اکسپرس 24
ترجمه فارسی مقاله فراتر از هموارسازی بیش از حد: کشف چالش‌های آموزش‌پذیری در شبکه‌های عصبی گراف عمیق

ترجمه فارسی مقاله فراتر از هموارسازی بیش از حد: کشف چالش‌های آموزش‌پذیری در شبکه‌های عصبی گراف عمیق

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 Beyond Over-smoothing: Uncovering the Trainability Challenges in Deep Graph Neural Networks
عنوان مقاله به فارسی فراتر از هموارسازی بیش از حد: کشف چالش‌های آموزش‌پذیری در شبکه‌های عصبی گراف عمیق
نویسندگان Jie Peng, Runlin Lei, Zhewei Wei
فرمت مقاله انگلیسی PDF
تعداد صفحات 10
دسته بندی موضوعات Machine Learning,یادگیری ماشین ,
توضیحات Submitted 7 August, 2024; originally announced August 2024. , Comments: CIKM2024
توضیحات به فارسی ارسال شده در 7 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: CIKM2024

قیمت: 19,000 تومان

سفارش

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

قیمت: 400,000 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

The drastic performance degradation of Graph Neural Networks (GNNs) as the depth of the graph propagation layers exceeds 8-10 is widely attributed to a phenomenon of Over-smoothing. Although recent research suggests that Over-smoothing may not be the dominant reason for such a performance degradation, they have not provided rigorous analysis from a theoretical view, which warrants further investigation. In this paper, we systematically analyze the real dominant problem in deep GNNs and identify the issues that these GNNs towards addressing Over-smoothing essentially work on via empirical experiments and theoretical gradient analysis. We theoretically prove that the difficult training problem of deep MLPs is actually the main challenge, and various existing methods that supposedly tackle Over-smoothing actually improve the trainability of MLPs, which is the main reason for their performance gains. Our further investigation into trainability issues reveals that properly constrained smaller upper bounds of gradient flow notably enhance the trainability of GNNs. Experimental results on diverse datasets demonstrate consistency between our theoretical findings and empirical evidence. Our analysis provides new insights in constructing deep graph models.

چکیده به فارسی (ترجمه ماشینی)

تخریب عملکرد شدید شبکه های عصبی نمودار (GNN) به عنوان عمق لایه های انتشار نمودار از 8-10 فراتر می رود ، به طور گسترده ای به پدیده ای از صاف کردن نسبت داده می شود.اگرچه تحقیقات اخیر حاکی از آن است که صاف کردن بیش از حد ممکن است دلیل اصلی چنین تخریب عملکرد نباشد ، اما آنها از یک دیدگاه نظری ، تجزیه و تحلیل دقیق ارائه نداده اند ، که این امر تحقیقات بیشتر را نشان می دهد.در این مقاله ، ما به طور سیستماتیک مسئله غالب واقعی را در GNN های عمیق مورد تجزیه و تحلیل قرار می دهیم و موضوعاتی را که این GNN ها در جهت پرداختن به بیش از حد صاف در اساساً بر روی آزمایش های تجربی و تجزیه و تحلیل شیب نظری کار می کنند ، شناسایی می کنیم.ما از لحاظ تئوریکی ثابت می کنیم که مشکل آموزش دشوار MLP های عمیق در واقع چالش اصلی است و روش های مختلف موجود که ظاهراً مقابله با صاف کردن بیش از حد را برطرف می کند ، در واقع قابلیت آموزش MLP ها را بهبود می بخشد ، که دلیل اصلی دستیابی به عملکرد آنها است.تحقیقات بیشتر ما در مورد مسائل مربوط به قابلیت آموزش نشان می دهد که مرزهای فوقانی کوچکتر از جریان شیب به طور مناسب به طور قابل توجهی قابلیت آموزش GNN ها را افزایش می دهد.نتایج تجربی در مجموعه داده های متنوع ، سازگاری بین یافته های نظری ما و شواهد تجربی را نشان می دهد.تجزیه و تحلیل ما بینش جدیدی در ساخت مدل های نمودار عمیق 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.