اکسپرس 24
ترجمه فارسی مقاله سازگاری رو به عقب در توضیح وصفی و روش آموزش مدل پیشرفته

ترجمه فارسی مقاله سازگاری رو به عقب در توضیح وصفی و روش آموزش مدل پیشرفته

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 Backward Compatibility in Attributive Explanation and Enhanced Model Training Method
عنوان مقاله به فارسی سازگاری رو به عقب در توضیح وصفی و روش آموزش مدل پیشرفته
نویسندگان Ryuta Matsuno
فرمت مقاله انگلیسی PDF
تعداد صفحات 12
دسته بندی موضوعات Machine Learning,یادگیری ماشین ,
توضیحات Submitted 5 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 5 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 480,000 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

Model update is a crucial process in the operation of ML/AI systems. While updating a model generally enhances the average prediction performance, it also significantly impacts the explanations of predictions. In real-world applications, even minor changes in explanations can have detrimental consequences. To tackle this issue, this paper introduces BCX, a quantitative metric that evaluates the backward compatibility of feature attribution explanations between pre- and post-update models. BCX utilizes practical agreement metrics to calculate the average agreement between the explanations of pre- and post-update models, specifically among samples on which both models accurately predict. In addition, we propose BCXR, a BCX-aware model training method by designing surrogate losses which theoretically lower bounds agreement scores. Furthermore, we present a universal variant of BCXR that improves all agreement metrics, utilizing L2 distance among the explanations of the models. To validate our approach, we conducted experiments on eight real-world datasets, demonstrating that BCXR achieves superior trade-offs between predictive performances and BCX scores, showcasing the effectiveness of our BCXR methods.

چکیده به فارسی (ترجمه ماشینی)

به روزرسانی مدل یک فرآیند مهم در عملکرد سیستم های ML/AI است.در حالی که به روزرسانی یک مدل به طور کلی عملکرد پیش بینی متوسط ​​را افزایش می دهد ، همچنین به طور قابل توجهی بر توضیحات پیش بینی ها تأثیر می گذارد.در برنامه های دنیای واقعی ، حتی تغییرات جزئی در توضیحات می تواند عواقب مضر داشته باشد.برای مقابله با این مسئله ، این مقاله BCX را معرفی می کند ، یک معیار کمی که سازگاری عقب مانده توضیحات مربوط به ویژگی های بین مدلهای قبل و بعد از به روزرسانی را ارزیابی می کند.BCX از معیارهای توافق عملی برای محاسبه میانگین توافق بین توضیحات مدل های قبل و بعد از به روزرسانی ، به طور خاص در بین نمونه هایی که هر دو مدل به طور دقیق پیش بینی می کنند ، استفاده می کند.علاوه بر این ، ما BCXR ، یک روش آموزش مدل Aware BCX را با طراحی ضررهای جانشین که از لحاظ تئوریکی نمرات توافق نامه مرز را پایین می آورند ، پیشنهاد می کنیم.علاوه بر این ، ما یک نوع جهانی از BCXR را ارائه می دهیم که تمام معیارهای توافق نامه را بهبود می بخشد و از فاصله L2 در بین توضیحات مدل ها استفاده می کند.برای اعتبارسنجی رویکرد خود ، ما آزمایشاتی را در مورد هشت مجموعه داده در دنیای واقعی انجام دادیم ، نشان می دهد که BCXR به تجارت برتر بین عملکردهای پیش بینی کننده و نمرات BCX دست می یابد ، و اثربخشی روشهای BCXR ما را نشان می دهد.

📚 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.