ترجمه فارسی مقاله شکستن تقارن در بهینه سازی شبکه عصبی: بینش از گسترش ابعاد ورودی

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 Symmetry Breaking in Neural Network Optimization: Insights from Input Dimension Expansion
عنوان مقاله به فارسی شکستن تقارن در بهینه سازی شبکه عصبی: بینش از گسترش ابعاد ورودی
نویسندگان Jun-Jie Zhang, Nan Cheng, Fu-Peng Li, Xiu-Cheng Wang, Jian-Nan Chen, Long-Gang Pang, Deyu Meng
فرمت مقاله انگلیسی PDF
تعداد صفحات 30
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Artificial Intelligence,Mathematical Physics,یادگیری ماشین , هوش مصنوعی , فیزیک ریاضی ,
توضیحات Submitted 12 September, 2024; v1 submitted 10 September, 2024; originally announced September 2024. , Comments: 29 pages, 8 figures
توضیحات به فارسی ارسال شده 12 سپتامبر 2024 ؛V1 ارسال شده 10 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد ، نظرات: 29 صفحه ، 8 شکل
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

Understanding the mechanisms behind neural network optimization is crucial for improving network design and performance. While various optimization techniques have been developed, a comprehensive understanding of the underlying principles that govern these techniques remains elusive. Specifically, the role of symmetry breaking, a fundamental concept in physics, has not been fully explored in neural network optimization. This gap in knowledge limits our ability to design networks that are both efficient and effective. Here, we propose the symmetry breaking hypothesis to elucidate the significance of symmetry breaking in enhancing neural network optimization. We demonstrate that a simple input expansion can significantly improve network performance across various tasks, and we show that this improvement can be attributed to the underlying symmetry breaking mechanism. We further develop a metric to quantify the degree of symmetry breaking in neural networks, providing a practical approach to evaluate and guide network design. Our findings confirm that symmetry breaking is a fundamental principle that underpins various optimization techniques, including dropout, batch normalization, and equivariance. By quantifying the degree of symmetry breaking, our work offers a practical technique for performance enhancement and a metric to guide network design without the need for complete datasets and extensive training processes.

چکیده به فارسی (ترجمه ماشینی)

درک مکانیسم های بهینه سازی شبکه عصبی برای بهبود طراحی و عملکرد شبکه بسیار مهم است.در حالی که تکنیک های مختلف بهینه سازی تدوین شده است ، درک جامع از اصول اساسی که حاکم بر این تکنیک ها است ، گریزان است.به طور خاص ، نقش شکستن تقارن ، یک مفهوم اساسی در فیزیک ، در بهینه سازی شبکه عصبی به طور کامل مورد بررسی قرار نگرفته است.این شکاف در دانش توانایی ما در طراحی شبکه هایی را که هم کارآمد و هم مؤثر هستند ، محدود می کند.در اینجا ، ما فرضیه شکستن تقارن را برای روشن کردن اهمیت شکستن تقارن در تقویت بهینه سازی شبکه عصبی پیشنهاد می کنیم.ما نشان می دهیم که یک گسترش ورودی ساده می تواند عملکرد شبکه را در کارهای مختلف به طور قابل توجهی بهبود بخشد ، و ما نشان می دهیم که این پیشرفت را می توان به مکانیسم شکستن تقارن اساسی نسبت داد.ما در ادامه یک متریک برای تعیین کمیت میزان شکستن تقارن در شبکه های عصبی ایجاد می کنیم و یک رویکرد عملی برای ارزیابی و راهنمایی طراحی شبکه ارائه می دهیم.یافته های ما تأیید می کند که شکستن تقارن یک اصل اساسی است که زیربنای تکنیک های مختلف بهینه سازی ، از جمله ترک تحصیل ، عادی سازی دسته ای و برابری است.کار ما با کمیت میزان شکستن تقارن ، یک روش عملی برای تقویت عملکرد و یک متریک برای هدایت طراحی شبکه بدون نیاز به مجموعه داده های کامل و فرایندهای آموزش گسترده ارائه 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.