ترجمه فارسی مقاله تعامل روشهای سنتی و الگوریتمهای یادگیری ماشین برای برچسبگذاری اشیاء تقویتشده
| عنوان مقاله به انگلیسی | Interplay of Traditional Methods and Machine Learning Algorithms for Tagging Boosted Objects |
| عنوان مقاله به فارسی | تعامل روشهای سنتی و الگوریتمهای یادگیری ماشین برای برچسبگذاری اشیاء تقویتشده |
| نویسندگان | Camellia Bose, Amit Chakraborty, Shreecheta Chowdhury, Saunak Dutta |
| فرمت مقاله انگلیسی | |
| تعداد صفحات | 35 |
| دسته بندی موضوعات | High Energy Physics - Phenomenology,High Energy Physics - Experiment,فیزیک انرژی بالا - پدیدارشناسی , فیزیک انرژی بالا - آزمایش , |
| توضیحات | Submitted 2 August, 2024; originally announced August 2024. , Comments: 35 pages, 13 figures, 1 table; Invited Review article, published in EPJ Special Topics |
| توضیحات به فارسی | ارسال شده در 2 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 35 صفحه ، 13 شکل ، 1 جدول ؛مقاله مرور دعوت شده ، منتشر شده در موضوعات ویژه EPJ |
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: 1,400,000 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.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
Interest in deep learning in collider physics has been growing in recent years, specifically in applying these methods in jet classification, anomaly detection, particle identification etc. Among those, jet classification using neural networks is one of the well-established areas. In this review, we discuss different tagging frameworks available to tag boosted objects, especially boosted Higgs boson and top quark, at the Large Hadron Collider (LHC). Our aim is to study the interplay of traditional jet substructure based methods with the state-of-the-art machine learning ones. In this methodology, we would gain some interpretability of those machine learning methods, and which in turn helps to propose hybrid taggers relevant for tagging of those boosted objects belonging to both Standard Model (SM) and physics beyond the SM.
چکیده به فارسی (ترجمه ماشینی)
علاقه به یادگیری عمیق در فیزیک برخورد در سالهای اخیر در حال رشد بوده است ، به طور خاص در استفاده از این روش ها در طبقه بندی جت ، تشخیص ناهنجاری ، شناسایی ذرات و غیره. در میان آن ، طبقه بندی جت با استفاده از شبکه های عصبی یکی از مناطق مستقر است.در این بررسی ، ما در مورد چارچوب های مختلف برچسب زدن در دسترس برای برچسب زدن اشیاء تقویت شده ، به ویژه تقویت شده Higgs Boson و Top Quark ، در Collider Hadron (LHC) بحث می کنیم.هدف ما مطالعه تعامل روشهای سنتی مبتنی بر زیر ساخت جت با روشهای پیشرفته یادگیری ماشین است.در این روش ، ما برخی از تفسیر آن روشهای یادگیری ماشین را به دست می آوریم ، و به نوبه خود به پیشنهاد برچسب های ترکیبی مربوط برای برچسب زدن آن اشیاء تقویت شده متعلق به مدل استاندارد (SM) و فیزیک فراتر از SM کمک می کند.📚 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.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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.