اکسپرس 24
ترجمه فارسی مقاله شبکه‌های عصبی گراف مبتنی بر الگوریتم برای تشخیص و مکان‌یابی نشت در شبکه‌های توزیع آب

ترجمه فارسی مقاله شبکه‌های عصبی گراف مبتنی بر الگوریتم برای تشخیص و مکان‌یابی نشت در شبکه‌های توزیع آب

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 Algorithm-Informed Graph Neural Networks for Leakage Detection and Localization in Water Distribution Networks
عنوان مقاله به فارسی شبکه‌های عصبی گراف مبتنی بر الگوریتم برای تشخیص و مکان‌یابی نشت در شبکه‌های توزیع آب
نویسندگان Zepeng Zhang, Olga Fink
فرمت مقاله انگلیسی PDF
تعداد صفحات 26
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: 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

Detecting and localizing leakages is a significant challenge for the efficient and sustainable management of water distribution networks (WDN). Leveraging the inherent graph structure of WDNs, recent approaches have used graph-based data-driven methods. However, these methods often learn shortcuts that work well with in-distribution data but fail to generalize to out-of-distribution data. To address this limitation and inspired by the perfect generalization ability of classical algorithms, we propose an algorithm-informed graph neural network (AIGNN). Recognizing that WDNs function as flow networks, incorporating max-flow information can be beneficial for inferring pressures. In the proposed framework, we first train AIGNN to emulate the Ford-Fulkerson algorithm for solving max-flow problems. This algorithmic knowledge is then transferred to address the pressure estimation problem in WDNs. Two AIGNNs are deployed, one to reconstruct pressure based on the current measurements, and another to predict pressure based on previous measurements. Leakages are detected and localized by comparing the outputs of the reconstructor and the predictor. By pretraining AIGNNs to reason like algorithms, they are expected to extract more task-relevant and generalizable features. Experimental results demonstrate that the proposed algorithm-informed approach achieves superior results with better generalization ability compared to GNNs that do not incorporate algorithmic knowledge.

چکیده به فارسی (ترجمه ماشینی)

تشخیص و بومی سازی نشت یک چالش مهم برای مدیریت کارآمد و پایدار شبکه های توزیع آب (WDN) است.با استفاده از ساختار نمودار ذاتی WDN ، رویکردهای اخیر از روشهای مبتنی بر داده مبتنی بر نمودار استفاده کرده اند.با این حال ، این روش ها اغلب میانبرهایی را یاد می گیرند که با داده های توزیع به خوبی کار می کنند اما نمی توانند به داده های خارج از توزیع تعمیم دهند.برای پرداختن به این محدودیت و با الهام از توانایی کلی سازی کامل الگوریتم های کلاسیک ، ما یک شبکه عصبی نمودار آگاه از الگوریتم (AIGNN) پیشنهاد می کنیم.تشخیص اینکه WDN ها به عنوان شبکه های جریان عمل می کنند ، شامل اطلاعات حداکثر جریان می تواند برای استنباط فشارهای مفید باشد.در چارچوب پیشنهادی ، ابتدا Aignn را آموزش می دهیم تا از الگوریتم فورد-فلفسون برای حل مشکلات حداکثر جریان تقلید کنیم.این دانش الگوریتمی سپس برای رفع مشکل تخمین فشار در WDNS منتقل می شود.دو Aignns مستقر شده اند ، یکی برای بازسازی فشار بر اساس اندازه گیری های فعلی و دیگری برای پیش بینی فشار بر اساس اندازه گیری های قبلی.با مقایسه خروجی های بازسازی کننده و پیش بینی کننده ، نشت شناسایی و بومی سازی می شود.با پیش بینی Aignns به استدلال مانند الگوریتم ها ، از آنها انتظار می رود ویژگی های مربوط به کار و قابل تعمیم بیشتری را استخراج کنند.نتایج تجربی نشان می دهد که رویکرد آگاهانه الگوریتم پیشنهادی با توانایی کلی سازی بهتر در مقایسه با GNN هایی که دانش الگوریتمی را در بر نمی گیرند ، به نتایج برتر می رسد.

📚 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.