ترجمه فارسی مقاله عبور پیام عصبی ناشی از انتشار محدود انرژی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Neural Message Passing Induced by Energy-Constrained Diffusion
عنوان مقاله به فارسی عبور پیام عصبی ناشی از انتشار محدود انرژی
نویسندگان Qitian Wu, David Wipf, Junchi Yan
فرمت مقاله انگلیسی PDF
تعداد صفحات 46
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Artificial Intelligence,یادگیری ماشین , هوش مصنوعی ,
توضیحات Submitted 13 September, 2024; originally announced September 2024. , Comments: Extended version from DIFFormer paper in ICLR2023. arXiv admin note: text overlap with arXiv:2301.09474
توضیحات به فارسی ارسال شده 13 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد. ، نظرات: نسخه گسترده از مقاله Difformer در ICLR2023.Arxiv Admin توجه: همپوشانی متن با ARXIV: 2301.09474
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

Learning representations for structured data with certain geometries (observed or unobserved) is a fundamental challenge, wherein message passing neural networks (MPNNs) have become a de facto class of model solutions. In this paper, we propose an energy-constrained diffusion model as a principled interpretable framework for understanding the mechanism of MPNNs and navigating novel architectural designs. The model, inspired by physical systems, combines the inductive bias of diffusion on manifolds with layer-wise constraints of energy minimization. As shown by our analysis, the diffusion operators have a one-to-one correspondence with the energy functions implicitly descended by the diffusion process, and the finite-difference iteration for solving the energy-constrained diffusion system induces the propagation layers of various types of MPNNs operated on observed or latent structures. On top of these findings, we devise a new class of neural message passing models, dubbed as diffusion-inspired Transformers, whose global attention layers are induced by the principled energy-constrained diffusion. Across diverse datasets ranging from real-world networks to images and physical particles, we show that the new model can yield promising performance for cases where the data structures are observed (as a graph), partially observed or completely unobserved.

چکیده به فارسی (ترجمه ماشینی)

بازنمایی یادگیری برای داده های ساخت یافته با هندسه های خاص (مشاهده شده یا بدون نظارت) یک چالش اساسی است ، که در آن پیام عبور از شبکه های عصبی (MPNN) به یک کلاس واقعی از راه حل های مدل تبدیل شده است.در این مقاله ، ما یک مدل انتشار محدود به انرژی را به عنوان یک چارچوب قابل تفسیر اصولی برای درک مکانیسم MPNN ها و پیمایش طرح های معماری جدید پیشنهاد می کنیم.این مدل ، با الهام از سیستم های فیزیکی ، تعصب القایی انتشار را بر روی منیفولدها با محدودیت های لایه ای از به حداقل رساندن انرژی ترکیب می کند.همانطور که توسط تجزیه و تحلیل ما نشان داده شده است ، اپراتورهای انتشار دارای مکاتبات یک به یک با توابع انرژی هستند که به طور ضمنی توسط فرآیند انتشار فرو می روند ، و تکرار محدوده محدود برای حل سیستم انتشار محدود کننده انرژی باعث ایجاد لایه های انتشار انواع مختلف می شودMPNN ها بر روی ساختارهای مشاهده شده یا نهفته عمل می کنند.در بالای این یافته ها ، ما کلاس جدیدی از مدل های عبور پیام عصبی را که به عنوان ترانسفورماتورهای الهام گرفته از انتشار ، که لایه های توجه جهانی آنها توسط انتشار با انرژی اساسی ایجاد می شود ، ابداع می کنیم.در میان مجموعه داده های متنوع از شبکه های دنیای واقعی گرفته تا تصاویر و ذرات فیزیکی ، ما نشان می دهیم که مدل جدید می تواند عملکرد امیدوار کننده ای را برای مواردی که ساختار داده ها مشاهده می شود (به عنوان یک نمودار) ، تا حدودی مشاهده شده یا کاملاً غیرقابل استفاده ، به دست آورد.

📚 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.