اکسپرس 24
ترجمه فارسی مقاله رمزگذارهای خودکار در فضای تابع

ترجمه فارسی مقاله رمزگذارهای خودکار در فضای تابع

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 Autoencoders in Function Space
عنوان مقاله به فارسی رمزگذارهای خودکار در فضای تابع
نویسندگان Justin Bunker, Mark Girolami, Hefin Lambley, Andrew M. Stuart, T. J. Sullivan
فرمت مقاله انگلیسی PDF
تعداد صفحات 56
دسته بندی موضوعات Machine Learning,Machine Learning,یادگیری ماشین , یادگیری ماشین ,
توضیحات Submitted 2 August, 2024; originally announced August 2024. , Comments: 56 pages, 25 figures , MSC Class: 62G07 (Primary) 65M99; 68T07 (Secondary) ACM Class: I.2.6
توضیحات به فارسی ارسال شده در 2 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 56 صفحه ، 25 شکل ، کلاس MSC: 62G07 (اولیه) 65M99 ؛68T07 (ثانویه) کلاس ACM: I.2.6

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: 2,240,000 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

Autoencoders have found widespread application, in both their original deterministic form and in their variational formulation (VAEs). In scientific applications it is often of interest to consider data that are comprised of functions; the same perspective is useful in image processing. In practice, discretisation (of differential equations arising in the sciences) or pixellation (of images) renders problems finite dimensional, but conceiving first of algorithms that operate on functions, and only then discretising or pixellating, leads to better algorithms that smoothly operate between different levels of discretisation or pixellation. In this paper function-space versions of the autoencoder (FAE) and variational autoencoder (FVAE) are introduced, analysed, and deployed. Well-definedness of the objective function governing VAEs is a subtle issue, even in finite dimension, and more so on function space. The FVAE objective is well defined whenever the data distribution is compatible with the chosen generative model; this happens, for example, when the data arise from a stochastic differential equation. The FAE objective is valid much more broadly, and can be straightforwardly applied to data governed by differential equations. Pairing these objectives with neural operator architectures, which can thus be evaluated on any mesh, enables new applications of autoencoders to inpainting, superresolution, and generative modelling of scientific data.

چکیده به فارسی (ترجمه ماشینی)

AutoEncoders کاربرد گسترده ای را در هر دو شکل قطعی اصلی و در فرمولاسیون متغیر (VAES) پیدا کرده است.در برنامه های علمی غالباً مورد توجه قرار دادن داده هایی است که از کارکردها تشکیل شده است.همین دیدگاه در پردازش تصویر مفید است.در عمل ، تفکیک (معادلات دیفرانسیل ناشی از علوم) یا پیکسل (تصاویر) مشکلات را به صورت ابعادی محدود می کند ، اما اولویت اول الگوریتم هایی که بر روی توابع کار می کنند ، و فقط پس از آن گسسته یا پیکسل کننده ، منجر به الگوریتم های بهتری می شود که به طور صاف بین متفاوت عمل می کنندسطح تفسیر یا پیکسل.در این مقاله ، نسخه های عملکرد فضا از AutoEncoder (FAE) و Autoencoder متنوع (FVAE) معرفی ، تجزیه و تحلیل و مستقر می شوند.به خوبی تعریف کننده عملکرد عینی حاکم بر VAES یک مسئله ظریف است ، حتی در ابعاد محدود و موارد دیگر نیز در فضای عملکرد.هدف FVAE هر زمان که توزیع داده با مدل تولیدی انتخاب شده سازگار باشد ، به خوبی تعریف می شود.این اتفاق می افتد ، به عنوان مثال ، هنگامی که داده ها از یک معادله دیفرانسیل تصادفی بوجود می آیند.هدف FAE بسیار گسترده تر است ، و می تواند به طور مستقیم برای داده های حاکم بر معادلات دیفرانسیل اعمال شود.جفت شدن این اهداف با معماری های اپراتور عصبی ، که از این رو می تواند بر روی هر مش ارزیابی شود ، برنامه های جدیدی از خودروسازان را قادر می سازد تا از آن استفاده کنند ، سوپراسیون و مدل سازی تولیدی داده های علمی.

📚 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.