ترجمه فارسی مقاله تشخیص 3 منیفولدهای هومومورفیک از طریق شبکه های عصبی گراف

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 Detecting Homeomorphic 3-manifolds via Graph Neural Networks
عنوان مقاله به فارسی تشخیص 3 منیفولدهای هومومورفیک از طریق شبکه های عصبی گراف
نویسندگان Craig Lawrie, Lorenzo Mansi
فرمت مقاله انگلیسی PDF
تعداد صفحات 10
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,High Energy Physics - Theory,یادگیری ماشین , فیزیک انرژی بالا - تئوری ,
توضیحات Submitted 1 September, 2024; originally announced September 2024. , Comments: 9 pages, 3 figures, 2 tables , Report number: DESY-24-122
توضیحات به فارسی ارسال 1 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد ، نظرات: 9 صفحه ، 3 شکل ، 2 جدول ، شماره گزارش: DESY-24-122
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 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

Motivated by the enumeration of the BPS spectra of certain 3d $\mathcal{N}=2$ supersymmetric quantum field theories, obtained from the compactification of 6d superconformal field theories on three-manifolds, we study the homeomorphism problem for a class of graph-manifolds using Graph Neural Network techniques. Utilizing the JSJ decomposition, a unique representation via a plumbing graph is extracted from a graph-manifold. Homeomorphic graph-manifolds are related via a sequence of von Neumann moves on this graph; the algorithmic application of these moves can determine if two graphs correspond to homeomorphic graph-manifolds in super-polynomial time. However, by employing Graph Neural Networks (GNNs), the same problem can be addressed, at the cost of accuracy, in polynomial time. We build a dataset composed of pairs of plumbing graphs, together with a hidden label encoding whether the pair is homeomorphic. We train and benchmark a variety of network architectures within a supervised learning setting by testing different combinations of two convolutional layers (GEN, GCN, GAT, NNConv), followed by an aggregation layer and a classification layer. We discuss the strengths and weaknesses of the different GNNs for this homeomorphism problem.

چکیده به فارسی (ترجمه ماشینی)

با انگیزه با شمارش طیف های BPS خاص 3D $ \ Mathcal {n} = 2 $ نظریه های میدانی متقارن متقارن ، به دست آمده از فشرده سازی نظریه های میدان فوق العاده شکل 6D در سه مانفول ، ما مشکل هومومورفیسم را برای یک کلاس از نمودار بررسی می کنیممنیفولدها با استفاده از تکنیک های شبکه عصبی نمودار.با استفاده از تجزیه JSJ ، یک نمایش منحصر به فرد از طریق نمودار لوله کشی از یک مانفروش گرافیکی استخراج می شود.مانیفولد های گرافیکی هومومورفیک از طریق دنباله ای از حرکات فون نویمان در این نمودار مرتبط هستند.کاربرد الگوریتمی این حرکات می تواند تعیین کند که آیا دو نمودار با مانیفلد های گرافیکی هومومورفیک در زمان فوق العاده رنگی مطابقت دارد یا خیر.با این حال ، با استفاده از شبکه های عصبی نمودار (GNN) ، می توان با هزینه دقت ، در زمان چند جمله ای ، به همان مشکل رسیدگی کرد.ما یک مجموعه داده متشکل از جفت نمودارهای لوله کشی ، همراه با یک برچسب پنهان که رمزگذاری می کند آیا این جفت هومیومورفیک است ، می سازیم.ما با آزمایش ترکیبات مختلف دو لایه حلقوی (Gen ، GCN ، GAT ، NNConv) ، انواع معماری های شبکه را در یک محیط یادگیری تحت نظارت آموزش و معیار می کنیم و به دنبال آن یک لایه جمع آوری و یک لایه طبقه بندی.ما در مورد نقاط قوت و ضعف GNN های مختلف برای این مشکل هومیومورفیسم بحث می کنیم.

📚 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.