اکسپرس 24
ترجمه فارسی مقاله بهبود PINN ها با گنجاندن جبری شرایط مرزی و اولیه

ترجمه فارسی مقاله بهبود PINN ها با گنجاندن جبری شرایط مرزی و اولیه

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 Improving PINNs By Algebraic Inclusion of Boundary and Initial Conditions
عنوان مقاله به فارسی بهبود PINN ها با گنجاندن جبری شرایط مرزی و اولیه
نویسندگان Mohan Ren, Zhihao Fang, Keren Li, Anirbit Mukherjee
فرمت مقاله انگلیسی PDF
تعداد صفحات 48
دسته بندی موضوعات Machine Learning,Dynamical Systems,Numerical Analysis,یادگیری ماشین , سیستم های دینامیکی , تجزیه و تحلیل عددی ,
توضیحات Submitted 30 July, 2024; originally announced July 2024. , Comments: 48 Pages, 25 Figures
توضیحات به فارسی ارسال شده 30 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد ، نظرات: 48 صفحه ، 25 شکل

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 1,920,000 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

"AI for Science" aims to solve fundamental scientific problems using AI techniques. As most physical phenomena can be described as Partial Differential Equations (PDEs) , approximating their solutions using neural networks has evolved as a central component of scientific-ML. Physics-Informed Neural Networks (PINNs) is the general method that has evolved for this task but its training is well-known to be very unstable. In this work we explore the possibility of changing the model being trained from being just a neural network to being a non-linear transformation of it - one that algebraically includes the boundary/initial conditions. This reduces the number of terms in the loss function than the standard PINN losses. We demonstrate that our modification leads to significant performance gains across a range of benchmark tasks, in various dimensions and without having to tweak the training algorithm. Our conclusions are based on conducting hundreds of experiments, in the fully unsupervised setting, over multiple linear and non-linear PDEs set to exactly solvable scenarios, which lends to a concrete measurement of our performance gains in terms of order(s) of magnitude lower fractional errors being achieved, than by standard PINNs. The code accompanying this manuscript is publicly available at, https://github.com/MorganREN/Improving-PINNs-By-Algebraic-Inclusion-of-Boundary-and-Initial-Conditions

چکیده به فارسی (ترجمه ماشینی)

"هوش مصنوعی برای علم" با هدف حل مشکلات اساسی علمی با استفاده از تکنیک های هوش مصنوعی.از آنجا که بیشتر پدیده های فیزیکی را می توان به عنوان معادلات دیفرانسیل جزئی (PDE) توصیف کرد ، تقریب راه حل های آنها با استفاده از شبکه های عصبی به عنوان یک مؤلفه اصلی ML علمی تکامل یافته است.شبکه های عصبی آگاه از فیزیک (PINN) روش کلی است که برای این کار تکامل یافته است اما آموزش آن بسیار ناپایدار است.در این کار ، احتمال تغییر مدل از فقط یک شبکه عصبی به یک تحول غیرخطی از آن را بررسی می کنیم - چیزی که به صورت جبری شامل شرایط مرزی/اولیه است.این باعث می شود تعداد اصطلاحات در عملکرد ضرر نسبت به ضررهای استاندارد PINN کاهش یابد.ما نشان می دهیم که اصلاح ما منجر به دستیابی به عملکرد قابل توجه در طیف وسیعی از کارهای معیار ، در ابعاد مختلف و بدون نیاز به تغییر الگوریتم آموزش می شود.نتیجه گیری ما بر اساس انجام صدها آزمایش ، در تنظیمات کاملاً بدون نظارت ، بیش از PDE های چند خطی و غیر خطی است که به سناریوهای دقیقاً قابل حل تنظیم شده است ، که به اندازه گیری بتونی از دستاوردهای عملکرد ما از نظر ترتیب () از بزرگی پایین تر است.خطاهای کسری در حال دستیابی به آن ، نسبت به pinn های استاندارد.کد همراه با این نسخه خطی در دسترس است ، https://github.com/morganren/improving-pinns-by-algebraic-inclusion-foundary-andial-conditions

📚 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.