ترجمه فارسی مقاله تکنیک بیزی برای ترکیب مدل های یادگیری مستقل آموزش دیده برای تشخیص مستقیم ماده تاریک

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 Bayesian technique to combine independently-trained Machine-Learning models applied to direct dark matter detection
عنوان مقاله به فارسی تکنیک بیزی برای ترکیب مدل های یادگیری مستقل آموزش دیده برای تشخیص مستقیم ماده تاریک
نویسندگان David Cerdeno, Martin de los Rios, Andres D. Perez
فرمت مقاله انگلیسی PDF
تعداد صفحات 26
دسته بندی موضوعات High Energy Physics - Phenomenology,Cosmology and Nongalactic Astrophysics,Data Analysis, Statistics and Probability,فیزیک انرژی بالا - پدیدارشناسی , کیهان شناسی و اخترفیزیک نونگالایک , تجزیه و تحلیل داده ها , آمار و احتمال ,
توضیحات Submitted 30 July, 2024; originally announced July 2024. , Comments: 25 pages, 7 figures, 2 tables , Report number: IFT-UAM/CSIC-24-116
توضیحات به فارسی ارسال شده 30 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد ، نظرات: 25 صفحه ، 7 شکل ، 2 جدول ، شماره گزارش: IFT-UAM/CSIC-24-116

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: 1,040,000 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

We carry out a Bayesian analysis of dark matter (DM) direct detection data to determine particle model parameters using the Truncated Marginal Neural Ratio Estimation (TMNRE) machine learning technique. TMNRE avoids an explicit calculation of the likelihood, which instead is estimated from simulated data, unlike in traditional Markov Chain Monte Carlo (MCMC) algorithms. This considerably speeds up, by several orders of magnitude, the computation of the posterior distributions, which allows to perform the Bayesian analysis of an otherwise computationally prohibitive number of benchmark points. In this article we demonstrate that, in the TMNRE framework, it is possible to include, combine, and remove different datasets in a modular fashion, which is fast and simple as there is no need to re-train the machine learning algorithm or to define a combined likelihood. In order to assess the performance of this method, we consider the case of WIMP DM with spin-dependent and independent interactions with protons and neutrons in a xenon experiment. After validating our results with MCMC, we employ the TMNRE procedure to determine the regions where the DM parameters can be reconstructed. Finally, we present CADDENA, a Python package that implements the modular Bayesian analysis of direct detection experiments described in this work.

چکیده به فارسی (ترجمه ماشینی)

ما یک تجزیه و تحلیل بیزی از داده های تشخیص مستقیم ماده تاریک (DM) برای تعیین پارامترهای مدل ذرات با استفاده از تکنیک یادگیری ماشین حاشیه حاشیه ای کوتاه (TMNRE) انجام می دهیم.TMNRE از محاسبه صریح از احتمال جلوگیری می کند ، که در عوض بر خلاف الگوریتم های زنجیره سنتی Monte Carlo (MCMC) از داده های شبیه سازی شده تخمین زده می شود.این امر به میزان قابل توجهی با چندین سفارش از بزرگی ، محاسبه توزیع خلفی ، که امکان انجام تجزیه و تحلیل بیزی را از تعداد غیر محاسباتی از نقاط معیار فراهم می کند ، سرعت می بخشد.در این مقاله ما نشان می دهیم که ، در چارچوب TMNRE ، می توان مجموعه داده های مختلف را به روشی مدولار درج ، ترکیب و حذف کرد ، که سریع و ساده است زیرا نیازی به هدایت مجدد الگوریتم یادگیری دستگاه یا تعریف نیست.یک احتمال ترکیبیبه منظور ارزیابی عملکرد این روش ، ما مورد WIMP DM را با تعامل وابسته به چرخش و مستقل با پروتون ها و نوترون ها در یک آزمایش زنون در نظر می گیریم.پس از اعتبارسنجی نتایج خود با MCMC ، ما از روش TMNRE برای تعیین مناطقی که پارامترهای DM می توانند بازسازی شوند ، استفاده می کنیم.سرانجام ، ما Caddena ، یک بسته پایتون را ارائه می دهیم که تجزیه و تحلیل بیزی ماژولار از آزمایش های تشخیص مستقیم شرح داده شده در این کار را پیاده سازی 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.

🎯 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.