ترجمه فارسی مقاله شبکه‌های عصبی عمیق نامتغیر تحت گروه متناهی برای حل معادلات دیفرانسیل جزئی

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 Invariant deep neural networks under the finite group for solving partial differential equations
عنوان مقاله به فارسی شبکه‌های عصبی عمیق نامتغیر تحت گروه متناهی برای حل معادلات دیفرانسیل جزئی
نویسندگان Zhi-Yong Zhang, Jie-Ying Li, Lei-Lei Guo
فرمت مقاله انگلیسی PDF
تعداد صفحات 120
دسته بندی موضوعات Machine Learning,یادگیری ماشین ,
توضیحات Submitted 30 July, 2024; originally announced July 2024.
توضیحات به فارسی ارسال شده 30 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد.

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: 4,800,000 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

Utilizing physics-informed neural networks (PINN) to solve partial differential equations (PDEs) becomes a hot issue and also shows its great powers, but still suffers from the dilemmas of limited predicted accuracy in the sampling domain and poor prediction ability beyond the sampling domain which are usually mitigated by adding the physical properties of PDEs into the loss function or by employing smart techniques to change the form of loss function for special PDEs. In this paper, we design a symmetry-enhanced deep neural network (sDNN) which makes the architecture of neural networks invariant under the finite group through expanding the dimensions of weight matrixes and bias vectors in each hidden layers by the order of finite group if the group has matrix representations, otherwise extending the set of input data and the hidden layers except for the first hidden layer by the order of finite group. However, the total number of training parameters is only about one over the order of finite group of the original PINN size due to the symmetric architecture of sDNN. Furthermore, we give special forms of weight matrixes and bias vectors of sDNN, and rigorously prove that the architecture itself is invariant under the finite group and the sDNN has the universal approximation ability to learn the function keeping the finite group. Numerical results show that the sDNN has strong predicted abilities in and beyond the sampling domain and performs far better than the vanilla PINN with fewer training points and simpler architecture.

چکیده به فارسی (ترجمه ماشینی)

استفاده از شبکه های عصبی آگاه از فیزیک (PINN) برای حل معادلات دیفرانسیل جزئی (PDE) به یک مسئله داغ تبدیل می شود و همچنین قدرتهای بزرگ آن را نشان می دهد ، اما هنوز هم از معضلات دقت پیش بینی شده محدود در دامنه نمونه برداری و توانایی پیش بینی ضعیف فراتر از دامنه نمونه برداری رنج می برد.که معمولاً با افزودن خصوصیات بدنی PDE به عملکرد ضرر یا با استفاده از تکنیک های هوشمند برای تغییر شکل عملکرد ضرر برای PDE های ویژه کاهش می یابد.در این مقاله ، ما یک شبکه عصبی عمیق تقارن (SDNN) را طراحی می کنیم که باعث می شود معماری شبکه های عصبی از طریق گسترش ابعاد ماتریس های وزن و بردارهای تعصب در هر لایه پنهان به ترتیب گروه محدود ، در زیر گروه محدود متغیر باشد.گروه دارای بازنمایی ماتریس است ، در غیر این صورت مجموعه داده های ورودی و لایه های پنهان را به جز اولین لایه پنهان به ترتیب گروه محدود گسترش می دهد.با این حال ، تعداد کل پارامترهای آموزشی تنها در مورد یک گروه محدود از اندازه اصلی PINN به دلیل معماری متقارن SDNN است.علاوه بر این ، ما اشکال خاصی از ماتریس های وزن و بردارهای تعصب SDNN می دهیم و به شدت ثابت می کنیم که معماری خود تحت گروه محدود ثابت است و SDNN توانایی تقریبی جهانی در یادگیری عملکرد را در حفظ گروه محدود دارد.نتایج عددی نشان می دهد که SDNN توانایی های پیش بینی شده قوی را در دامنه نمونه برداری و فراتر از آن دارد و به مراتب بهتر از پین وانیل با نقاط آموزشی کمتری و معماری ساده تر عمل 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.