ترجمه فارسی مقاله در مورد توان بیانی شبکه های عصبی کوانتیزه تحت محاسبات نقطه ثابت

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 On Expressive Power of Quantized Neural Networks under Fixed-Point Arithmetic
عنوان مقاله به فارسی در مورد توان بیانی شبکه های عصبی کوانتیزه تحت محاسبات نقطه ثابت
نویسندگان Geonho Hwang, Yeachan Park, Sejun Park
فرمت مقاله انگلیسی PDF
تعداد صفحات 28
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Machine Learning,یادگیری ماشین , یادگیری ماشین ,
توضیحات Submitted 30 August, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 30 اوت 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
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

Research into the expressive power of neural networks typically considers real parameters and operations without rounding error. In this work, we study universal approximation property of quantized networks under discrete fixed-point parameters and fixed-point operations that may incur errors due to rounding. We first provide a necessary condition and a sufficient condition on fixed-point arithmetic and activation functions for universal approximation of quantized networks. Then, we show that various popular activation functions satisfy our sufficient condition, e.g., Sigmoid, ReLU, ELU, SoftPlus, SiLU, Mish, and GELU. In other words, networks using those activation functions are capable of universal approximation. We further show that our necessary condition and sufficient condition coincide under a mild condition on activation functions: e.g., for an activation function $σ$, there exists a fixed-point number $x$ such that $σ(x)=0$. Namely, we find a necessary and sufficient condition for a large class of activation functions. We lastly show that even quantized networks using binary weights in $\{-1,1\}$ can also universally approximate for practical activation functions.

چکیده به فارسی (ترجمه ماشینی)

تحقیقات در مورد قدرت بیانگر شبکه های عصبی به طور معمول پارامترها و عملیات واقعی را بدون خطای گرد در نظر می گیرد.در این کار ، ما خاصیت تقریبی جهانی شبکه های کمکی را تحت پارامترهای نقطه ثابت گسسته و عملیات نقطه ثابت مطالعه می کنیم که ممکن است به دلیل گرد شدن خطاها را متحمل شود.ما ابتدا یک شرط لازم و یک وضعیت کافی در عملکردهای حسابی و فعال سازی با نقطه ثابت برای تقریب جهانی شبکه های کمیت ارائه می دهیم.سپس ، ما نشان می دهیم که توابع مختلف فعال سازی محبوب وضعیت کافی ما را برآورده می کند ، به عنوان مثال ، Sigmoid ، Relu ، Elu ، SoftPlus ، Silu ، Mish و Gelu.به عبارت دیگر ، شبکه هایی که از آن توابع فعال سازی استفاده می کنند قادر به تقریب جهانی هستند.ما همچنین نشان می دهیم که شرایط لازم و شرایط کافی ما در یک وضعیت خفیف در توابع فعال سازی همزمان است: به عنوان مثال ، برای یک عملکرد فعال سازی $ σ $ ، یک شماره ثابت $ x $ وجود دارد به گونه ای که $ σ (x) = 0 $.یعنی ، ما یک شرایط لازم و کافی برای یک کلاس بزرگ از توابع فعال سازی پیدا می کنیم.ما در آخر نشان می دهیم که حتی شبکه های کم نظیر با استفاده از وزنهای باینری در $ \ {-1،1 \} $ همچنین می توانند برای عملکردهای فعال سازی عملی تقریبی باشند.

📚 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.