکرد

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 Exploring Applications of State Space Models and Advanced Training Techniques in Sequential Recommendations: A Comparative Study on Efficiency and Performance
عنوان مقاله به فارسی بررسی کاربردهای مدل‌های فضای حالت و تکنیک‌های آموزش پیشرفته در توصیه‌های متوالی: مطالعه تطبیقی ​​در مورد کارایی و عملکرد
نویسندگان Mark Obozov, Makar Baderko, Stepan Kulibaba, Nikolay Kutuzov, Alexander Gasnikov
فرمت مقاله انگلیسی PDF
تعداد صفحات 12
دسته بندی موضوعات Information Retrieval,Artificial Intelligence,Machine Learning,Optimization and Control,بازیابی اطلاعات , هوش مصنوعی , یادگیری ماشین , بهینه سازی و کنترل ,
توضیحات Submitted 10 August, 2024; originally announced August 2024. , Comments: arXiv admin note: text overlap with arXiv:2403.07691 by other authors
توضیحات به فارسی ارسال شده 10 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: Arxiv Admin توجه: همپوشانی متن با ARXIV: 2403.07691 توسط نویسندگان دیگر

قیمت: 19,000 تومان

سفارش

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

قیمت: 480,000 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

Recommender systems aim to estimate the dynamically changing user preferences and sequential dependencies between historical user behaviour and metadata. Although transformer-based models have proven to be effective in sequential recommendations, their state growth is proportional to the length of the sequence that is being processed, which makes them expensive in terms of memory and inference costs. Our research focused on three promising directions in sequential recommendations: enhancing speed through the use of State Space Models (SSM), as they can achieve SOTA results in the sequential recommendations domain with lower latency, memory, and inference costs, as proposed by arXiv:2403.03900 improving the quality of recommendations with Large Language Models (LLMs) via Monolithic Preference Optimization without Reference Model (ORPO); and implementing adaptive batch- and step-size algorithms to reduce costs and accelerate training processes.

چکیده به فارسی (ترجمه ماشینی)

سیستم های پیشنهادی با هدف تخمین ترجیحات کاربر در حال تغییر و وابستگی های متوالی بین رفتار کاربر تاریخی و ابرداده.اگرچه مدلهای مبتنی بر ترانسفورماتور در توصیه های پی در پی مؤثر هستند ، اما رشد حالت آنها متناسب با طول دنباله ای است که در حال پردازش است و این باعث می شود آنها از نظر حافظه و هزینه های استنباط گران شوند.تحقیقات ما بر سه جهت امیدوارکننده در توصیه های پی در پی متمرکز شده است: افزایش سرعت از طریق استفاده از مدل های فضای دولتی (SSM) ، زیرا آنها می توانند به نتایج SOTA در دامنه توصیه های پی در پی با تأخیر کمتر ، حافظه و هزینه های استنباط دست پیدا کنند ، همانطور که توسط ARXIV پیشنهاد شده است:2403.03900 بهبود کیفیت توصیه ها با مدل های بزرگ زبان (LLM) از طریق بهینه سازی اولویت یکپارچه بدون مدل مرجع (ORPO).و اجرای الگوریتم های تطبیقی ​​دسته ای و اندازه برای کاهش هزینه ها و تسریع در فرایندهای آموزش.

📚 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.