ترجمه فارسی مقاله تشخیص توپولوژی Calabi-Yau با استفاده از یادگیری ماشین

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 Distinguishing Calabi-Yau Topology using Machine Learning
عنوان مقاله به فارسی تشخیص توپولوژی Calabi-Yau با استفاده از یادگیری ماشین
نویسندگان Yang-Hui He, Zhi-Gang Yao, Shing-Tung Yau
فرمت مقاله انگلیسی PDF
تعداد صفحات 26
دسته بندی موضوعات Algebraic Geometry,هندسه جبری ,
توضیحات Submitted 9 August, 2024; originally announced August 2024. , Comments: 26 pages, 5 figures
توضیحات به فارسی ارسال شده در 9 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 26 صفحه ، 5 شکل

قیمت: 19,000 تومان

سفارش

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

قیمت: 1,040,000 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

While the earliest applications of AI methodologies to pure mathematics and theoretical physics began with the study of Hodge numbers of Calabi-Yau manifolds, the topology type of such manifold also crucially depend on their intersection theory. Continuing the paradigm of machine learning algebraic geometry, we here investigate the triple intersection numbers, focusing on certain divisibility invariants constructed therefrom, using the Inception convolutional neural network. We find $sim90%$ accuracies in prediction in a standard fivefold cross-validation, signifying that more sophisticated tasks of identification of manifold topologies can also be performed by machine learning.

چکیده به فارسی (ترجمه ماشینی)

در حالی که اولین کاربردهای روش شناسی AI برای ریاضیات خالص و فیزیک نظری با مطالعه تعداد هاج تعداد منیفولدهای Calabi-yau آغاز شد ، نوع توپولوژی چنین منیفولد نیز به طور مهم به تئوری تقاطع آنها بستگی دارد.با ادامه پارادایم هندسه جبری یادگیری ماشین ، ما در اینجا شماره های تقاطع سه گانه را بررسی می کنیم ، با تمرکز بر برخی از تغییر شکل های تقسیم کننده ساخته شده از آن ، با استفاده از شبکه عصبی Convolutional.ما $ sim90 ٪ $ را در پیش بینی در یک اعتبار سنجی متقاطع پنج برابر استاندارد می یابیم ، نشان می دهد که کارهای پیچیده تر شناسایی توپولوژی های منیفولد نیز می تواند با یادگیری ماشین انجام شود.

📚 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.